Mercury 3 対 Grok 4.7：2つのモデルではなく、2つの時計

何がMercury 3とGrok 4.7に共通しているかと尋ねれば、答えは時計です。どちらも処理にかかる時間を売り文句にしており、その意味するところは正反対です。Inceptionが2026年10月19日にリリースしたMercury 3は、1秒未満で答えるように作られています。NVIDIA GPU上で毎秒1,068トークンを生成する拡散モデルで、100万トークンのウィンドウを持ち、4つの推論設定のうち最速の段階は「instant」と呼ばれます。SpaceXAIが2026年9月21日にリリースしたGrok 4.7は、稼働し続けるように作られています。50万トークンのウィンドウ、xhighを上限とする推論の階段、そしてArtificial Analysis Intelligence Indexを完了するのに約2億4,000万出力トークンを消費し、タスクあたり3.74ドルのコストがかかったことを示す独立した測定結果があります。一方のモデルはレイテンシを商品として扱います。もう一方は継続時間を商品として扱います。両者を単一のスコアで比較すると、唯一重要な問い、つまりあなたのワークロードが実際にどの時計に乗っているのかを見失います。分割ポリシーの両端は1つのキーの背後に共存でき、自動フェイルオーバーが遅いレーンを拾います。このようなリリースの背後にある、文書化されたAI障害やエージェントインシデントはOrcaRouter AI Incident Archiveに収集されており、各エントリには独自の情報源、重大度、信頼度グレード、異議ありフラグが付いています。

価格が付けられた2つの時計

料金表が示している内容から始めましょう。というのも、その違いは、何を構築できるかを変えるほど大きいからです：

• 入力 — Mercury 3 は定価で100万あたり$0.20（提供開始時は$0.10）、それに対して Grok 4.7 は100万あたり$2.00

• 出力 — Mercury 3 は100万トークンあたり定価 $0.70（提供開始時 $0.35）に対し、Grok 4.7 は100万トークンあたり $6.00

• キャッシュ済み入力 — Mercury 3 は100万トークンあたり0.02ドル（提供開始時は0.01ドル）、Grok 4.7 は100万トークンあたり0.50ドル

• コンテキスト — 1,000,000 トークン vs 500,000

• 1回の応答における最大出力 — 131,072トークン（ベンダーが公表する上限はなし）。一方、当社のgrok-4.7用カードには450,000と記載

• 入力モダリティ — テキストのみ vs テキストと画像

• 推論設定 — 即時、低、中、高 対 低、中、高、xhigh

• スループット — 1秒あたり1,068トークン、ベンダー報告値 対 ベンダー未公開

• 長文リクエストの再価格設定 — 公開なし 対 200,000入力トークン超で全レートが2倍、リクエスト全体に適用

• ウェイト — 両方とも閉じています

出力の行だけを見れば、Mercury 3 は Grok 4.7 の隣では丸め誤差のように見える。$0.70 対 $6.00、ローンチ期間中なら $0.35 だ。キャッシュの行を見ると、差は縮まるどころか広がる。$0.02 対 $0.50 は、割引に関係なく25倍だからだ。安価な出力とほぼ無料のキャッシュ読み取りというこの組み合わせが、高頻度ループを手頃なものにする。そしてそれは、このモデルが明らかに狙って作られた設計目標でもある。

しかし、料金表はコストの半分にすぎない。Grok 4.7自身の設計上の前提は、難しい問題には長い推論パスが値するというものであり、独立系ボードは、問題が十分に難しいときにそれがどれほどのコストになるかを示している。完了したインデックスタスク1件あたり3.74ドルで、GPT-6.1 Solの0.72ドルに対してであり、同じボードにはMercury 3のエントリすらない。Grok 4.7は考えるためにトークンを使う。Mercury 3はトークンあたりほぼ何も費やさず、素早く考えることを約束する。それらは競合する主張ではなく、競合する予算なのだ。

長い推論パスが実際にもたらすもの

Grok 4.7は、速かったモデルが遅くなったのではない。数時間にわたる作業――エージェント的なコーディングループ、文書を大量に扱う分析、プロフェッショナルな成果物――は、走り続けるモデルに報いるという意図的な賭けであり、独立系の結果は、その賭けが全般的ではなく特定の領域で実を結んでいることを示している。

• GDPval-AA（経済的に価値のある知識労働）— Grok 4.7 は Elo 1711.07 で、ここで比較したモデルの中で2番目に高く、GPT-6.1 Sol の 1593.85 を上回っています

• SciCode — 0.5741。GPT-6.1 Sol（0.5417）とQwen3.8 Max（0.5208）の両方を上回っています

• HLE — 0.4314

• AA-LCR 長文脈推論 — 0.7667

• Terminal-Bench 4.0 — 0.2576、同じ列の中で最も低い数値

• AutomationBench — 0.6556、このシリーズの4モデルの中で最も高性能

• Intelligence Index — xhighで46.4（Artificial Analysisによる）

• インデックスタスクあたりのコスト — $3.74

そのプロファイル——知識作業と自動化に強く、ターミナル形式のコーディングに弱い——は汎用フラッグシップのプロファイルではなく、順位よりも知っておくほうが有用だ。長い自律コーディングセッションを実行し、そこに Grok 4.7 を選ぶチームは、自らの測定結果に反してそれを選んでいる。

Mercury 3には比較可能な列がない。Inceptionが公開している証拠は性質が異なる。自社ハーネスでの50タスクのMind2Webナビゲーションテストでタスクの50%を完了したこと、さらにTinyFish AI、RevisionDojo、Octen AI、Lorikeetからのパートナー証言だ。2026年10月20日時点でArtificial Analysisの項目はなく、つまり本記事におけるMercury 3の速度と価格以外のあらゆる能力主張はベンダー報告であり、再現されていない。それは切り捨てる理由にはならない——独立したスコアがない生後9日のモデルは正常な状態であり、初期報道こそこのブログが公開するために存在するものだ。それは2つの列に異なるラベルを付けておく理由だ。

3つのワークロード、3つの答え

サポートキューや音声エージェントです。 1ミリ秒ごとに顧客が待っており、モデルはあらゆるメッセージで実行できるほど安価でなければなりません。Mercury 3は公表されている数値でこれに勝ります。毎秒1,068トークン、リスト価格で出力$0.70、キャッシュ入力$0.02、推論を完全に省略する「インスタント」段階です。Grok 4.7はこの作業を行えますが、出力$6.00でデフォルトの推論パス付きでは、会話に必要のない熟考にコストを払っていることになります。これはInceptionがこのモデルを構築したケースであり、パートナーの引用はすべてこの形の製品からのものです。

数時間に及ぶコーディングまたはリサーチ用エージェント。 ジョブは無人で実行され、トランスクリプトは数十万トークンを超えて伸び続け、モデルは多くのステップにわたって計画を保持しなければなりません。ここでは、Grok 4.7 の500Kウィンドウ、xhigh推論、そして実測されたナレッジワークでの強さが関連する特徴であり、Mercury 3 の1Mウィンドウが関連する反論となります。より広い余地があり、トークンあたりのコストははるかに安いものの、長い時間軸にわたって計画を保持できるという証拠はまだありません。また、Grok 4.7 はリクエスト全体について200,000入力トークンを超えるとすべての料金が2倍になるのに対し、Mercury 3 は長いリクエストへの追加料金を公表していない点にも注意してください。本当に長いトランスクリプトでは、名目上の8.6倍の出力差が5倍未満まで縮まる可能性があります。そして、まさにその領域でMercury 3のベンチマーク不足が不利になり始めます。というのも、コスト優位性は、その能力が最も証明されていないところでこそ生じるからです。

画像を読み取る必要があるものはすべて。 Grok 4.7は画像を受け付けます。Mercury 3のドキュメントでは、サポートされる形式はテキストのみと記載されています。これは価格の問題ではなく、毎秒何トークンという数値では答えが出ないものです。

どちらかを選ぶのではなく、両方を実行する理由

この分かれ方は異例なほど明確だ。というのも、2つのモデルは異なる方向で失敗するからだ。Mercury 3は安価で未計測であり、Grok 4.7は高価で計測済みであり、両者のモダリティと推論範囲はほとんど重ならない。これは調達判断というよりも、ルーティング問題の様相だ。

Grok 4.7はOrcaRouterで提供されています SpaceXAIの定価でマークアップ0%、20万トークン超での2倍レートも含まれるため、ポリシーを試すコストはベンダーを直接呼び出すコストと同じです。Mercury 3はこのルーターにはなく、Inception自身のAPIといくつかのサードパーティプラットフォームを通じて提供されており、登場からまだ9日です。ルーティングDSLがここで珍しく本領を発揮するのは次のようなケースです。即時レーンのリクエスト——短いプロンプト、厳しいレイテンシ予算、画像なし——をMercury 3に送り、視覚またはxhigh推論を必要とするものはすべてGrok 4.7に残し、新しいモデルのキューが滞留するケースは自動フェイルオーバーに拾わせます。ポリシーは表現可能です。その証拠となるのは、今後1か月のトラフィックがもたらすものです。

予算を動かす前に注意すべきこと

この比較を変える2つのシグナルがあり、どちらも具体的だ。

• Artificial Analysis 上の Mercury 3 の掲載項目。Intelligence Index のスコアが1つと、タスクあたりコストの数値が1つあれば、安価で高速なモデルが知識作業において Grok 4.7 に十分近く、実際のトラフィックのルーティングを正当化できるかどうかが分かるだろう。それがなければ、毎秒 1,068 トークンはスループットの事実であって、能力の主張ではない。

• 自社のワークロードにおける Grok 4.7 のトークン消費。2億4,000万トークンのインデックス実行は合成ベンチマークであり、サポートキューとコーディングエージェントでは消費量が大きく異なります。$6.00 のレートが請求額を決めると仮定する前に、代表的な1週間で完了したタスクあたりの出力トークンを測定してください

一方で無視すべきなのは、2つのモデルを同じリーダーボードの1列に並べながら、そのうち片方が一度もボードに載ったことがない点に触れていない比較だ。Mercury 3について興味深いのは、速いことではない——Inceptionは1年前から高速な拡散モデルを出荷している——1Mウィンドウで速く、しかもリクエストごとの経済性が取るに足らない価格だという点だ。Grok 4.7について興味深いのは、チャートの首位に立つことではない（実際そうではない）。このセットで最も自動化に強いモデルであり、その代償としてトークンを多く消費するという点だ。これらは異なる製品であり、走らせるべき適切な数はおそらく1つではない。