Mercury 3 vs Kimi K3：ダウンロードできるモデルと、レンタルしかできないモデル

最も有用な違いは、Mercury 3とKimi K3の間にあり、速度や価格とは何の関係もない。Kimi K3 は、Moonshot AI が2026年7月16日にリリースし、その後7月27日に Modified MIT ライセンスの下で重みを公開した、2.8兆パラメータの mixture-of-experts であり、自分でダウンロードし、検査し、量子化し、ホストできる。Mercury 3 は、Inception が2026年10月19日にリリースしたクローズドな拡散モデルで、呼び出すことしかできない。この対決におけるその他のすべて — 両者が共有する100万トークンのウィンドウ、一方が主張する毎秒数千トークン、逆方向に広がる出力価格差 — は、成果物を誰が所有するかという最初の違いから導かれる。同じキーで、200以上のモデルからなるカタログ全体に定価でアクセスでき、プロバイダー間のフェイルオーバーも利用できる。このようなリリースの背後にある、文書化された AI の障害やエージェントのインシデントは、OrcaRouter AI Incident Archiveに集められており、各エントリには独自の情報源、重大度、信頼度グレード、係争中フラグが付いている。

その捉え方は学術的な話ではない。それは、この2つのモデルのうちどちらがベンダーが撤退しても生き残れるか、どちらが自分のデータでファインチューニングできるか、どちらを午前3時にレート制限なしで動かせるか、そしてどちらが他人が終わらせると決めた時点で終わる費用項目なのかを決める。公正な比較とは何かまで決める。Kimi K3のトークンあたり価格はホスティング費用だが、Mercury 3のそれはレンタル料だ。

仕様は、所有権の境界線の両側で

• パラメータ — Kimi K3は総計2.8兆、トークンあたり1040億がアクティブ、896個中16個のエキスパート。対してMercury 3は非公開で、Mercury 1より40倍超とだけ説明されている

• アーキテクチャ — Kimi Delta Attention における Mixture-of-Experts と、トークンのブロックを並列に洗練する拡散言語モデル

• コンテキストウィンドウ — 1,048,576トークン 対 1,000,000トークン、実質的に互角

• 最大出力 — Kimi K3 は1回の応答で最大1Mウィンドウ全体まで、Mercury 3 は131,072トークン

• 入力モダリティ — テキスト、画像、動画 対 テキストのみ

• 重み — 公開済み、Modified MIT、Hugging Face 上 vs クローズド

• 入力価格 — 100万あたり$3.00 対 定価で100万あたり$0.20、ローンチ時は$0.10

• 出力価格 — 100万あたり$15.00 対 定価100万あたり$0.70、ローンチ時は$0.35

• キャッシュ済み入力 — 100万あたり$0.30 対 $0.02

• 公称スループット — Moonshot による公開なし 対 毎秒1,068トークン（ベンダー報告）

• 独立系インテリジェンス指数 — 43.6（Artificial Analysis 調べ）。一方、2026年10月20日時点ではまだ登録なし

2つの価格列を並べると、差は入力で15倍、出力で21倍になる。その横にモダリティの行を置くと、差は敗走よりも狭い何かに縮まる。Kimi K3は動画と画像を受け付け、Mercury 3はテキストを受け付けるので、画面録画を見なければならないワークロードは、どんな価格でもこの2つの間で選んでいるわけではない。その横に重みの行を置くと、比較の性格はまったく変わる。なぜなら、2つの価格は同じものを測っているわけではないからだ。

Kimi K3の測定結果が実際に示していること

Kimi K3は、この5部作シリーズの中で、公開された重みと完全な独立した記録の両方を備えた唯一のモデルであり、そのため有用な基準点となっている：

• Intelligence Index — 43.6（Artificial Analysis 調べ）

• Terminal-Bench 4.0 — 0.1263、Terminal-Bench 2.1 — 0.8502（ベンダー自身が報告した実行結果）

• SciCode — 0.5949、このバッチの4つの対戦相手の中で最高

• Humanity's Last Exam — 0.4690

• AA-LCR 長文脈推論 — 0.8867、シリーズ中最強の長文脈読解

• GDPval-AA — Elo 1532.59

• AA-Omniscience — 19.7

• GPQA Diamond — 0.9354

• インデックスタスクあたりのコスト — $2.00

その表については2点注意があります。Terminal-Benchの数値は大きくかけ離れています — 4.0版では0.1263、2.1では0.8502 — これはモデルの問題ではなくベンチマークのバージョンの問題であり、片方だけを引用する人はどちらかの側に肩入れしていることになります。また、Kimi K3のArtificial Analysis指数は今日43.6を示していますが、ベンダー自身の発表資料は、指数の以前の改訂版において57と主張していました。指数はその後再構築されており、57は過去の数値であり、現在のものではありません。

両方の注意点を踏まえても成り立つプロファイルは、長文脈推論と科学技術コードに強く、知識の想起は中程度、ターミナル形式のエージェント作業では特筆すべき点がないモデルだ。それは、フロンティアAPIを丸ごと置き換えるためにダウンロードするモデルのプロファイルではない。特定の作業領域のために所有する価値があるモデルのプロファイルであり、まさにそれがオープンウェイトの論拠である。

ダウンロードして実行する際の注意点を、率直に述べると

公開された重みと実行可能な重みは別の主張であり、両者を混同することは、中国の大規模モデルに関する報道で最もよく見られる過大主張だ。2.8兆パラメータのmixture-of-experts（専門家混合）で、アクティブパラメータが1040億のものは、データセンターの産物だ。チェックポイントを公開するということは、それを検査し、ファインチューニングし、量子化し、提供できるという意味だ——数十基のアクセラレータと、それらを稼働させ続けるエンジニアリングチームを持つ組織にとっては。それがワークステーションで動くという意味ではない。そして、この種のリリースごとに続く量子化の波は、モデルを小さくすることと同じくらい、モデルを提供可能にすることでもある。

Kimi K3のライセンスを正直に読むと、「オープン」より狭い範囲だが、それでも重要だ。監査可能で、改変可能で、セルフホスト可能なフロンティア級モデルなのである。顧客データを第三者APIに送れない規制業種の企業にとっては、それがすべてを決める。エンジニア3人で月400ドルのAPI請求を抱えるスタートアップにとっては、趣味のようなものだ。

Mercury 3には、どんな価格でもそのような選択肢はありません。これは実際の制約であり、Inceptionが重みの公開も、その時期も発表していないことを明確にしておく価値があります。同社が提供するエンタープライズ向けの代替策は、技術的ではなく契約上のものです。専用キャパシティ、オートスケーリング、コンプライアンス制御、設定可能なデータ保持で、いずれもInceptionのプラットフォーム内にあります。それは一部の購入者にとってデータ所在地の問いには答えます。しかし、どの購入者にとっても「ベンダーが消えたらどうするのか」という問いには答えていません。

完了したジョブあたりのコストであり、トークンあたりのコストではない

21×という出力価格差は引用される数字だが、それ単独ではどちらの方向にも誤解を招く。

第一に、Kimi K3の$3.00/$15.00は中国市場におけるプレミアムな位置づけであり、Moonshotもそう述べている。Mercury 3の$0.20/$0.70と比べると、それはプレミアムではなく、別のカテゴリーだ。月に5000万出力トークンを処理するチームは、定価でKimi K3なら$750、Mercury 3なら$35を支払う。その差は、ある企業にとっては無関係と言えるほど小さく、別の企業にとっては1人分の採用費を賄えるほど大きい。

第二に、独立したタスク当たりコストの数値は直感を覆す。Kimi K3は完了したインデックスタスク1件当たり2.00ドルかかる。Mercuryファミリーで最も近い測定済みメンバーであるMercury 2.5は0.1167ドルだが、スコアは12.3で、Kimi K3の43.6に対して低い。トークン当たりの安さと作業単位当たりの安さは別の数値であり、容量計画に入れるべきはそのうち一方だけだ。Mercury 3にはインデックススコアがないためタスク当たりコストの数値はなく、つまりこの比較で最も重要なセルは空である。

第三に、そしてこれが人々が忘れがちな点ですが、Kimi K3はOrcaRouter上にあり、Moonshotのリスト料金でマークアップ0%、また200以上のモデルを収録するカタログの残りも同様に、自動フェイルオーバーを備えた単一のOpenAI互換エンドポイント上にあります。Mercury 3はそうではなく、Inception自身のAPIおよび複数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います。この非対称性は、合理的な試用のあり方を変えます。Kimi K3は、新たに何かに契約することなく、既存の導入モデルと比較できますが、Mercury 3については、2つ目の統合なしに同じことはできません。

長いエージェントセッションを実行するワークロードでは、どちらの料金表を信用する前に確認しておく価値のあるコスト要因がもう一つあります。Kimi K3の1Mコンテキストには長いリクエストへの割増料金が公表されておらず、Mercury 3にもありません。これは異例のことであり、他のサービスなら料金区分の見直しが発動するようなトランスクリプトに対して、両モデルが有力視できる主な理由でもあります。

スコアではなく状況で選ぶなら、どちらを選ぶべきか

Kimi K3を選ぶのは作業に画像や動画が必要なとき、長文脈推論が中核タスクであるとき——AA-LCRでの0.8867はこのバッチ最高のスコアだ——、独自データでファインチューニングが必要なとき、データを自社インフラの外に出せないとき、あるいはトラフィックを流す前に能力の下限を実測しておきたいときだ。重みこそが戦略的資産であり、ライセンスは真に寛容で、価格は自分で動かさないことのコストである。

Mercury 3を選ぶべきなのはワークロードがテキストのみで、レイテンシに厳しく、大量処理である場合です。サポートの返信、検索の回答、チュータリングのターン、分類に近い作業など、1秒未満の応答が製品そのものになる場面です。出力$0.70、キャッシュ入力$0.02という価格は、リクエスト単価の経済性が設計上の制約ではなくなるほど安く、1Mのウィンドウがあれば要約が必要になることはほとんどありません。その代わりに失うのは、モダリティ、公表された能力の下限、そしてセルフホスティングへの道筋です。

両方を選ぶのは 分割がモデル別ではなくレーン別である場合です。この2つのシステムはアーキテクチャ上正反対です — 一方は大規模なスパース自己回帰MoE、もう一方は並列拡散生成器 — つまり失敗の仕方が異なり、視覚と長文脈推論をKimi K3に、即時テキストターンをMercury 3に送るポリシーは、価格だけでなく本質的に筋が通っています。注意点は統合です。両方のうち単一キーで追加できるのは一方だけです。

何が答えを変えるだろうか

3つの進展、いずれも憶測ではない：

• Mercury 3の最初の独立スコア。Mercuryファミリーで唯一測定されたメンバーは、Intelligence Indexで12.3、Kimi K3の43.6と対照的だ。Mercury 3がKimi K3に近い水準に達し、しかもコストが15分の1なら、所有権の主張がKimi K3に残された唯一の主張になる。12.3付近に留まるなら、価格差は無意味だ

• Mercury 3の重みの公開。Inceptionはそれについて何も述べていない。オープンウェイトであれば、この記事の中心的な差異は一晩で崩れるだろう

• Kimi K3のより安価なホスト。$3/$15という料金はMoonshot自身の設定であり、オープンライセンスのおかげでサードパーティのホストはそれを下回る価格を提示できる。半額でホストされる2.8T MoEは、モデルを変えることなくタスクあたりのコスト計算を一変させる

それらのどれかが実現するまでは、比較は、レンタル可能で未測定の非常に高速なテキストモデルと、所有可能で測定済みの、動画を読むプレミアムモデルの間のものだ。両者は代替品ではない。唯一本当に間違った答えは、相手が一度も採点されたことのない列で勝っているという理由で、一方を選ぶことだ。