Mercury 3 vs Grok 4.7: 두 개의 모델이 아니라, 두 개의 시계

무엇이 Mercury 3와 Grok 4.7의 공통점인지 물어보면 답은 시계다. 둘 다 작업에 걸리는 시간을 내세워 판매되지만, 그 시간이 뜻하는 바는 정반대다. 2026년 10월 19일 Inception이 공개한 Mercury 3는 1초 이내에 답하도록 설계되었다: NVIDIA GPU에서 초당 1,068개 토큰을 생성하는 확산 모델, 100만 토큰 창, 가장 빠른 단계가 "instant"라고 불리는 네 가지 추론 설정을 갖췄다. 2026년 9월 21일 SpaceXAI가 공개한 Grok 4.7은 계속 작동하도록 설계되었다: 50만 토큰 창, 최고 단계가 xhigh인 추론 사다리, 그리고 작업당 $3.74의 비용으로 Artificial Analysis Intelligence Index를 완료하는 데 약 2억 4천만 개의 출력 토큰을 소모했음을 보여주는 독립 측정 결과가 있다. 한 모델은 지연 시간을 제품으로 삼는다. 다른 모델은 지속 시간을 제품으로 삼는다. 이들을 단일 점수로 비교하면 유일하게 중요한 질문, 즉 당신의 워크로드가 실제로 어느 시계를 따르고 있는지를 놓친다. 분할 정책의 양 끝은 하나의 키 뒤에 둘 수 있으며, 자동 장애 조치가 느린 경로를 처리한다. 이와 같은 릴리스 배경에 있는 문서화된 AI 실패 및 에이전트 사건은 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 이의 제기 플래그가 포함되어 있다.

두 개의 시계, 가격이 책정된

요금표에 적힌 내용부터 시작하세요. 그 차이는 무엇을 만들 수 있는지를 바꿀 만큼 충분히 큽니다:

• 입력 — Mercury 3: 정가 기준 100만 토큰당 $0.20(출시 당시 $0.10) vs Grok 4.7: 100만 토큰당 $2.00

• 출력 — Mercury 3: 1M당 $0.70(정가 기준, 출시 시 $0.35) vs Grok 4.7: 1M당 $6.00

• 캐시된 입력 — Mercury 3 1M당 $0.02(출시 시 $0.01) vs Grok 4.7 1M당 $0.50

• 컨텍스트 — 1,000,000 토큰 vs 500,000

• 한 응답당 최대 출력 — 131,072 토큰 vs 공개된 벤더 상한 없음; 저희 자체 grok-4.7 카드에는 450,000으로 기재되어 있습니다

• 입력 방식 — 텍스트만 vs 텍스트 및 이미지

• 추론 설정 — 즉시, 낮음, 보통, 높음 vs 낮음, 보통, 높음, xhigh

• 처리량 — 초당 1,068토큰, 공급업체 보고 기준 vs 공급업체 미공개

• 장기 요청 요금 재산정 — 공개된 내용 없음 vs 입력 토큰 200,000개 초과 시 모든 요율 2배 적용, 요청 전체에 적용

• 가중치 — 양쪽 모두 닫힘

출력 라인만 읽어 보면 Mercury 3는 Grok 4.7 옆에서 반올림 오차처럼 보인다: $0.70 대 $6.00, 출시 기간에는 $0.35다. 캐시 라인을 읽으면 격차는 좁아지기는커녕 더 벌어지는데, $0.02 대 $0.50은 할인 여부와 관계없이 25배이기 때문이다. 저렴한 출력과 거의 무료에 가까운 캐시 읽기라는 이 조합이 고빈도 루프를 감당 가능하게 만들며, 이는 이 모델이 분명히 겨냥해 설계된 목표다.

하지만 요율표는 비용의 절반에 불과합니다. Grok 4.7 자체의 설계 가정은 어려운 문제에는 긴 추론 과정이 필요하다는 것이며, 독립 평가 보드는 문제가 충분히 어려울 때 그 비용이 얼마인지 보여줍니다: 완료된 인덱스 작업당 $3.74로, GPT-6.1 Sol의 $0.72와 대비되며, 같은 보드에서 Mercury 3 항목은 전혀 없습니다. Grok 4.7은 생각하기 위해 토큰을 씁니다. Mercury 3은 토큰당 거의 아무것도 쓰지 않으면서 빠르게 생각하겠다고 약속합니다. 이는 서로 경쟁하는 주장이 아니라 서로 경쟁하는 예산입니다.

긴 추론 패스가 실제로 얻는 것

Grok 4.7은 빨랐던 모델이 느려진 것이 아니다. 이는 수 시간에 걸친 작업, 즉 에이전트형 코딩 루프, 문서 비중이 큰 분석, 전문적인 결과물 같은 작업이 계속 나아가는 모델에 보상을 준다는 의도적인 베팅이며, 독립적인 결과들은 그 베팅이 전반적으로가 아니라 특정 지점에서 성과를 거두고 있음을 보여준다.

• GDPval-AA, 경제적으로 가치 있는 지식 노동 — Grok 4.7 Elo 1711.07, 여기서 비교된 모델 중 두 번째로 높으며 GPT-6.1 Sol의 1593.85보다 앞선다

• SciCode — 0.5741, GPT-6.1 Sol(0.5417)과 Qwen3.8 Max(0.5208) 둘 모두를 앞섰습니다

• HLE — 0.4314

• AA-LCR 장문맥 추론 — 0.7667

• Terminal-Bench 4.0 — 0.2576, 해당 열에서 가장 약한 수치

• AutomationBench — 0.6556, 이 시리즈의 네 모델 중 가장 뛰어난 모델

• Intelligence Index — Artificial Analysis 기준, xhigh에서 46.4

• 인덱스 작업당 비용 — $3.74

지식 작업과 자동화에는 강하지만 터미널 스타일 코딩에는 약하다는 그 프로필은 범용 플래그십의 프로필이 아니며, 이는 순위보다 알아 두는 것이 더 유용합니다. 긴 자율 코딩 세션을 운영하면서 이를 위해 Grok 4.7을 선택하는 팀은 자신의 측정 결과에 반하는 선택을 하는 것입니다.

Mercury 3에는 비교 가능한 열이 없습니다. Inception이 공개한 증거는 종류가 다릅니다. 자체 하네스에서 진행한 50개 작업의 Mind2Web 탐색 테스트에서 전체 작업의 50%를 완료했다는 점, 그리고 TinyFish AI, RevisionDojo, Octen AI, Lorikeet의 파트너 추천사가 있습니다. 2026년 10월 20일 현재 Artificial Analysis 항목이 없으며, 이는 이 글에서 속도와 가격을 넘어선 Mercury 3의 모든 역량 주장이 공급업체가 보고한 것이고 재현되지 않았음을 의미합니다. 그렇다고 해서 이를 일축할 이유는 아닙니다 — 독립적인 점수가 없는, 출시된 지 9일 된 모델은 정상적인 상태이며, 초기 보도는 바로 이 블로그가 게시하기 위해 존재하는 것입니다. 이는 두 열에 서로 다른 라벨을 붙여 유지해야 하는 이유입니다.

세 가지 워크로드, 세 가지 해답

지원 대기열이나 음성 에이전트. 매 밀리초가 고객을 기다리게 하는 시간이며, 모델은 모든 메시지에서 실행할 수 있을 만큼 저렴해야 합니다. Mercury 3는 공개된 수치상 이 부분에서 우위를 점합니다: 초당 1,068 토큰, 정가 기준 출력 $0.70, 캐시 입력 $0.02, 추론을 완전히 건너뛰는 "즉시" 단계까지 갖추고 있습니다. Grok 4.7도 이 작업을 할 수 있지만, 출력 $6.00에 기본 추론 패스를 거치므로 대화에 필요하지 않은 숙고에 비용을 지불하는 셈입니다. Inception이 이 모델을 만든 이유가 바로 이 사례이며, 파트너 인용문도 모두 이런 형태의 제품에서 나온 것입니다.

수 시간 동안 작동하는 코딩 또는 리서치 에이전트. 작업은 무인으로 실행되고, 트랜스크립트는 수십만 토큰을 넘어 커지며, 모델은 많은 단계에 걸쳐 계획을 유지해야 합니다. 여기서 Grok 4.7의 500K 창, xhigh 추론, 측정된 지식 노동 강점이 관련 특징이며, Mercury 3의 1M 창은 관련 반론입니다: 더 많은 공간, 토큰당 훨씬 저렴하지만, 긴 지평에 걸쳐 계획을 유지한다는 증거는 아직 없습니다. 또한 Grok 4.7은 전체 요청에 대해 200,000 입력 토큰을 초과하는 모든 요율을 두 배로 적용하는 반면, Mercury 3는 긴 요청 할증료를 공표하지 않는다는 점도 유의하세요. 실제로 긴 트랜스크립트에서는 명목상 8.6× 출력 격차가 5× 미만으로 좁혀질 수 있으며, 바로 그 영역에서 Mercury 3의 벤치마크 부재가 타격을 주기 시작합니다. 왜냐하면 비용 우위는 정확히 그 능력이 가장 덜 입증된 곳에서 발생하기 때문입니다.

이미지를 읽어야 하는 모든 작업. Grok 4.7은 이미지를 받습니다. Mercury 3의 문서에는 텍스트만 지원 형식으로 나와 있습니다. 이는 가격 문제가 아니며, 초당 토큰 수가 아무리 많아도 이에 대한 답이 되지 않습니다.

하나를 선택하는 대신 둘 다 실행하는 이유

이 분할이 유난히 깔끔한 이유는 두 모델이 서로 다른 방향으로 실패하기 때문이다. Mercury 3는 저렴하고 측정되지 않으며, Grok 4.7은 비싸고 측정되며, 두 모델의 모달리티와 추론 범위는 거의 겹치지 않는다. 이는 조달 결정이라기보다 라우팅 문제의 형태다.

Grok 4.7은 OrcaRouter에 SpaceXAI의 정가에 0% 마크업으로, 200K 초과 구간의 두 배 요율을 포함하므로 정책을 시험하는 비용은 벤더를 직접 호출하는 비용과 같습니다. Mercury 3은 라우터에 없습니다. Inception 자체 API와 여러 타사 플랫폼을 통해 제공되며, 출시된 지 9일 되었습니다. 라우팅 DSL이 여기서는 흔히 그렇지 않은 방식으로 제값을 합니다. 즉, 즉시 레인 요청 — 짧은 프롬프트, 엄격한 지연 예산, 이미지 없음 — 은 Mercury 3으로 보내고, 비전이나 xhigh 추론이 필요한 모든 것은 Grok 4.7에 두며, 자동 페일오버가 새 모델의 대기열이 밀리는 경우를 잡아내게 하십시오. 정책은 표현할 수 있습니다. 그 정책에 대한 증거는 다음 한 달의 트래픽이 제공할 것입니다.

예산을 이동하기 전에 주의할 사항

두 가지 신호가 이 비교를 바꿀 것이며, 둘 다 구체적입니다.

• Artificial Analysis의 Mercury 3 항목. Intelligence Index 점수 하나와 작업당 비용 수치 하나만 있으면, 저렴하고 빠른 모델이 지식 업무에서 Grok 4.7에 충분히 근접해 실제 트래픽을 라우팅할 만한지 알 수 있을 것이다. 그것이 없으면 초당 1,068토큰은 처리량에 관한 사실일 뿐 역량 주장은 아니다

• 자체 워크로드에서 Grok 4.7의 토큰 소모량. 2억 4천만 토큰 인덱스 실행은 합성 벤치마크이며, 지원 대기열과 코딩 에이전트는 매우 다른 양을 소모합니다. $6.00 요율이 청구서를 결정한다고 가정하기 전에, 대표적인 일주일 동안 완료된 작업당 출력 토큰을 측정하세요

반면 무시해야 할 것은, 두 모델 중 하나가 한 번도 보드에 오른 적이 없다는 점을 짚지 않은 채 두 모델을 하나의 리더보드 열에 올리는 모든 비교다. Mercury 3에 관한 흥미로운 사실은 그것이 빠르다는 게 아니라 — Inception은 1년째 빠른 디퓨전 모델을 출시해 왔다 — 1M 윈도우를 갖고도 빠르며, 그 가격이 요청당 경제성을 사소하게 만든다는 점이다. Grok 4.7에 관한 흥미로운 사실은 그것이 차트 1위를 한다는 게 아니다. 왜냐하면 그렇지 않기 때문이다; 그것은 이 세트에서 자동화에 가장 강한 모델이며 그 대가를 토큰으로 치른다는 점이다. 그것들은 서로 다른 제품이며, 실행할 적절한 개수는 아마 하나가 아닐 것이다.