Mercury 3 vs GPT-6 Astra: 28 keer de outputprijs, één inspanningsniveau per keer gekocht

Mercury 3 en GPT-6 Astra verschillen 28 keer in outputprijs — $0,35 per miljoen tijdens het lanceervenster van Inception tegen $50,00 van O​penAI — en ongeveer 18 keer in doorvoer, in tegengestelde richting. Die twee getallen zijn gemakkelijk te citeren en op zichzelf bijna nutteloos, want Astra is niet één model tegen één prijs. Het is een redeneerladder: vijf inspanningsniveaus, een indexscore die van 46 onderaan naar 53 bovenaan klimt, en een rekening die daarmee mee klimt. Mercury 3 heeft ook zoiets als een ladder — vier inspanningsinstellingen en een standaardinstelling onderaan — maar geen onafhankelijke score bij een daarvan. De echte vraag in deze confrontatie is dus niet of Astra 28 keer Mercury 3 waard is. Het is hoe ver je op de ladder van Astra daadwerkelijk omhoog moet klimmen, en of het werk dat je doet überhaupt een ladder nodig heeft. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding zijn eigen bronnen, ernstgraad, betrouwbaarheidsgraad en betwistingsmarkering heeft.

Het getal dat dit bepaalt, en het is niet de prijs

Artificial Analysis meet GPT-6 Astra op 53 op zijn Intelligence Index bij de maximale inspanningsinstelling van het model, gerangschikt als zevende van de 216 modellen in de index, tegen ongeveer $3,26 aan rekenkracht per indextaak. Voer dezelfde suite uit bij de laagste inspanningsinstelling en de score is 46. De vijf niveaus, in volgorde, zijn 46, 50, 51, 52 en 53.

Lees die ladder twee keer. De eerste lezing is dat de bovenste trede slechts zeven punten boven de onderste ligt, in een suite waarin zeven punten veel is — de modellen onder Astra en de modellen erboven liggen met kleinere marges uit elkaar dan dat. De tweede lezing is dat trede vier, op 52, binnen één punt van de top ligt en vermoedelijk goedkoper is. Als je taak het laatste punt niet nodig heeft, kies je niet tussen Mercury 3 en een model met 53 punten; je kiest tussen Mercury 3 en een model met 52 punten, en de prijs om daar te komen is een parameter in plaats van een ander model.

Mercury 3 biedt geen dergelijke keuze, omdat er niets is om naartoe te klimmen. Er is geen indexscore voor instant, laag, midden of hoog. Inceptions eigen vergelijkende claim — dat Mercury 3 beter presteert dan GPT-6 Luna en Claude Haiku 5.5 — is een claim over de snelle tier, gedaan zonder marges, en het enige gestructureerde kwaliteitsresultaat is 50% voltooiing op 50 live Mind2Web-navigatietaken binnen zijn eigen agent-harness. Dat is een echt resultaat en een kleine steekproef, en het vertelt je niet waar Mercury 3 zou landen op een index van 216 modellen als het morgen zou worden ingevoerd.

Wat een outputtoken van $50 eigenlijk bevat

GPT-6 Astra accepteert tekst, afbeeldingen en bestanden, heeft een contextvenster van 1,05M tokens en retourneert tot 128K tokens. De standaardtariefkaart is $10,00 per miljoen invoer en $50,00 per miljoen uitvoer, met gecachte invoer tegen $1,00. Boven 272.000 invoertokens wordt de hele aanvraag opnieuw geprijsd tegen $20,00 en $75,00, gecachte invoer tegen $2,00 — de grens is geen marginaal tariefniveau, maar een schakelaar die de hele rekening verdubbelt. Batch- en flexverwerking halveert de tarieven; snelle modus verdubbelt ze. Redeneren staat altijd aan en loopt van laag tot max.

Twee valkuilen schuilen in die alinea. De grens van 272.000 tokens betekent dat een verzoek van 280.000 tokens twee keer zo veel kost als een verzoek van 270.000 tokens, zonder gedeeltelijke compensatie — dus context trimmen vlak bij de grens is meer engineeringinspanning waard dan de meeste teams eraan besteden. En wat O​penAI als "GPT-6 Astra Pro" op de markt brengt, is geen afzonderlijk model of een afzonderlijke SKU; het is de pro-stand van de redeneerknop, wat betekent dat het via hetzelfde endpoint en tegen dezelfde tarieven bereikbaar is en dat je er geen nieuw contract voor nodig hebt.

Mercury 3 kost daarentegen $0,20 en $0,70 volgens de lijstprijs, voor de lanceerperiode gehalveerd tot $0,10 en $0,35, met gecachte input tegen $0,02 en $0,01. Eén contextvenster van 1M tokens, één maximale output van 131.072, geen tariefniveaus, geen grens, geen batchvermenigvuldiger. De tariefkaart bestaat uit vier regels. Die eenvoud is op zichzelf iets waard — een kostenmodel dat je in je hoofd kunt houden, gaat niet afwijken.

Het kostenmodel dat niemand toepast: tokens per taak, niet prijs per token

De prijs per token van Astra is het minst interessante getal als het om Astra's kosten gaat. Artificial Analysis meldt dat een volledige Intelligence Index-run op Astra in totaal ongeveer 60 miljoen outputtokens verbruikt, en dat één indextaak ongeveer $3,26 kost. Deel het een door het ander en je krijgt de verhouding die ertoe doet: Astra geeft veel uit aan nadenken voordat het ook maar iets uitgeeft aan antwoorden.

Mercury 3 is bij de lancering veertien keer lager geprijsd dan Astra, en 71 keer lager op Mercury's prijslijst tegenover Astra's standaardtarief. Maar de vergelijking van prijs per token veronderstelt dat de twee modellen voor dezelfde taak vergelijkbare tokenaantallen produceren, en alles wat bekend is over diffusiedecodering wijst erop dat dit niet zo is. Een diffusiemodel verwerkt een blok posities in een vast aantal denoising-passes; de lengte van de uitvoer is een eigenschap van het antwoord, niet van een interne monoloog die zich vóór het antwoord ontvouwt. De uitvoerlengte van Astra wordt gedomineerd door de monoloog.

Dat snijdt aan twee kanten, en beide kanten zijn het vermelden waard. Bij een reasoning-zware taak waarbij Astra 100.000 reasoning-tokens verbruikt om het juiste antwoord te vinden, is het voordeel van Mercury 3 veel groter dan 14x, omdat Mercury 3 helemaal niet betaalt voor de monoloog — of het zonder die monoloog tot hetzelfde antwoord komt, is echter precies de open vraag. Bij een kort-antwoordtaak waarbij Astra met lage inspanning in driehonderd tokens antwoordt, vindt de monoloog nooit plaats, en valt de vergelijking terug op de tariefkaart: 14x bij de lancering, 71x bij Mercury's lijstprijs.

Zet er een echte werklast op. Tien miljoen inputtokens en twee miljoen outputtokens per dag, een mix van support en samenvatting. Op Astra tegen standaardtarieven is dat $100 aan input en $100 aan output — $200 per dag, ongeveer $6.000 per maand. Op Mercury 3 tegen listprijs is het $2 en $1,40 — $3,40 per dag, ongeveer $102 per maand. Tegen lanceertarieven is dat nog eens de helft daarvan. Hetzelfde verkeer, 59 keer de uitgaven, en de vraag of Astra's antwoorden 59 keer beter zijn, is er een die niemand momenteel met een getal kan beantwoorden.

Waar een router echt helpt in deze matchup

GPT-6 Astra staat in de OrcaRouter-catalogus. Het is bereikbaar via hetzelfde OpenAI-compatibele endpoint als de rest van de modellen die we routeren, tegen OpenAI's lijsttarieven zonder dat wij er iets aan toevoegen — $10,00 invoer, $50,00 uitvoer, $1,00 gecachet, en de long-contextlaag op $20,00 en $75,00 boven de grens van 272.000 tokens — met zowel chat completions als de Responses API beschikbaar, afhankelijk van welke vorm je code al spreekt.

Mercury 3 staat niet in de catalogus. Onze model-API retourneert niets voor welk Inception-model dan ook, dus om het aan te roepen moet je naar het eigen platform van Inception gaan, waar nieuwe accounts momenteel 100 miljoen gratis tokens krijgen, of naar een van de inferentieplatforms die Inception vermeldt. Dat zeggen we liever dan dat een vergelijkend stuk een route suggereert die we niet hebben.

Wat de routinglaag je hier oplevert, is een tweede knop van een ander soort dan de effort-niveaus van Astra. De vijf effort-niveaus zijn Astra's eigen knop, en elke tree hoger kost geld. Routing laat je kiezen hoe zelden je überhaupt aan Astra betaalt: stuur het grootste deel van het verkeer naar een model in de snelle tier die wij wél routeren — GPT-6 Luna voor $0.10 en $0.50, of Claude Haiku 5.5 voor $1.00 en $5.00 — en houd Astra op hoog of max voor het deel van de requests dat echt moeilijk is, met automatische failover als een provider degradeert en de routing-DSL om de splitsing als regel uit te drukken in plaats van als codebranch. De besparing zit niet in Astra's tarief; die zit erin hoe vaak je het vermijdt.

Dat is overigens ook de eerlijke manier om Mercury 3 te beoordelen. Zet het op het fast-tier-pad naast Luna en Haiku 5.5, waar Inceptions eigen vergelijking het plaatst, en kijk of het wint op jouw taken. Het rechtstreeks vergelijken met Astra is een model zonder indexscore vergelijken met een model op de zevende trede van een index met 216 modellen, en het resultaat zal je meer vertellen over de mismatch dan over een van beide modellen.

Eén detail dat een routeringslaag niet mag afronden, en wij doen dat ook niet: Astra's tariefkaart heeft een grens bij 272.000 invoertokens waardoor de prijs van de hele aanvraag opnieuw wordt berekend, en een batchmodus die de prijs halveert. Dat zijn geen marginale aanpassingen, en een pass-through tegen lijstprijs is alleen de moeite waard als ook de lastige onderdelen worden doorgegeven.

De vergelijking die uitsluitsel zou geven

Wat Mercury 3 versus GPT-6 Astra zou beslechten, is geen aankondigingspost en ook niet dit artikel. Het is één getal: de positie van Mercury 3 op dezelfde index waarop Astra staat, bij een aangegeven effort-instelling, op dezelfde suite, gemeten door iemand die niet Inception is. Totdat dat bestaat, is elke vergelijking tussen deze twee een vergelijking tussen een gemeten en een ongemeten model, en het gemeten model moet standaard het voordeel van de twijfel krijgen — niet uit ontzag voor O​penAI, maar omdat een score die je kunt controleren meer waard is dan een doorvoercijfer dat je niet kunt controleren.

De nuttige houding is intussen de houding die Astra's eigen ladder suggereert. De meeste werkzaamheden hebben niet de hoogste trede van wat dan ook nodig. Richt het grootste deel van je verkeer op het goedkoopste model dat je kwaliteitsdrempel haalt, houd de dure trede voor de verzoeken die daar niet aan voldoen, en beschouw Mercury 3 als een kandidaat voor het goedkope pad in plaats van als een alternatief voor het dure. Als blijkt dat het de drempel haalt tegen een veertiende van de prijs, zul je dat ontdekken op je eigen taken, de enige suite op basis waarvan je daadwerkelijk kunt handelen.