Mercury 3 vs Grok 4.6: de een is achterhaald, de ander is niet gemeten, en beide worden op snelheid verkocht

Het eerste nuttige feit bij het vergelijken van Mercury 3 met Grok 4.6 is dat Grok 4.6 niet de huidige Grok is. SpaceXAI bracht het op 12 augustus 2026 uit voor $2,00 per miljoen inputtokens en $6,00 per miljoen outputtokens, en heeft sindsdien Grok 4.7 uitgebracht; Artificial Analysis markeert 4.6 nu als verouderd en verwijst lezers naar het nieuwere model. Mercury 3 daarentegen is twee dagen oud: Inception Labs bracht het op 19 oktober 2026 uit voor $0,20 en $0,70 per miljoen, gehalveerd voor een introductieperiode zonder gepubliceerde einddatum, en geen enkele neutrale partij heeft het überhaupt gemeten. De eerlijke manier om deze combinatie te kaderen is dus niet "welke van deze twee moet ik gebruiken". Het is dat beide vooral worden verkocht op een snelheidscijfer, dat de twee snelheidscijfers niet hetzelfde soort cijfer zijn, en dat een van de twee producten op weg is uit de catalogus terwijl het andere nog niet is getest door iemand die niet voor het bedrijf werkt dat het heeft gemaakt. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistmarkering bevat.

Daarmee is dit een vergelijking over meten, wat toevallig het nuttigste is om te weten voordat je de prijs van een van beide bepaalt. Mercury 3 is een diffusie-taalmodel — het ruist een blok posities uit en legt die samen vast in plaats van één token per pass te genereren — en Inception meldt 1.068 tokens per seconde op NVIDIA-hardware, meer dan 40 keer het totale aantal parameters van Mercury 1, een contextvenster dat is gegroeid van 260.000 naar 1.000.000 tokens, en een uitvoerplafond van 131.072 tokens. Grok 4.6 is een conventioneel frontiermodel dat is gebouwd voor lange agentische runs, met een context van 500.000 tokens, tekst-, afbeeldings- en bestandsinvoer, en 75% cachekorting bij $0,50 per miljoen leesacties.

Wat de twee snelheidsgetallen daadwerkelijk meten

De 1.068 tokens per seconde van Inception is een outputdoorvoercijfer: hoe snel tokens het model verlaten zodra het ze begint te produceren. Artificial Analysis meet dezelfde grootheid voor Grok 4.6 en komt op 65,4 tokens per seconde. Zet die twee naast elkaar en Mercury 3 lijkt zestien keer sneller. Dat is een reëel verschil, en het is niet het hele verschil, want doorvoer is slechts een van de drie getallen waaruit een latentiebudget bestaat.

De tweede is de tijd tot het eerste token, en hier wordt het beeld minder flatteus voor de framing en interessanter. Artificial Analysis noteert een mediane tijd tot het eerste token van 37,19 seconden voor Grok 4.6 op de werklast die het test, tegen een mediaan van 3,75 seconden voor de modellen op zijn overzicht. Onze eigen telemetrie van de playground over zeven dagen zet de p50 van Grok 4.6 op 8,00 seconden over de ene dag waarvoor die samples heeft. Geen van beide is een probleem voor Mercury 3 of een voordeel voor Mercury 3 — Inception heeft helemaal geen cijfer voor het eerste token gepubliceerd, en de enige latencycijfers van derden in zijn aankondiging zijn klantgetuigenissen: Octen meldde een mediane generatietijd van 0,9 seconden en een mediane end-to-end reactietijd van 2,2 seconden, RevisionDojo meldde antwoorden die "in ongeveer een seconde" terugkwamen, en Lorikeet zei dat Mercury 3 andere modellen versloeg op latency en hoger scoorde op zijn evals. Dat zijn nuttige signalen, en het zijn marketingcitaten, op werklasten die niemand buiten die drie bedrijven kan inspecteren.

Het derde getal is het getal dat bepaalt of een snel model bruikbaar is, en dat is het foutpercentage. Op onze eigen infrastructuur registreerde het serveerpad van GPT-5.6 Sol over de afgelopen zeven dagen een foutpercentage van 0,05%. Grok 4.6 registreerde op de enige dag waarvoor telemetrie beschikbaar is — 17 oktober 2026 — 86,7%. Dat is één dag aan samples voor een model dat al sinds augustus live is, dus het is eerder een waarschuwing over een serveerpad dan een oordeel over een model, en het is precies het soort getal dat nooit op een leverancierspagina verschijnt. Voor Mercury 3 is er helemaal geen foutpercentage, omdat er geen route is om te meten.

Het specificatieblad, met de herkomst aan elke regel gekoppeld

• Prijs — Mercury 3: $0,20 / $0,70 per miljoen, $0,10 / $0,35 bij lancering, geen einddatum gepubliceerd, 90% korting op gecachte invoer. Grok 4.6: $2,00 / $6,00 per miljoen tot 200.000 tokens, $4,00 / $12,00 voor het volledige verzoek daarboven, gecachte leesopvragingen $0,50.

• Context en output — Mercury 3: 1.000.000 in, 131.072 uit. Grok 4.6: 500.000 in, zonder gepubliceerde outputlimiet op onze modelpagina daarvoor.

• Modaliteiten — Mercury 3: alleen tekst. Grok 4.6: tekst, afbeelding en bestand als invoer, tekst als uitvoer.

• Doorvoer — Mercury 3: 1.068 tokens per seconde, door Inception gemeten. Grok 4.6: 65,4 tokens per seconde volgens Artificial Analysis; 256 tokens per seconde in ons eigen playground op de dag dat het samples had.

• Onafhankelijke scores — Mercury 3: geen, er bestaat geen Artificial Analysis-pagina. Grok 4.6: 44 op de Artificial Analysis Intelligence Index, 37e van 217 modellen, en 76.8 op zijn coderingsindex, 5e van 138.

• Status — Mercury 3: twee dagen oud, niet gemeten. Grok 4.6: verouderd op de lijst van Artificial Analysis, opgevolgd door Grok 4.7.

De contextvergelijking is degene die de gebruikelijke ordening omkeert. Mercury 3 biedt een tweemaal zo groot venster als Grok 4.6 — een miljoen tokens tegenover een half miljoen — en doet dat tegen een tiende van de invoerprijs. Op papier is dat geen nek-aan-nekrace voor werk met lange documenten. In de praktijk is een venster van 500.000 tokens al groter dan bijna elk afzonderlijk document dat iemand verwerkt, en de interessante vraag bij een venster van een miljoen tokens op een ongemeten model is niet of het bestaat, maar of de kwaliteit over het hele venster standhoudt. Artificial Analysis meet recall over lange context expliciet, en Grok 4.6 scoort daar 80,3. Mercury 3 heeft geen vergelijkbaar cijfer, wat betekent dat een venster van een miljoen tokens met een onbekende recall-curve een bewering over capaciteit is, niet over vermogen.

Wat je met de prijs van Grok 4.6 eigenlijk koopt

Grok 4.6 kost tegen lijstprijs tien keer zoveel als Mercury 3 voor input en ongeveer negen keer zoveel voor output, en het eerlijke antwoord op wat dat oplevert is: een gemeten positie op een neutrale harness, multimodale input en een gepubliceerde kostprijs per antwoord. Dat laatste is het nuttigst. Artificial Analysis plaatst Grok 4.6 op $1,48 per Intelligence Index-taak — een cijfer dat al het aantal tokens omvat dat het model nodig heeft om de suite te voltooien, en dat is het enige getal per antwoord in deze hele vergelijking dat voor een van beide modellen bestaat.

Daartegenover staat dat het outputtarief van $0,70 voor Mercury 3 een bedrag per token is, zonder equivalent per antwoord. Als een Mercury 3-taak hetzelfde outputvolume verbruikt als een Grok 4.6-taak, kost het ongeveer een tiende zoveel. Als het drie keer zoveel volume verbruikt — wat plausibel is voor een model dat standaard kiest voor lage redeneerinspanning bij werk dat G​rok met hogere inspanning doet — kost het ongeveer een derde zoveel, en verzwakt de strategische onderbouwing van "een orde van grootte" naar "een betekenisvolle korting op een onbewezen model". Niemand kan je nog vertellen welke daarvan waar is. Dat is geen retorische afzwakking; het is de specifieke meting die ontbreekt.

De eigen cijfers van Grok 4.6 zijn, voor wat ze waard zijn, sterk op de punten waar een lange agentische run ze nodig heeft: 94,9 op GPQA Diamond, 42,9 op Humanity's Last Exam, 80,3 op recall bij lange context, en een codeerindex van 76,8 waarmee het op de vijfde plaats van 138 modellen staat. Dat zijn de runs van Artificial Analysis, niet die van SpaceXAI, waardoor ze überhaupt met Mercury 3 vergeleken kunnen worden — en Mercury 3, dat zulke runs niet heeft, kan dat niet.

Het probleem van het achterhaalde model, dat de echte beslissing is

Grok 4.6 vandaag kiezen betekent kiezen voor een model dat zijn eigen leverancier al heeft vervangen. Grok 4.7 staat in onze catalogus, en de 4.6-pagina op Artificial Analysis verwijst lezers expliciet daarnaar. Voor een workload die je op het punt staat erop te bouwen, is beginnen op een verouderd model een beslissing om later te migreren; de enige vraag is wanneer, en het antwoord is meestal "tijdens een incident".

Dat maakt Mercury 3 nog niet de veilige keuze. Een ongemeten model van twee dagen oud en een verouderd model van negen weken oud zijn verschillende soorten risico, en geen van beide is de laagrisico-optie in deze combinatie. Wat de vergelijking feitelijk vaststelt, is beperkter en nuttiger: als je een gemeten model wilt met gedocumenteerde kosten per antwoord en multimodale invoer, is Grok 4.7 de huidige versie daarvan en 4.6 de voorganger tegen dezelfde prijs. Als je de goedkoopste tokens voor alleen tekst wilt die ergens beschikbaar zijn met een venster van een miljoen tokens, is Mercury 3 dat, met de kanttekening dat het goedkoopste getal op de kaart een promotie zonder einddatum is.

Grok 4.7 staat in de OrcaRouter-catalogus tegen SpaceXAI's eigen tarieven, achter hetzelfde OpenAI-compatibele endpoint als alles wat we routeren, zonder dat er iets bovenop komt en met automatische failover tussen providers wanneer een pad tegen rate limits aanloopt — wat, gezien het foutpercentage dat onze telemetrie op 17 oktober op het serving-pad van 4.6 registreerde, geen theoretisch voordeel is. Mercury 3 staat niet in de catalogus: onze model-API geeft niets terug voor welk Inception-model dan ook, dus wie het aanroept, komt uit bij Inception's platform, waar nieuwe accounts 100 miljoen gratis tokens krijgen, of bij een van de verschillende platforms van derden die het hosten.

Het routeringspatroon dat bij dit paar past, is geen splitsing op prijs. Het is een splitsing op basis van wat je bereid bent te laten falen. Zet het verkeer van het verouderde model op het huidige model, zet een begrensde portie van het werk dat alleen tekst betreft op Mercury 3, houd een model met gemeten prestaties als fallback aan, en laat failover het geval afhandelen waarin het nieuwe pad een slechte dag heeft. De portie is een configuratiewaarde; de fallback is een routeringsregel; de beslissing om die te verbreden of te vernauwen wordt binnen een week genomen op basis van je eigen foutpercentages.

Wat te doen op maandag

Als het werk uit lange tekst bestaat, het volume hoog is en de antwoorden controleerbaar zijn, is de tariefkaart van Mercury 3 deze week een afgebakend experiment waard — de 100 miljoen gratis tokens op het platform van Inception dekken de test, en het venster van een miljoen tokens betekent dat je het hele document kunt sturen in plaats van er in stukken naar te gokken. Let op twee dingen: of het aantal outputtokens per taak wegloopt van je Sol- of Grok-baseline, en of de kwaliteit tegen het einde van een lange context afneemt. Beide zijn binnen een dag meetbaar en geen van beide vereist iemands benchmark.

Als het werk afbeeldingen bevat, urenlang draait met tools in de lus, of in één keer goed moet zijn, is het antwoord in deze combinatie niet Grok 4.6. Het is Grok 4.7, of een van de gemeten frontier-modellen, en de eerlijke reden is dat 4.6 verouderd is en Mercury 3 niet gemeten is — een keuze tussen twee modellen die je niet voor een klant zou zetten zonder een fallback erachter.

Het getal dat dit alles zou veranderen, is een neutrale kostprijs per voltooide taak voor Mercury 3. Eén cijfer, gemeten op de testopstelling die de $1,48 van G​rok opleverde, zou de centrale onzekerheid van dit artikel omzetten in een verhouding. Totdat dat bestaat, is de verdedigbare positie de saaie: de goedkope tokens zijn echt, de snelheidsclaim is aannemelijk en op één bron gebaseerd, en het enige dat je zelf kunt verifiëren, is je eigen foutenpercentage op je eigen verkeer.