Mercury 3 vs Grok 4.7: Twee klokken, geen twee modellen

Vraag wat Mercury 3 en Grok 4.7 gemeen hebben en het antwoord is een klok. Beide worden verkocht op hoe lang een taak duurt, en ze bedoelen er tegenovergestelde dingen mee. Mercury 3, op 19 oktober 2026 uitgebracht door Inception, is gebouwd om binnen een seconde te antwoorden: een diffusiemodel dat 1.068 tokens per seconde genereert op NVIDIA-GPU's, een contextvenster van 1M tokens en vier reasoning-standen waarvan de snelste trede "instant" heet. Grok 4.7, op 21 september 2026 uitgebracht door SpaceXAI, is gebouwd om te blijven doorwerken: een contextvenster van 500.000 tokens, een reasoning-ladder die bovenaan uitkomt op xhigh, en een onafhankelijke meting die laat zien dat het ongeveer 240 miljoen output-tokens verbruikte om de Artificial Analysis Intelligence Index te voltooien, tegen een kostprijs van $3,74 per taak. Het ene model beschouwt latentie als het product. Het andere beschouwt duur als het product. Ze op één enkele scorelijn vergelijken mist de enige vraag die ertoe doet — op welke klok je workload werkelijk loopt. Beide uiteinden van een gesplitst beleid kunnen achter één sleutel leven, waarbij automatische failover de langzame baan opvangt. De gedocumenteerde AI-storingen en agent-incidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waar elke vermelding zijn eigen bronnen, ernstgraad, betrouwbaarheidsgraad en betwist-vlag heeft.

De twee klokken, geprijsd

Begin met wat de tariefkaarten zeggen, want het verschil is groot genoeg om te veranderen wat je kunt bouwen:

• Invoer — Mercury 3 $0,20 per 1 miljoen tegen lijstprijs ($0,10 bij lancering) versus Grok 4.7 $2,00 per 1 miljoen

• Uitvoer — Mercury 3 $0,70 per 1M tegen listprijs ($0,35 bij lancering) vs Grok 4.7 $6,00 per 1M

• Gecachte invoer — Mercury 3 $0,02 per 1 miljoen ($0,01 bij lancering) vs Grok 4.7 $0,50 per 1 miljoen

• Context — 1.000.000 tokens versus 500.000

• Maximale uitvoer in één antwoord — 131.072 tokens tegenover geen gepubliceerde leverancierslimiet; onze eigen kaart voor grok-4.7 vermeldt 450.000

• Invoermodaliteit — alleen tekst versus tekst en afbeeldingen

• Redeneerinstellingen — direct, laag, gemiddeld, hoog vs. laag, gemiddeld, hoog, extra hoog

• Doorvoer — 1.068 tokens per seconde, door de leverancier gerapporteerd versus niet gepubliceerd door de leverancier

• Herprijzing van lange verzoeken — niets gepubliceerd versus elk tarief verdubbeld boven 200.000 inputtokens, toegepast op het volledige verzoek

• Gewichten — aan beide zijden gesloten

Alleen naar de outputregel gekeken, lijkt Mercury 3 naast Grok 4.7 wel een afrondingsfout: $0,70 tegenover $6,00, of $0,35 tijdens de introductieperiode. Kijk je naar de cache-regel, dan wordt de kloof groter in plaats van kleiner, want $0,02 tegenover $0,50 is een factor vijfentwintig, ongeacht de korting. Die combinatie — goedkope output en bijna gratis cache-reads — is wat een hoogfrequente lus betaalbaar maakt, en het is duidelijk het ontwerpdoel waarvoor het model is gebouwd.

Maar de tariefkaart is slechts de helft van een kostenpost. Grok 4.7's eigen ontwerpaanname is dat een moeilijk probleem een lange redeneerronde verdient, en de onafhankelijke ranglijst laat zien wat dat kost wanneer het probleem moeilijk genoeg is: $3,74 per voltooide indextaak, tegenover $0,72 voor GPT-6.1 Sol en, op dezelfde ranglijst, helemaal geen vermelding van Mercury 3. Grok 4.7 verbruikt tokens om te denken. Mercury 3 verbruikt bijna niets per token en belooft snel te denken. Dat zijn geen concurrerende claims; het zijn concurrerende budgetten.

Wat een lange redeneerronde werkelijk oplevert

Grok 4.7 is geen snel model dat langzamer is geworden. Het is een bewuste gok dat werk van meerdere uren — agentische codeerlussen, documentintensieve analyses, professionele deliverables — profiteert van een model dat blijft doorgaan, en de onafhankelijke resultaten laten zien dat die gok zich op specifieke punten uitbetaalt in plaats van over de hele linie.

• GDPval-AA, economisch waardevol kenniswerk — Grok 4.7 Elo 1711.07, de op een na hoogste van de hier vergeleken modellen en beter dan de 1593.85 van GPT-6.1 Sol

• SciCode — 0.5741, voor op zowel GPT-6.1 Sol (0.5417) als Qwen3.8 Max (0.5208)

HLE — 0,4314

• AA-LCR redeneren over lange context — 0.7667

• Terminal-Bench 4.0 — 0.2576, het zwakste getal in zijn eigen kolom

• AutomationBench — 0,6556, de sterkste van de vier modellen in deze serie

• Intelligentie-index — 46,4 op xhigh, volgens Artificial Analysis

• Kosten per indextaak — $3,74

Dat profiel — sterk in kenniswerk en automatisering, zwak in coderen in terminalstijl — is niet het profiel van een algemeen inzetbaar vlaggenschipmodel, en het is nuttiger om te weten dan een rang. Een team dat lange autonome codeersessies draait en daarvoor Grok 4.7 kiest, kiest het tegen zijn eigen metingen in.

Mercury 3 heeft geen vergelijkbare kolom. Het gepubliceerde bewijs van Inception is van een andere aard: een Mind2Web-navigatietest met 50 taken in zijn eigen harness, waarbij het 50% van de taken voltooide, plus partnergetuigenissen van TinyFish AI, RevisionDojo, Octen AI en Lorikeet. Het heeft per 20 oktober 2026 geen vermelding bij Artificial Analysis, wat betekent dat elke bewering over de capaciteiten van Mercury 3 in dit stuk, afgezien van snelheid en prijs, door de leverancier is opgegeven en niet is gereproduceerd. Dat is geen reden om het af te schrijven — een model dat negen dagen oud is zonder onafhankelijke score is een normale situatie, en vroege verslaggeving is precies wat deze blog beoogt te publiceren. Het is een reden om de twee kolommen verschillend gelabeld te houden.

Drie workloads, drie antwoorden

Een supportwachtrij of een spraakagent. Elke milliseconde is een wachtende klant, en het model moet goedkoop genoeg zijn om op elk bericht te draaien. Mercury 3 wint dit op de gepubliceerde cijfers: 1.068 tokens per seconde, $0,70 output tegen lijstprijs, $0,02 gecachte input, een "instant"-niveau dat redeneren volledig overslaat. Grok 4.7 kan dit werk doen, maar met $6,00 output en een standaard redeneerronde betaalt het voor beraad dat het gesprek niet nodig heeft. Dit is het geval waarvoor Inception het model heeft gebouwd, en de partnerquotes komen allemaal uit dit soort product.

Een codeer- of onderzoeksagent die uren achtereen werkt. De taak draait onbeheerd, het transcript groeit voorbij een paar honderdduizend tokens en het model moet een plan over vele stappen heen vasthouden. Hier zijn Grok 4.7's 500K-venster, xhigh-redenering en gemeten sterkte in kenniswerk de relevante kenmerken, en Mercury 3's 1M-venster is het relevante tegenargument: meer ruimte, veel goedkoper per token, maar nog geen bewijs dat het een plan over een lange horizon vasthoudt. Let ook op dat Grok 4.7 elk tarief boven 200.000 inputtokens voor de hele aanvraag verdubbelt, terwijl Mercury 3 geen toeslag voor lange aanvragen publiceert. Bij een echt lange transcriptie kan het nominale outputverschil van 8,6× krimpen tot minder dan 5× — en dat is het regime waarin het ontbreken van een benchmark voor Mercury 3 pijn begint te doen, omdat het kostenvoordeel precies daar opduikt waar zijn capaciteit het minst bewezen is.

Alles wat een afbeelding moet lezen. Grok 4.7 verwerkt afbeeldingen. De documentatie van Mercury 3 vermeldt tekst als het enige ondersteunde formaat. Dit is geen kwestie van prijs, en geen enkele hoeveelheid tokens per seconde beantwoordt dit.

De reden om beide uit te voeren in plaats van er één te kiezen

De splitsing is ongewoon helder omdat de twee modellen in verschillende richtingen falen: Mercury 3 is goedkoop en ongemeten, Grok 4.7 is duur en gemeten, en hun modaliteits- en redeneerbereiken overlappen nauwelijks. Dat is de vorm van een routeringsprobleem in plaats van een inkoopbeslissing.

Grok 4.7 staat op OrcaRouter tegen SpaceXAI's lijstprijs met 0% markup, inclusief het verdubbelde tarief boven 200K, zodat de kosten van het uitproberen van een beleid gelijk zijn aan de kosten van het rechtstreeks aanroepen van de leverancier. Mercury 3 staat niet op de router; het wordt aangeboden via Inception's eigen API en verschillende platforms van derden, en het is negen dagen oud. Een routing-DSL verdient hier zijn brood op een manier die zelden voorkomt: stuur instant-lane-verzoeken — korte prompts, strikte latentiebudgetten, geen afbeeldingen — naar Mercury 3, houd alles wat vision of xhigh-redenering nodig heeft op Grok 4.7, en laat automatische failover het geval opvangen waarin de wachtrij van het nieuwe model vastloopt. Het beleid is uit te drukken; het bewijs ervoor moet komen van het verkeer van de komende maand.

Waar je op moet letten voordat je je budget verschuift

Twee signalen zouden deze vergelijking veranderen, en beide zijn specifiek.

• Een vermelding van Mercury 3 op Artificial Analysis. Eén score op de Intelligence Index en één kosten-per-taakcijfer zouden je vertellen of het goedkope, snelle model dicht genoeg bij Grok 4.7 zit op kenniswerk om echt verkeer erheen te routeren. Zonder dat is de 1.068 tokens per seconde een feit over doorvoer en geen bewering over capaciteiten.

• Grok 4.7's tokenverbruik bij je eigen workloads. De index-run van 240 miljoen tokens is een synthetische benchmark; een supportwachtrij en een codingagent verbruiken heel verschillende volumes. Meet de outputtokens per voltooide taak gedurende één representatieve week voordat je aanneemt dat het tarief van $6.00 je factuur bepaalt

Wat je daarentegen moet negeren, is elke vergelijking die de twee modellen in één leaderboardkolom plaatst zonder te vermelden dat een van hen nooit op het leaderboard heeft gestaan. Het interessante feit aan Mercury 3 is niet dat het snel is — Inception levert al een jaar snelle diffusiemodellen — maar dat het snel is met een venster van 1M tegen een prijs die de economie per verzoek triviaal maakt. Het interessante feit aan Grok 4.7 is niet dat het bovenaan een ranglijst staat, want dat doet het niet; het is dat het het meest automatiseringsterke model in deze set is en dat met tokens betaalt. Dat zijn verschillende producten, en het juiste aantal ervan om te draaien is waarschijnlijk niet één.