Mercury 3 vs Mistral Large 4: twee onvoltooide modellen en de beloften die aan elk ervan verbonden zijn

Geen van beide modellen is voltooid, en de wijzen waarop ze onvoltooid zijn, zijn tegengesteld. Mercury 3 werd op 19 oktober 2026 door Inception Labs uitgebracht als een product dat al leverbaar was, voor $0,20 per miljoen invoertokens en $0,70 per miljoen uitvoertokens, en het heeft geen enkele vorm van onafhankelijke evaluatie — geen Artificial Analysis-score, geen testharnas van derden, niets. Mistral Large 4 werd op 6 oktober 2026 door Mistral aangekondigd als publieke preview voor $1,36 en $4,18 per miljoen tokens, en het heeft een onafhankelijke score van 38 op de Artificial Analysis Intelligence Index en een gemeten $1,13 per indextaak, maar de gewichten ervan — waarvan Mistral had beloofd dat ze 'tegen het einde van de maand' zouden worden vrijgegeven — waren op het moment van schrijven nog niet gepubliceerd op Hugging Face, en de eigen reinforcement-learning-run van de preview was op het moment van de aankondiging nog gaande. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding haar eigen bronnen, ernst, betrouwbaarheidsgraad en betwistmarkering heeft.

De vergelijking gaat dus tussen een model waarvan alle cijfers door de leverancier zijn opgegeven en een model waarvan niet alle cijfers definitief zijn. Ze vallen ook onder verschillende productcategorieën: Mercury 3 is een diffusietaaltaalmodel dat alleen tekst ondersteunt, met een context van een miljoen tokens en een geclaimde doorvoer van 1.068 tokens per seconde, terwijl Mistral Large 4 een van nature multimodaal mixture-of-experts-model met 1 biljoen parameters en 52 miljard actieve parameters is, getraind op 3.800 NVIDIA Grace Blackwell-GPU's in Franse datacenters en expliciet gepositioneerd rond Europese AI-soevereiniteit. Als je workload tekst is en je beperking kosten zijn, is dat verschil beslissend voordat er ook maar een benchmark wordt geraadpleegd. Is dat niet het geval, dan concurreren de twee modellen nauwelijks.

Mercury 3, en het specifieke ding dat ontbreekt

Het model van Inception is de derde generatie van zijn weddenschap op parallel decoderen. In plaats van één token per forward pass denoise't Mercury een blok posities en legt die samen vast; dat is waar de meer dan 1.000 tokens per seconde vandaan komen. Volgens Inception heeft Mercury 3 meer dan 40 keer het totale aantal parameters van Mercury 1, met een contextvenster dat is gegroeid van 260.000 naar 1.000.000 tokens en een uitvoerplafond van 131.072 tokens, en het draait op 1.068 tokens per seconde op niet-gespecificeerde NVIDIA-hardware.

Wat ontbreekt, is elke meting die Inception niet zelf heeft uitgevoerd. Het enige gestructureerde kwaliteitsresultaat in de aankondiging is een agent-test op live sites: 50 Mind2Web-navigatietaken tegen echte websites binnen Inception's eigen productie-harness, waarbij Mercury 3 50% voltooide — 25 taken — wat volgens Inception "significant meer is dan GPT-6.1-Sol" bij hetzelfde tokenvolume en aantal stappen. Dat is interessanter dan een benchmarktabel omdat de sites live waren, en minder betrouwbaar om dezelfde reden als een leveranciersdemo altijd is: Inception koos de harness, de doelen en de scoring. Er is per 20 oktober 2026 geen Artificial Analysis-pagina voor Mercury 3, dus er is geen neutraal doorvoercijfer, geen neutrale kosten per taak en geen neutrale recall-curve voor dat venster van een miljoen tokens.

De consequentie is concreet in plaats van filosofisch. Een context van een miljoen tokens met een ongemeten recall-curve is een capaciteitsclaim: de tokens passen erin, en niemand heeft vastgesteld hoeveel ervan het model daadwerkelijk gebruikt. Mercury 2.5 scoorde 12 op de Artificial Analysis Intelligence Index, wat je vertelt waar de vorige generatie stond en niets over deze.

Mistral Large 4, en het specifieke ding dat onvoltooid is

Het model van Mistral is een heel ander verhaal, en de aankondiging is er ongewoon specifiek over. Het is een native multimodaal model met 1 biljoen parameters en 52 miljard actieve parameters — een sparse mixture-of-experts, dus het grootste deel van dat biljoen verricht bij geen enkel token werk. Het verwerkt documenten, grafieken, natuurlijke afbeeldingen, technische tekeningen en satellietbeelden van gigapixels, en het is getraind op data uit meer dan 160 talen, waaronder elke officiële EU-taal.

• Programmeren — 61,7% op DeepSWE v1.1, 59,4% op SWE-Atlas-QnA, 28,3% op Terminal-Bench 4, voor een gecombineerde Coding Agent Index van 49,8%. Allemaal door Mistral gerapporteerd.

• Agenten en cyber — 59,9% op AutomationBench, 1.393 Elo op AA-Briefcase, 82% op een reproductie- en patchtest met echte kwetsbaarheden die volgens Mistral alle modellen aanvoert, 93% op Cybench en 93,3% weerstand tegen aanvallen op Lakera's B3.

• Visie — 42% op Dense 200 visuele grounding, nipt voor GPT-6 Astra met 41%.

• Menselijke evaluatie — 3,74 van de 5 op de blinde codeerbeoordeling van Surge AI, tweede van de vijf modellen, achter Claude Opus 5 met 4,22. Een derde partij voerde het onderzoek uit; Mistral gaf er opdracht toe en publiceerde het.

• Onafhankelijke geaggregeerde score — 38 op de Artificial Analysis Intelligence Index, 66e van 217, tegen $1,13 per indextaak, 67,5 outputtokens per seconde en een tijd tot het eerste token van 1,65 seconde.

• Status — preview, gewichten beloofd tegen eind oktober 2026, RL-run nog gaande op het moment van de aankondiging.

Het is de moeite waard om voorzichtig te zijn met de classificatie. Mistral's eigen documentatie vermeldt de v26.10-generatie als "Open" en open-weight; de pagina van Artificial Analysis, gelezen op 20 oktober, zegt nog steeds "proprietary" en "de modelgewichten zijn niet openbaar beschikbaar". Beide zijn op verschillende momenten juist: de licentie is de intentie, de gewichten staan nog niet op schijf. Wie een deployment bouwt op de aanname dat Mistral Large 4 in november te downloaden zal zijn, moet erop letten dat de belofte wel een datum heeft, maar nog geen repository.

De twee tariefkaarten, en het getal dat de kloof kleiner maakt dan hij lijkt

Op papier is Mercury 3 dramatisch goedkoper: $0,70 per miljoen output tegen $4,18, en $0,20 input tegen $1,36. Dat is een zesvoudig verschil bij lijstprijs, of twaalfvoudig tijdens Mercury's lanceringsvenster tegen $0,10 en $0,35, waarbij Mistral's eigen promotieprijzen van $0,68 en $2,09 het verschil terugbrengen tot ongeveer zesvoud.

Het getal per antwoord is waar het verder comprimeert, en het is het enige getal in dit artikel dat door iemand anders dan de leverancier die het model verkoopt is gemeten. Artificial Analysis zet Mistral Large 4 Preview op $1,13 per Intelligence Index-taak. Mercury 3 heeft geen equivalent, dus de enige manier om er een te construeren is een tokenvolume aannemen — en de eerdere Mercury-vergelijkingen lieten zien waarom die aanname ertoe doet: een model dat 31.000 outputtokens uitgeeft waar een ander 193.000 uitgeeft, kan per token 20 keer duurder zijn en toch goedkoper per antwoord. Bij $0,70 per miljoen zou Mercury 3 ongeveer 1,6 miljoen outputtokens nodig hebben om $1,13 voor één taak te kosten. Zoveel zal het niet uitgeven. Bij elk realistisch volume komt het ver onder $1,13 uit, en dat is de eerlijke kern van zijn zaak: het voordeel per token overleeft hier de correctie per antwoord op een manier waarop het dat tegenover GPT-6 Sol niet deed.

• Context — Mercury 3: 1.000.000 tokens volgens de documentatie van Inception. Mistral Large 4: 1.000.000 volgens de modellijst van Mistral, tegenover 524.288 in de geteste configuratie van Artificial Analysis.

• Multimodaliteit — Mercury 3: tekst in, tekst uit, geen afbeeldingen voor geen enkele prijs. Mistral Large 4: documenten, grafieken, foto's, technische tekeningen, satellietbeelden.

• {{1}}Snelheid — Mercury 3{{/1}}: 1.068 tokens per seconde, door de leverancier gemeten. Mistral Large 4: 67,5 tokens per seconde volgens Artificial Analysis, met een tijd tot het eerste token van 1,65 seconden, wat oprecht snel is voor een model van deze grootte.

• Gewichten — Mercury 3: geen enkele gepubliceerd, en de Hugging Face-organisatie van Inception heeft geen modelrepositories. Mistral Large 4: belooft tegen eind oktober, nog niet gepubliceerd.

• Governance — Mercury 3: geen gepubliceerde verklaring over trainingsgegevens of uitrol in de EU. Mistral Large 4: getraind in Europese datacenters, vanuit Europa beheerde uitrol, alle officiële EU-talen.

De regel over lange context is degene die je twee keer moet lezen. In de documentatie van Mistral staat een miljoen tokens; Artificial Analysis testte op 524.288. Dat is geen tegenstrijdigheid — aanbieders testen op welke macht van twee hun testomgeving ook ondersteunt — maar het is een herinnering eraan dat een contextgetal een maximum is, geen geteste capaciteit, en de long-context-recall van Mistral Large 4 is evenmin gepubliceerd voor het volledige venster.

Waar het Europese argument echt pijn doet

Het soevereiniteitsargument is geen decoratie bij dit model; het is de reden waarom meerdere kopers het verkiezen boven iets goedkopers en beters. Getraind op Blackwell-GPU's in Franse datacenters, geëxploiteerd vanuit Europa, meertalig in alle officiële EU-talen — voor een koper in de publieke sector of een gereguleerde Europese onderneming kan die combinatie zwaarder wegen dan twaalf punten op de intelligentie-index, omdat het alternatief misschien helemaal niet aan te schaffen is.

Mercury 3 biedt niets daarvan. Inception heeft niets gepubliceerd over waar het model draait, op welke data het is getraind of welke bewaartermijnen van toepassing zijn, afgezien van de vermelding dat enterpriseklanten dedicated capaciteit, autoscaling, compliancecontroles en configureerbare bewaartermijnen kunnen kopen. Dat zijn de juiste dingen om aan een enterprise te verkopen, en ze zijn niet hetzelfde als een gepubliceerd standpunt over gegevensverwerking.

Er zit nog een complicatie in het Europese verhaal die het waard is om te signaleren in plaats van op te lossen: de belofte van open weights. Als Mistral de weights eind oktober publiceert, krijgt een Europese koper iets wat geen enkel Amerikaans lab op deze schaal momenteel biedt — een multimodaal model dat dicht tegen de frontier aanleunt en kan draaien binnen de eigen perimeter, op de eigen hardware, zonder leverancier in het verzoekpad. Dat is een wezenlijk ander product dan een preview-API, en dat is de reden dat de ontbrekende repository belangrijker is dan de ontbrekende benchmarkpunten.

Beide modellen staan niet meer in onze catalogus, waardoor de aanbeveling verandert.

Mercury 3 staat niet in de catalogus van OrcaRouter, en Mistral Large 4 ook niet — onze model-API geeft voor geen van beide iets terug, bij elke slugvariant die we hebben geprobeerd. Dat is ongewoon genoeg om het ronduit te zeggen, want het betekent dat deze vergelijking niet kan eindigen met "zet ze beide op één sleutel". Wie een van beide modellen aanroept, gaat rechtstreeks naar de leverancier, of naar een van de verschillende platforms van derden die het hosten.

Wat een routeringslaag in die situatie nog steeds doet, is het deel dat geen hosting van het model vereist: hij houdt de modellen die we routeren achter één OpenAI-compatibel endpoint, en je kunt een regel uitdrukken over welk verkeer waarheen gaat. Als de gewichten van Mistral eind oktober beschikbaar komen, is de interessante architectuur niet "Mistral Large 4 voor alles gebruiken" — het is een self-hosted Mistral-pad voor de documenten die je perimeter niet mogen verlaten, een gerouteerd frontiermodel voor het werk dat dat wel mag, en een regel die tussen beide kiest. Dezelfde regel regelt Mercury 3 als Inception het ergens uitbrengt waar wij het kunnen bereiken, en hij regelt het geval waarin de actieprijzen van een van beide leveranciers aflopen, waarvoor bij Mercury 3 geen datum is aangekondigd.

Wie zou welke moeten kiezen, en wat zou het antwoord veranderen?

Kies Mercury 3 als het werk tekst is, het volume hoog is en de antwoorden goedkoop te verifiëren zijn. De prijslijst is zes tot twaalf keer goedkoper dan Mistral Large 4, afhankelijk van welke prijzen actueel zijn, het contextvenster heeft dezelfde opgegeven omvang, en het ontbreken van een neutrale score is een risico dat je binnen een dag in je eigen foutpercentage kunt meten. Wat je opgeeft, is elke vorm van invoer die geen tekst is, en elke mogelijkheid om het gedrag van het model te auditen voordat je het inzet.

Kies Mistral Large 4 als de invoer afbeeldingen, tekeningen of scans bevat; als inkoop Europese training en exploitatie vereist; als een time-to-first-token van 1,65 seconde belangrijker is dan ruwe doorvoer; of als de belofte van open weights de werkelijke reden is dat je geïnteresseerd bent, in welk geval je op de repository moet wachten in plaats van op de aankondiging. Wat je opgeeft, is een factor zes op prijs en elke claim de snelste beschikbare te zijn.

Twee data zouden de meeste openstaande vragen in dit stuk beslechten. De eerste is eind oktober, wanneer Mistral de gewichten al dan niet publiceert. De tweede is wanneer Artificial Analysis Mercury 3 draait, wat elk leverancierscijfer in de eerste sectie zou vervangen door een gemeten cijfer. Geen van beide data is aangekondigd. Tot die tijd is de verdedigbare samenvatting dat Mercury 3 de goedkopere tekstengine is en Mistral Large 4 het completere product, en dat beide worden verkocht op basis van claims die de koper momenteel op goed vertrouwen moet aannemen.