Mercury 3 vs Reflection Beam: Het snelste gesloten model ontmoet het snelste open model

Reflection Beam kwam met een getal dat gecontroleerd kon worden, en Mercury 3 kwam met een getal dat niet gecontroleerd kon worden. Beam scoort 335,1 outputtokens per seconde bij Artificial Analysis, met een tijd tot eerste token van 0,80 seconden en een Intelligence Index van 30 — vierde snelste van 78 gemeten modellen, twintigste van 121 op kwaliteit. Mercury 3 claimt 1.068 tokens per seconde en heeft geen enkele onafhankelijke score, één dag nadat Inception het op 19 oktober 2026 uitbracht. De eerlijke manier om deze vergelijking te openen is dus niet "welke is sneller", maar "wat gebeurt er met het verschil wanneer de ongemeten kant wordt gemeten". De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding zijn eigen bronnen, ernstniveau, betrouwbaarheidsgraad en betwistmarkering heeft.

De reden dat deze combinatie verder reikt dan een specificatieblad, is dat beide modellen hetzelfde verkopen. Mercury 3 is een diffusietaalmodel dat blokken tokens parallel verfijnt; Reflection Beam is een sparse mixture of experts met in totaal 501 miljard parameters en slechts 23 miljard actief per token. Verschillende trucs, dezelfde weddenschap: dat de volgende strijd gaat over de kosten van inferentie, niet over het plafond van de capaciteiten. Beam werd op 5 oktober 2026 aangekondigd en de gewichten verschenen op 16 oktober onder Apache 2.0; Mercury 3 kwam negen dagen later uit als een gesloten API. Een van de twee kun je zelf downloaden en meten. De andere kun je alleen aanroepen en op goed vertrouwen aannemen.

Wat elke partij daadwerkelijk officieel heeft vastgelegd

Het dossier van Beam is gedetailleerd genoeg om over te twisten. Een Intelligence Index van 30, een twintigste plaats van 121 modellen en boven de mediaan van 19 die Artificial Analysis noteert voor vergelijkbare open-weightmodellen. Een gemeten 335,1 outputtokens per seconde en 0,80 seconde tot het eerste token, beide tegen een mediaan bij vergelijkbare modellen van bijna 77 tokens per seconde en 1,70 seconde. Een gepubliceerd tarief van $0,70 per miljoen inputtokens en $2,10 per miljoen output, met 84 procent cachekorting, wat neerkomt op $0,57 rekenkracht per indextaak. En een verbositeitscijfer van 79 miljoen outputtokens om de index te voltooien, de tiende zuinigste van 47 geëvalueerde modellen, tegen een mediaan van 140 miljoen. Dat laatste getal is de efficiëntieclaim die voor het eerst in de harness van iemand anders opduikt, en het is het interessantste cijfer in het dossier van beide modellen.

Het trackrecord van Mercury 3 daarentegen bestaat uit drie claims en één klein experiment. De claims: 1.068 tokens per seconde op NVIDIA-GPU's; meer dan 40 keer de parameters van Mercury 1 met ongeveer drievoudig de gemeten intelligentie; en kwaliteit die "op één lijn ligt met of beter is dan toonaangevende, op snelheid geoptimaliseerde modellen zoals GPT-6 Luna en Claude Haiku 5.5". Het experiment: 50 live Mind2Web-navigatietaken in Inceptions eigen webagent-testharnas, 50 procent voltooid, "aanzienlijk meer dan GPT-6.1-Sol", bij hetzelfde tokenvolume en aantal stappen en dus tegen een fractie van de kosten. Niets ervan is onafhankelijk gereproduceerd, en Artificial Analysis heeft helemaal geen Mercury 3-pagina.

Die asymmetrie is geen kritiek op de engineering van Inception. Het is een uitspraak over wat je vandaag kunt beslissen. Voor Beam kun je de kosten per voltooide taak berekenen, omdat iemand voltooiing en verboseheid heeft gemeten. Voor Mercury 3 kun je de kosten per token berekenen en niets anders.

Het specificatieblad, met de bronvermelding aan elke regel gekoppeld

• Prijs per miljoen — Mercury 3 $0,20 voor input en $0,70 voor output tegen listprijs, $0,10 en $0,35 tijdens de introductiekorting versus Beam $0,70 voor input en $2,10 voor output

• Gecachte invoer — Mercury 3 $0,02 per miljoen tegen lijstprijs versus Beam een korting van 84 procent op het invoertarief, of ongeveer $0,11 per miljoen

• Doorvoer — Mercury 3 1.068 tokens per seconde, leveranciersclaim, hardware niet gespecificeerd versus Beam 335,1 tokens per seconde, gemeten door Artificial Analysis

• Tijd tot eerste token — Mercury 3 niet gepubliceerd vs Beam 0,80 seconden, gemeten

• Intelligence Index — Mercury 3: geen vermelding per 20 oktober 2026, tegenover Beam 30, gerangschikt 20e van 121

• Kosten per indextaak — Mercury 3 kan niet worden berekend zonder een score vs. Beam $0,57

• Uitvoerigheid van output in de index — Mercury 3 niet gepubliceerd versus Beam 79 miljoen tokens, 10e zuinigste van 47

• Contextvenster — Mercury 3 1.000.000 tokens met 131.072 maximale output vs. Beam 1.048.576 tokens met 131.072 maximale output

• Parameters — Mercury 3 niet bekendgemaakt, alleen beschreven als meer dan 40 keer Mercury 1 vs Beam 501B totaal, 23B actief per token

• Invoermodaliteit — beide alleen tekst

• Redeneerbeheer — Mercury 3 heeft vier standen, van direct tot hoog, met laag als standaard, tegenover Beam met een verplichte redeneerinspanning op vijf niveaus, en de documentatie van Reflection vermeldt max als standaard.

• Gewichten — Mercury 3 closed versus Beam Apache 2.0, in BF16, FP8 en een 273 GiB NVFP4-build

• Zelfhosting — Mercury 3 uitsluitend enterprise dedicated capaciteit versus Beam, een referentie-implementatie van vier NVIDIA B300 GPU's op NVLink, met day-zero ondersteuning voor vLLM, SGLang, Transformers en Dynamo

Een kanttekening bij de prijsregel. De korting van Mercury 3 heeft geen gepubliceerde einddatum, dus het bedrag dat in de planning standhoudt, is $0,20/$0,70, niet $0,10/$0,35. Beams $0,70/$2,10 is een actuele tariefkaart die is gepubliceerd door de evaluator en door Reflections eigen platform.

Het verschil dat ertoe doet is 335 tegen 1.068

Als het cijfer van Inception standhoudt onder een neutrale harness, is Mercury 3 ongeveer drie keer sneller dan het snelste gemeten open-weightmodel in het veld, en dat tegen een derde van de inputprijs van Beam en een derde van de outputprijs. Die combinatie — sneller en goedkoper — is het argument voor Mercury 3 in één zin, en het is een sterk argument.

Het probleem is dat de zin volledig leunt op een getal zonder vermelde methodologie. Inception zegt niet welke GPU, welke batchgrootte, welke reasoning effort-instelling, of de meting single-stream dan wel geaggregeerd is. Alle vier die keuzes kunnen een doorvoercijfer met een veelvoud veranderen. De korting die moet worden toegepast is niet hypothetisch: toen Mercury 2.5 werd gelanceerd, lag het doorvoercijfer van de leverancier aanzienlijk hoger dan de 706 tokens per seconde die Artificial Analysis vervolgens met zijn eigen testopstelling mat. Dat is de normale spreiding tussen leverancier en onafhankelijke meting in deze categorie, geen kwade trouw — maar het is de spreiding die je moet aannemen.

Pas een 3:1-korting toe en Mercury 3 komt uit op bijna 350 tokens per seconde: gelijk aan het gemeten cijfer van Beam, voor een derde van de prijs, met een onbekende kwaliteitsscore. Pas je een 2:1-korting toe, dan is het ruimschoots het snelste model dat een van beide labs in deze prijsklasse heeft uitgebracht. Hoe dan ook verandert de vergelijking van "drie keer zo snel" in "ergens tussen even snel als Beam en drie keer zo snel, en in beide gevallen goedkoper dan Beam".

Er schuilt een tweede asymmetrie in hetzelfde paar getallen. Beams tijd van 0,80 seconde tot het eerste token wordt gemeten op een redeneermodel dat standaard op de maximale inspanningsinstelling staat — wat betekent dat het model echt nadenkt voordat het iets voortbrengt, en toch het eerste token in minder dan een seconde teruggeeft. Dat is een indrukwekkender technisch resultaat dan het ruwe doorvoergetal, en het is het soort ding dat alleen een onafhankelijke harness vindt.

Drieëntwintig miljard actieve parameters is het echte verhaal aan de kant van Beam.

Het 501B-cijfer op de kaart van Beam klopt grotendeels niet. Met 23 miljard actieve parameters per token activeert het model voor elk token ongeveer 4,6 procent van zichzelf, een activeringsratio die zelfs naar de huidige open-weightnormen agressief is. De architectuurnotities noemen verweven lokale en globale attention, fijnmazige gerouteerde experts, SandwichNorm en FP8/FP4-servingbuilds, maar het praktische gevolg is eenvoudiger: Beam past op één node met vier GPU's. Dat is een servingprofiel, geen onderzoekscuriositeit.

Het verklaart ook de uitkomst qua breedsprakigheid. Een model dat 79 miljoen outputtokens uitgeeft om een index te voltooien tegenover een mediaan van 140 miljoen, verricht hetzelfde werk in ongeveer de helft van de outputtokens, en outputtokens zijn waar de rekening wordt bepaald. Reflection's eigen argument is efficiëntie tijdens inferentie in plaats van pariteit aan de frontier, en het bedrijf zegt dat ook in zijn lanceermateriaal — het staat terrein af aan Kimi K3 en G​LM op het gebied van ruwe capaciteit. De onafhankelijke gegevens ondersteunen zowel de concessie als de efficiëntieclaim tegelijkertijd.

Het efficiëntieargument van Mercury 3 is van een andere aard. Het gaat niet om minder tokens verbruiken; het gaat om ze sneller produceren, en het opschalingsverhaal van Inception — 40 keer zoveel parameters als zijn eerste model, drie keer de gemeten intelligentie, dezelfde snelheid — is een bewering dat de parallelliteit van diffusie een doorvoer oplevert die autoregressieve modellen niet kunnen evenaren. Dat is een plausibel en interessant argument. Het is ook volledig zelfgerapporteerd, en het zegt niets over of het model meer tokens verbruikt dan een vergelijkbaar autoregressief model om hetzelfde antwoord te bereiken. Niemand heeft een cijfer voor de uitvoerigheid van Mercury 3 gepubliceerd, omdat er geen Mercury 3-evaluatie is waaruit dat cijfer kan komen.

Kosten per voltooide opdracht, uitgewerkt

Neem een agentische codetaak: 200.000 tokens repositorycontext, 4.000 tokens patch en uitleg als uitvoer, en 5.000 runs per dag verspreid over een team.

• Mercury 3 tegen lijstprijs — 1.000 miljoen inputtokens à $0,20 is $200; 20 miljoen output à $0,70 is $14. Ongeveer $214 per dag.

• Mercury 3 tegen het introductietarief — ongeveer $ 107 per dag.

• Beam tegen het gepubliceerde tarief — 1 miljard input tegen $0,70 is $700; 20 miljoen output tegen $2,10 is $42. Ongeveer $742 per dag, vóór de 84 procent cachekorting, wat hier enorm belangrijk is omdat repositorycontext precies het soort preambule is dat wordt gecachet. Met een realistisch cachehitpercentage voor de context zakt de inputregel richting $112 en komt het dagtotaal uit op ongeveer $154.

Die rekensom is de reden dat beide modellen bestaan. Bij een goed gecachte agentische workload liggen de twee binnen 40 procent van elkaar — Beam iets goedkoper in een goed cache-scenario, Mercury 3 goedkoper in een slecht — en beide zijn een fractie van wat een frontiermodel voor hetzelfde verkeer zou rekenen. Het kostenargument onderscheidt ze niet. Wat ze onderscheidt, is dat Beams getal reproduceerbaar is en dat van Mercury 3 een lijstprijs tegen een onbekend voltooiingspercentage.

De licentiekwestie, die nog niet dichtbij is

De gewichten van Beam zijn onder Apache 2.0 downloadbaar in drie precisies, plus een 1,93B speculative-decoding-drafter, en Reflection stelt dat het distillatie, fine-tuning, kwantisatie of merging niet beperkt. Er is een conformiteitstool — beam-verifier — die een testsuite uitvoert tegen elk live Beam-endpoint en deze vervolgens evalueert op de belangrijkste benchmarks, wat betekent dat een koper de cijfers van een aanbieder kan controleren in plaats van ze te vertrouwen. Self-hosting haalt de vraag per token volledig weg en maakt er een vraag over GPU-uren van.

Mercury 3 biedt niets daarvan. Het is gesloten, het is alleen via API beschikbaar, en de enterprise-laag voegt toegewijde capaciteit en configureerbare gegevensretentie toe in plaats van gewichten. Voor een workload waarbij het model een onderdeel is van een product dat je verkoopt, is dat een afhankelijkheid in plaats van een toeleveringsketen.

Er is ook het signaal uit de geschiedenis van de leverancier. Inceptions eigen migratienota zegt dat Mercury 2 en Mercury 2.5 gesloten zijn voor nieuwe gebruikers, waarbij bestaande klanten op 15 november 2026 hun toegang verliezen — minder dan een maand nadat Mercury 3 is uitgekomen. Een bedrijf dat twee generaties zo snel uitfasert, vertelt je hoe het verwacht dat zijn modellen worden gebruikt: als kortstondige huurdiensten. Reflection heeft voorlopig het tegenovergestelde gedaan en het artefact overhandigd.

Waar een router past, aangezien geen van beide modellen in onze catalogus staat.

Noch Mercury 3 noch Reflection Beam wordt door OrcaRouter aangeboden. Een controle van onze model-API levert voor geen van beide iets op, en we zullen geen route beschrijven die we niet hebben. Wat we wel bieden is de laag eromheen: meer dan 200 modellen achter één OpenAI-compatibel endpoint, tegen de lijstprijs van de provider zonder opslag, met automatische failover en een routing-DSL om modellen in één aanroep te combineren.

Voor deze specifieke combinatie vervult die laag twee taken. De eerste is vergelijking. Als je wilt weten of een open-weightmodel van 300 tokens per seconde snel genoeg is voor je product voordat je je hieraan vastlegt, is de eerlijke test om de workload te draaien tegen modellen die je al kunt aanroepen — Kimi K3 voor $3.00/$15.00 met 1,048,576 tokens context, GLM 5.2 voor $1.40/$4.40, Qwen 3.8-Max voor $2.00/$6.00 — en te meten wat je gebruikers echt merken. De tweede is terugval. Een zelfgehoste Beam-deployment en een door een leverancier gehoste Mercury 3 zijn twee verschillende faalmodi; het productiepad achter een router met failover plaatsen betekent dat een degradatie van een eindpunt een gelogde gebeurtenis wordt in plaats van een storing. Omdat de lijstprijzen van providers ongewijzigd worden doorgegeven, komt een prijsverlaging van Reflection of een korting van Inception op je factuur op de dag dat die wordt aangekondigd.

De beslissing, op basis van beperkingen in plaats van op basis van score

• Als het model een asset voor je moet zijn — auditeerbaar, fine-tunebaar, op je eigen hardware te draaien en de leverancier te overleven — dan is Beam hier de enige optie. Apache 2.0, een build van 273 GiB die op één node past, en een verificatietool om elke provider te toetsen aan Reflection's cijfers. Dat is een volledig antwoord op een vraag die Mercury 3 helemaal niet kan beantwoorden.

• Als je de laagst mogelijke latentie nodig hebt op een gesloten API en er wacht een mens, dan is Mercury 3 de interessantere gok, en zijn prijs maakt de evaluatie goedkoop. Zet de effort-instelling expliciet vast wanneer je het test, want de standaardwaarde is laag en de claims van Inception zeggen niet welke instelling ze heeft voortgebracht.

• Als je de kwaliteit wilt weten voordat je je vastlegt, heeft Beam een getal en Mercury 3 niet. Een 30 op een index van 121 modellen is middelmatig — het is geen frontierscore en Reflection beweert dat ook niet — maar het is een ondergrens waarop je kunt ontwerpen.

• Als je werklast agentisch en langdurig is, is Beam's verplichte redenering bij een standaardinstelling van maximale inspanning duur per aanroep, en Mercury 3's standaardinstelling met lage inspanning is goedkoop per aanroep. Welke per voltooide taak goedkoper is, hangt af van een voltooiingspercentage dat niemand voor Mercury 3 heeft gemeten.

Het allerbelangrijkste dat deze vergelijking kan overkomen, is een onafhankelijke meting van Mercury 3. Als die in de buurt van 1.068 uitkomt met een competitieve kwaliteitsscore, heeft Inception het snelste goedkope model in het veld geleverd en wordt Beams efficiëntieverhaal een verhaal over openheid in plaats van ruwe snelheid. Als die in de buurt van Beams 335 uitkomt met een score in de middenmoot, dan zijn het snelste open-weight model en het snelste gesloten model even snel, en worden de beslissende vragen prijs, licentie en of je het artefact wilt bezitten — drie vragen waarop Beam momenteel betere antwoorden heeft.