Mercury 3 kontra Claude Opus 5.5: token wyjściowy 57 razy tańszy to nie to samo co tańsza odpowiedź

Mercury 3 kosztuje w tym tygodniu $0.35 za milion tokenów wyjściowych. Claude Opus 5.5 kosztuje $20.00. Pomnóż liczbę zgłoszeń w kolejce wsparcia przez te dwie liczby, a różnica będzie wyglądać jak błąd w jednym z cenników — 57 razy w cenie premierowej albo 28,6 razy, gdy skończy się 50-procentowa zniżka Inception i Mercury 3 wróci do $0.70. Pytanie, które rozstrzyga to porównanie, nie dotyczy tego, która liczba jest mniejsza. Dotyczy tego, ile wywołań Mercury 3 trzeba wykonać, aby uzyskać odpowiedź, którą Opus 5.5 podałby poprawnie za pierwszym razem, ponieważ każda ponowna próba, każda eskalacja i każda weryfikacja przez człowieka są rozliczane według stawki osoby lub drugiego wywołania, a nie według stawki tokenu. Udokumentowane awarie AI i incydenty z agentami stojące za premierami takimi jak ta są zebrane w the OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i flagę sporności.

To ujęcie ma znaczenie, ponieważ te dwa modele nie są konkurentami w zwykłym sensie. Claude Opus 5.5, wydany przez Anthropic 22 września 2026 r., to czołowy model rozumowania w cenie 4 USD za milion tokenów wejściowych i 20 USD za milion tokenów wyjściowych, stworzony do długoterminowego kodowania agentowego i pracy z wiedzą, z myśleniem adaptacyjnym, obsługą obrazów i plików wejściowych, kontekstem 1 mln tokenów i limitem wyjścia 128K. Mercury 3, wydany przez Inception Labs 19 października 2026 r., to dyfuzyjny model językowy stworzony z myślą o szybkości: 1068 tokenów na sekundę na sprzęcie NVIDIA według własnego pomiaru Inception, kontekst 1M, wyjście 131K, tylko tekst, oraz deklaracja jakości, która wymienia GPT-6 Luna i Claude Haiku 5.5 — poziom szybkości — a nie Opus. Porównywanie ich nadal ma sens, ponieważ różnica cen wręcz zachęca do dokładnie takiego podstawienia, którego pozycjonowanie nie uzasadnia.

Skąd tak naprawdę pochodzą te liczby

Każdy wynik jakości Opus 5.5 w tym tekście pochodzi od Artificial Analysis i został zmierzony na jego własnym środowisku testowym: Intelligence Index na poziomie 57,6, Humanity's Last Exam – 61,4%, SciCode – 66,9%, Terminal-Bench 4.0 – 59,6%, a odtwarzanie informacji z długiego kontekstu – 84,7%. Są to dane niezależne i aktualne według stanu na ten tydzień.

Wszystkie dane dotyczące {{1}}Mercury 3{{/1}} pochodzą od Inception i zostały opublikowane wczoraj, z jednym wyjątkiem: porównania przepustowości z poprzednią generacją. Artificial Analysis mierzy {{2}}Mercury 2.5{{/2}} na poziomie 705,9 tokena na sekundę, a {{3}}Mercury 2{{/3}} na poziomie około 684. {{4}}Mercury 3{{/4}} nie ma jeszcze strony w Artificial Analysis — indeks modeli wciąż kończy się na {{5}}Mercury 2.5{{/5}} — więc jego 1,068 tok/s i twierdzenie, że „przewyższa {{6}}GPT-6 Luna{{/6}} i {{7}}Claude Haiku 5.5{{/7}}”, są deklarowane przez dostawcę, nieodtworzone i przez co najmniej kolejny tydzień należy je tak odczytywać.

Ta asymetria to całe porównanie w miniaturze. Jedna strona ma niezależnie zbadany wynik i opublikowany cennik; druga ma wpis premierowy, rabat i bardzo dużą liczbę dotyczącą prędkości.

Specyfikacja po specyfikacji, z załączonymi dowodami

Cena za tokeny wyjściowe — Mercury 3: 0,35 USD za milion w momencie premiery, 0,70 USD według cennika, wobec 20,00 USD w Opus 5.5. Stosunek ten wynosi 57x podczas promocji i 28,6x po niej.

• Cena wejściowa — Mercury 3: 0,10 USD na start, 0,20 USD w cenniku, wobec 4,00 USD za Opus 5.5. Ten sam wzorzec, nieco szerszy stosunek.

• {{1}}Dane wejściowe z pamięci podręcznej{{/1}} — Mercury 3: 0,01 USD w momencie premiery, 0,02 USD według cennika, w porównaniu z 0,20 USD za odczyty z pamięci podręcznej Opus 5.5. Opus pobiera również 5,00 USD za milion za zapis do 5-minutowej pamięci podręcznej i 8,00 USD za jednogodzinną pamięć podręczną, których to stawek cennik Mercury'ego nie wyszczególnia.

• Przepustowość — Mercury 3 przy 1 068 tok/s według Inception, nieodtworzone; Opus 5.5 przy 75,6 tok/s na wyjściu, zmierzone na podstawie ruchu w naszym własnym playgroundzie w ciągu ostatnich siedmiu dni. To czternastokrotna rozbieżność w kierunku, który reklamuje Inception, a ta przynajmniej jest zmierzona po obu stronach, choć za pomocą różnych narzędzi pomiarowych.

• Czas do pierwszego tokenu — Mercury 3 to model dyfuzyjny, który generuje równolegle, więc jego pierwsze użyteczne dane wyjściowe pojawiają się szybciej niż w modelu autoregresyjnym; Inception nie publikuje wartości dla endpointu czatu, a jego twierdzenie o czasie poniżej 300 ms na stronie głównej firmy odnosi się do linii produktów, a nie konkretnie do Mercury 3. Mediana (p50) opóźnienia end-to-end Opus 5.5 w naszym ruchu wynosi 4,4 sekundy, co obejmuje czas myślenia.

• Kontekst — oba po 1 mln tokenów. Limit tokenów wyjściowych jest różny: 131 072 dla Mercury 3, 128 000 dla Opus 5.5.

• Dane wejściowe — Opus 5.5 przyjmuje tekst, obrazy i pliki; Mercury 3 przyjmuje tekst. To nie jest drugorzędna kwestia. Każdy dokument, zrzut ekranu, diagram lub PDF w Twoim procesie po cichu dyskwalifikuje Mercury 3.

• Sterowanie rozumowaniem — Mercury 3 udostępnia poziomy wysiłku instant, low, medium i high, a gdy pole zostanie pominięte, domyślnie ustawia low. Opus 5.5 korzysta z adaptacyjnego myślenia z własną regulacją wysiłku. Oba domyślnie zachowują się w sposób, który Cię zaskoczy, jeśli nie ustawisz pola jawnie: Mercury 3 na low, Opus na to, co polityka adaptacyjna Anthropic wybierze dla danego żądania.

• Dowody — Opus 5.5 ma niezależny wynik indeksu i tabelę benchmarków dostawcy; Mercury 3 nie ma ani wyniku strony trzeciej, ani numerycznego wyniku dostawcy.

Jedyny wynik agenta, który Inception opublikował

Ukryty pod twierdzeniami o przepustowości jest jedyny pomiar jakości Mercury 3 z jasno określonym zadaniem: harness agenta webowego uruchomiony na 50 rzeczywistych zadaniach nawigacyjnych Mind2Web, w którym Mercury 3 ukończył 50% zadań i, jak twierdzi Inception, „znacznie więcej niż GPT-6.1-Sol”, przy takiej samej liczbie tokenów i takiej samej liczbie kroków agenta.

Przeczytaj to uważnie. Model porównawczy to GPT-6.1 Sol, a nie Opus 5.5. Harness to własny produkcyjny harness Inception. Próba obejmuje 50 zadań. A „ten sam wolumen tokenów i ta sama liczba kroków agenta” to ważna część pod względem kosztu, ponieważ oznacza, że oszczędność na zadanie jest w rzeczywistości stosunkiem na token, a nie artefaktem tego, że model wykonuje mniej kroków, żeby dojść do celu. Wskaźnik ukończenia 50% w nawigacji po aktywnej witrynie to wiarygodny wynik dla szybkiego modelu; to nie jest twierdzenie, że Mercury 3 ukończyłby zadanie programistyczne na poziomie Opus.

Dla Opus 5.5 równoważnym dowodem jest Terminal-Bench 4.0 z wynikiem 59,6% w środowisku testowym Artificial Analysis — inny benchmark, inna rodzina zadań i nie są bezpośrednio porównywalne. Uczciwie rzecz ujmując, nikt nie uruchomił obu modeli na tym samym benchmarku agentowym i nie opublikował wyniku. Dopóki ktoś tego nie zrobi, każde twierdzenie o tym, który model jest lepszy w pracy agentowej, jest wnioskiem z pozycjonowania.

Ile kosztuje tydzień ruchu na każdym z nich

Przyjmijmy obciążenie, które jest realistyczne w obu przypadkach: 2 miliony tokenów wejściowych i 500 000 tokenów wyjściowych dziennie, w przybliżeniu średniej wielkości asystent wsparcia lub asystent badawczy z kilkuset tysiącami wywołań. W Mercury 3 po stawce startowej to 0,20 USD za wejście i 0,175 USD za wyjście — poniżej czterdziestu centów dziennie. W cenie katalogowej to 0,40 USD i 0,35 USD, czyli 75 centów. W Opus 5.5 ten sam ruch to 8,00 USD za wejście i 10,00 USD za wyjście, czyli 18,00 USD dziennie.

Teraz dodaj część, którą ukrywa matematyka tokenów. Jeśli Mercury 3 potrzebuje drugiej próby w jednym na pięć wywołań, a każda ponowna próba kosztuje tyle samo co pierwotna, efektywna cena rośnie o 20% — do około 45 centów dziennie. Nawet w absurdalnym przypadku, gdy każde pojedyncze wywołanie trzeba by powtórzyć raz, rachunek wyniósłby 75 centów, wciąż 24 razy mniej niż Opus 5.5. Jeśli chodzi o cenę, nie ma nawet porównania — i właśnie dlatego decyzję trzeba podjąć na podstawie jakości i możliwości.

Odwróć to, a ta sama arytmetyka wyjaśnia, dlaczego ludzie nadal płacą za Opus. Przy 18 dolarach dziennie jedna uniknięta eskalacja dziennie — zgłoszenie do wsparcia, które nie trafia do człowieka, zmiana w kodzie, która nie wymaga drugiego przeglądu — pokrywa cały rachunek za Opus kilkukrotnie. Model jest drogi za token, ponieważ praca, którą zastępuje, jest jeszcze droższa.

Wiersze funkcji, które nie są wyświetlane w tabeli cen

Opus 5.5 przyjmuje obrazy i pliki, co oznacza, że potrafi odczytać zrzut ekranu załączony przez użytkownika, plik PDF, w którym znajduje się umowa, albo diagram w dokumencie projektowym. Mercury 3 to tekst na wejściu i tekst na wyjściu. Jeśli Twoje zadania obejmują którąkolwiek z tych rzeczy, porównanie kończy się w tym miejscu, a różnica w cenie staje się nieistotna.

Opus 5.5 oferuje również zestaw narzędzi Anthropic: ustrukturyzowane dane wyjściowe, korzystanie z narzędzi, API wsadowe w połowie ceny do pracy asynchronicznej oraz buforowanie podpowiedzi z jawnymi stawkami za zapis i odczyt. Mercury 3 ma wywoływanie narzędzi i ustrukturyzowane dane wyjściowe w punkcie końcowym zgodnym z OpenAI, co jest naprawdę wygodne — można go wdrożyć do istniejącego kodu bez przepisywania — ale jego podejście do pamięci podręcznej to zniżka na dane wejściowe, a nie udokumentowany cykl życia zapisu do pamięci podręcznej.

Odwrotną stroną możliwości jest szybkość. Opus 5.5 przy 75,6 tokena na sekundę sprawdza się w przypadku agenta kodującego pracującego nad długim zadaniem, a dla wszystkiego, na co czeka człowiek, jest bolesny. Mercury 3 obiecuje, że osoba, która na niego czeka, nie zauważa tego oczekiwania. Jeśli Twoim produktem jest tura głosowa, autouzupełnianie, odpowiedź wyszukiwania lub podpowiedź korepetytora, ta różnica jest produktem, a nie miłym dodatkiem.

Jak prowadzić oba, nie stawiając na żadne z nich

Claude Opus 5.5 jest w naszym katalogu jako anthropic/claude-opus-5.5 po stawkach z cennika Anthropic — 4 USD za wejście, 20 USD za wyjście, 0,20 USD za odczyt z cache — z 0% marży, więc zmiana w cenniku Anthropic pojawia się u nas tego samego dnia, a nie dopiero w kolejnym cyklu rozliczeniowym. Mercury 3 nie ma w naszym katalogu: nasze API modeli nie zwraca żadnych modeli Inception, a uczciwa instrukcja jest taka, żeby sięgnąć po niego przez własną platformę Inception. Nie zamierzamy udawać czegoś innego tylko po to, żeby nasza propozycja routingu lepiej wypadła.

To, do czego podział jest przydatny, to dokładnie ta decyzja. Umieść Mercury 3 za kluczem Inception w warstwie krytycznej pod względem opóźnień, zachowaj Opus 5.5 jako ścieżkę eskalacji za jednym punktem końcowym zgodnym z OpenAI obok ponad 200 innych modeli i pozwól automatycznemu przełączaniu awaryjnemu wychwycić przypadek, w którym nowy dostawca chwieje się w pierwszym miesiącu. DSL routingu potrafi wyrazić przekazanie — najpierw szybki model, eskaluj przy sygnale niskiej pewności lub niepowodzeniu wywołania narzędzia — bez drugiej integracji na potrzeby mechanizmu awaryjnego. W rezultacie mierzysz Mercury 3 na tle własnego ruchu, a nie na tle wpisu z premiery, i zachowujesz model, który potrafi odczytać zrzut ekranu w żądaniach, które tego wymagają.

Który wybrać

Jeśli Twoje obciążenie jest wyłącznie tekstowe, wrażliwe na opóźnienia i toleruje sporadyczną błędną odpowiedź, którą człowiek lub ponowna próba może wychwycić, Mercury 3 w cenie premierowej jest jedną z najtańszych wiarygodnych opcji dostępnych w tym tygodniu, a 100 milionów darmowych tokenów na platformie Inception sprawia, że test jest niemal darmowy. Wypróbuj go na własnym ruchu, ustal ustawienie wysiłku i mierz odsetek ponownych prób, a nie przepustowość.

Jeśli Twoje obciążenie pracą obejmuje dokumenty, obrazy, długoterminowe zmiany w kodzie lub odpowiedzi, których nikt nie weryfikuje przed podjęciem na ich podstawie działań, Opus 5.5 pozostaje wyborem, którego można bronić, a cena nie jest tu interesującą zmienną. Jego niezależny wynik w indeksie, multimodalne wejście i opublikowana tabela benchmarków to rzeczy, które kupujesz, i żadna z nich nie ma jeszcze odpowiednika w Mercury 3.

Błędem, którego należy uniknąć, jest traktowanie 57x jako nakazu migracji. To zniżka na tokeny, a tokeny są najtańszą częścią większości systemów AI. Drogie elementy — człowiek sprawdzający wynik, błędna odpowiedź docierająca do klienta, pipeline przebudowany wokół modelu, który nie widzi — to dokładnie te elementy, których tabela cen nie pokazuje.