Mercury 3 vs GLM-5.5: porównanie, o które prosi zapytanie wyszukiwania, przeprowadzone na modelu, który istnieje

Nie istnieje GLM-5.5. Dziennik wydań Z.ai kończy się na GLM-5.3-Flash 26 sierpnia 2026 r., jego indeks dokumentacji wymienia GLM-5.3, GLM-5.3-Flash i GLM-5.2, cztery najnowsze repozytoria organizacji zai-org na Hugging Face to seria GLM-5.3 utworzona 25 sierpnia, Artificial Analysis nie ma strony pod tą nazwą, a nasz własny katalog zwraca model-not-found dla z-ai/glm-5.5. Pięć powierzchni, sprawdzonych ponownie dziś, wszystkie negatywne. Zatem strona zatytułowana „Mercury 3 vs GLM-5.5” może zrobić jedną z dwóch rzeczy: wymyślić kartę specyfikacji modelu, który nigdy nie istniał, albo powiedzieć, do czego najprawdopodobniej odnosi się ta nazwa, i przeprowadzić porównanie, które rzeczywiście można wykonać. Ta strona robi to drugie. Udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są gromadzone w Archiwum incydentów AI OrcaRouter, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i flagę sporności.

Modelem, który istnieje, jest GLM-5.3 — Z.ai udostępniło go 18 sierpnia 2026 roku, a otwarte wagi ukazały się 25 sierpnia. Obok niego stoi Mercury 3, wydany przez Inception Labs 19 października 2026 roku jako dyfuzyjny model językowy z kontekstem 1 mln tokenów i deklarowaną przepustowością 1068 tokenów na sekundę. To prawdziwe starcie z prawdziwym pytaniem w tle: sprawdzony model kodujący z otwartymi wagami w cenie 1,26/3,96 USD kontra niemierzony model szybkościowy w cenie 0,35 USD za wyjście w oknie premierowym. Numer wersji w tytule jest błędny. Porównanie pod nim nie jest.

Dlaczego ta nazwa w ogóle istnieje

GLM-5.5 to projekcja, a nie zapowiedź. Wywodzi się z prognozy analitycznej krążącej w czerwcu 2026 r., która umieszczała kolejny flagowy model Z.ai w oknie sierpniowym; sierpień zamknął się jednak GLM-5.3. Analitycy śledzący rytm wydawniczy Z.ai oczekują teraz, że następne wydanie będzie miało numer 5.4, w oknie od mniej więcej 8 października do 9 listopada. Dziś jest 20 października — jesteśmy w tym oknie, a nic nie wydano.

Ten blog omawiał tę nazwę już tuzin razy, zawsze z tym samym wnioskiem, a przy nowej premierze Mercury pojawia się pokusa, by brakującego przeciwnika potraktować jako pozwolenie na pominięcie artykułu. Nie jest to jednak uzasadnione: zapytanie jest realne, a użyteczną odpowiedzią jest porównanie z modelem, który Z.ai faktycznie sprzedaje. Poniżej wymieniono, co musiałoby się pojawić, zanim tytuł stałby się trafny, a następnie przeanalizowano liczby, które istnieją.

Pięć rzeczy, które uczyniłyby GLM-5.5 modelem

• Identyfikator API — z-ai/glm-5.5, który rozwiązuje się w dowolnym publicznym katalogu. Nasz zwraca model-not-found, podobnie jak glm-5.4.

• Wiersz cennika — cena na stronie API modeli z.ai. Strona wymienia obecnie GLM-5.3 ($1.40/$4.40), GLM-5.3-Flash ($0.15/$0.50), GLM-5.3-FlashX ($0.37/$1.25) oraz wcześniejsze modele, a nic powyżej 5.3.

• Wpis w informacjach o wydaniu — strona „New Released” w docs.z.ai jest datowana według wpisu i sięga najpóźniej do 2026-08-26.

• Repozytorium wag lub wyraźne oświadczenie o braku wag — wszystkie najnowsze repozytoria tekstowe w kanale zai-org mają datę 2026-08-25.

Niezależna karta z datą — artificialanalysis.ai/models/glm-5-5 zwraca 404, podczas gdy glm-5-3 zwraca pełną stronę.

Każdy z nich byłby silnym sygnałem. Wszystkie pięć razem to obraz wydania; brak któregokolwiek z nich to obraz prognozy. Test można uruchamiać ponownie i należy go ponownie uruchomić, zamiast mu ufać, ponieważ negatywne ustalenie traci ważność w momencie, gdy dostawca wypuszcza produkt.

Rzeczywisty kontrast specyfikacji

• Cena — Mercury 3: 0,10 USD/0,35 USD za milion w momencie premiery, 0,20 USD/0,70 USD według cennika. GLM-5.3: 1,26 USD/3,96 USD w naszym katalogu, czyli 10% poniżej własnego cennika Z.ai wynoszącego 1,40 USD/4,40 USD.

• Kontekst — oba po 1 mln tokenów. Mercury 3 ma limit wyjściowy wynoszący 131 072 tokeny; GLM-5.3 ogranicza wyjście do 128 000.

• Architektura — {{1}}Mercury 3{{/1}} jest modelem dyfuzyjnym, generującym tokeny równolegle; {{2}}Inception{{/2}} twierdzi, że jest ponad 40 razy większy niż {{3}}Mercury 1{{/3}}, nie podając bezwzględnej liczby parametrów. {{4}}GLM-5.3{{/4}} to transformer typu mixture-of-experts, którego opublikowane szczegóły {{5}}Z.ai{{/5}} utrzymuje na poziomie rodziny.

• Szybkość — Mercury 3 przy 1,068 tok/s, wynik Inception, niepowtórzony. GLM-5.3 przy 88,4 tok/s na wyjściu, zmierzone na podstawie ruchu w naszym własnym playgroundzie przez siedem dni, z medianą opóźnienia end-to-end wynoszącą 3,3 sekundy.

• Niezależny wynik — GLM-5.3 uzyskuje 44,8 w Intelligence Index Artificial Analysis i 74,8 w Coding index, zajmując 14. miejsce w kodowaniu wśród monitorowanych modeli. Mercury 3 nie ma strony w Artificial Analysis.

• Wyniki zadań — GLM-5.3 osiąga 83,9% w Terminal-Bench 2.1 i 41,9% w Terminal-Bench 4.0, 91,7% w GPQA Diamond i 50,3% w τ²-Banking, wszystko według Artificial Analysis. Mercury 3 nie publikuje żadnych liczbowych wyników zadań; jego jedynym ustrukturyzowanym wynikiem jest 50% ukończenia 50 rzeczywistych zadań nawigacyjnych Mind2Web.

• Wagi — GLM-5.3 jest otwarty, a punkty kontrolne są dostępne na Hugging Face od 25 sierpnia. Wagi Mercury 3 nie zostały opublikowane i Inception nie zobowiązało się do ich publikacji.

• Modalności — tekst na wejściu, tekst na wyjściu w obu przypadkach.

Jedyny obszar, w którym GLM-5.3 jest jednoznacznie lepszym wyborem, jest najłatwiejszy do zweryfikowania: został zmierzony. Indeks kodowania 74,8 i wynik 83,9 w Terminal-Bench 2.1 mówią, co model robi w zadaniach, które potrafisz nazwać. Mercury 3 mówi, że bije Claude Haiku 5.5, nie podając, o ile, w jakich zadaniach ani przy którym z czterech ustawień wysiłku.

Ile jest warte 1,068 tokenów na sekundę i dla kogo

Argument za szybkością Mercury’ego nie polega na tym, że szybciej kończy zadanie kodowania w czasie zegarowym — model, który wykonuje więcej kroków albo wymaga ponowienia, może przegrać ten wyścig przy dowolnej przepustowości. Chodzi o to, że poszczególne tury wracają, gdy człowiek wciąż patrzy na ekran. Cytaty klientów samego Inception mówią to wprost: wskazówki tutoringowe w około sekundę, generowanie wyszukiwania przy medianie 0,9 sekundy, odpowiedzi wsparcia, które pozostają konwersacyjne.

GLM-5.3 przy 88,4 tokena na sekundę ma normalną prędkość autoregresyjną i byłoby to nieprzyjemne w przypadku któregokolwiek z tych zastosowań. Jest całkowicie wystarczający dla agenta, który działa przez sześć minut i raportuje wyniki, a taki właśnie kształt obciążenia opisuje jego profil benchmarkowy — kodowanie w skali repozytorium, wieloetapowa inżynieria, korzystanie z narzędzi w długich horyzontach czasowych.

To jest prawdziwa linia uskoku między tymi dwoma modelami — i nie jest nią cena. Chodzi o to, czy człowiek czeka. Jeśli tak, przepustowość Mercury 3 jest produktem, a jej brakujące benchmarki to ryzyko, które można ograniczyć budżetem na ponowienia. Jeśli nie, zmierzona kompetencja GLM-5.3 jest warta 11-krotnej premii w cenie tokenów wyjściowych, ponieważ błędna odpowiedź agenta działającego w tle kosztuje więcej niż tokeny, które zaoszczędził.

Koszt przy obciążeniu roboczym agenta kodującego

Agenci programistyczni są intensywni pod względem danych wejściowych: długi kontekst repozytorium, definicje narzędzi i historia rozmowy na każdym kroku. Weźmy 300 milionów tokenów wejściowych i 12 milionów tokenów wyjściowych dziennie — to niewielki zespół nieprzerwanie uruchamiający agentów. W Mercury 3 przy stawce startowej to 30 USD za dane wejściowe i 4,20 USD za dane wyjściowe, czyli 34,20 USD. Według ceny katalogowej: 60 USD i 8,40 USD, czyli 68,40 USD.

W przypadku GLM-5.3 przy naszej stawce katalogowej ten sam ruch to 378 USD za wejście i 47,52 USD za wyjście, czyli 425,52 USD dziennie. Cena cennikowa Z.ai wyniosłaby 420 USD i 52,80 USD, czyli 472,80 USD. Zatem premia wynosi około 6,2× przy cenie cennikowej Mercury’ego i 12,4× w oknie premierowym.

A teraz uczciwa przeciwwaga: jeśli współczynnik ukończeń Mercury’ego 3 w rzeczywistym zadaniu programistycznym jest istotnie niższy niż w GLM-5.3, ten mnożnik się załamuje. Model, który kończy dwie trzecie zadań, potrzebuje o 50% więcej prób, a każda próba ponownie wysyła kontekst repozytorium. Przy 33-procentowym niedoborze efektywna premia spada do około 4 razy — wciąż duża, wciąż realna, ale to już nie jest decyzja, którą można podjąć bez pomiarów. Wynik Mind2Web mówi, że Mercury potrafi nawigować po działającej stronie internetowej; nie mówi nic o tym, czy potrafi wprowadzić poprawkę.

Kwestia otwartych wag, która nie jest kwestią cenową

Wagi GLM-5.3 są dostępne na Hugging Face, co oznacza, że model można hostować samodzielnie, dostrajać na własnej bazie kodu lub przypiąć konkretną wersję, aby uchronić się przed wycofaniem. Dla zespołu, którego przewaga konkurencyjna opiera się na dostrojeniu modelu, to jest cały argument — i żadna cena rozwiązania hostowanego nie może się z tym równać. Mercury 3 nie oferuje takiej ścieżki: to produkt API, a ogłoszony w nim plan enterprise dotyczy dedykowanej przepustowości i retencji danych, a nie przekazania wag.

Kontrargument jest ekonomiczny. Samodzielne serwowanie modelu klasy GLM-5.3 kosztuje większość zespołów więcej w zakresie GPU i operacji niż 1,26 USD za milion tokenów wejściowych, a otwarta licencja to raczej ubezpieczenie niż plan. Ma znaczenie, gdy dostawca zmienia warunki, a nie ma znaczenia w zwykły wtorek.

Uruchamianie obu obok siebie

GLM-5.3 jest w naszym katalogu jako z-ai/glm-5.3 w cenie $1.26/$3.96 — to stawka z cennika dostawcy z marżą 0%, więc gdy Z.ai zmieni swoją cenę, zmiana jest widoczna po naszej stronie tego samego dnia, a nie dopiero w kolejnym cyklu rozliczeniowym. Mercury 3 nie ma w naszym katalogu; nasze API modeli zwraca błąd „model not found” dla każdego modelu Inception, więc droga do niego prowadzi przez własną platformę Inception, która nowym kontom przyznaje 100 milionów darmowych tokenów. GLM-5.3 kierujemy, a Mercury 3 nie kierujemy — i różnica w sposobie dotarcia do każdego z nich wynika właśnie z tego, a nie z naszych preferencji.

Sposobem na rozstrzygnięcie tego pojedynku własnym ruchem, a nie postem o premierze, jest ślepy podział routingu: wysłanie połowy kroków twojego agenta do Mercury 3 przez klucz Inception przy ustalonym poziomie wysiłku, a połowy do z-ai/glm-5.3, i porównanie współczynnika ukończenia oraz całkowitego kosztu na ukończone zadanie, a nie na token. Jeden punkt końcowy zgodny z OpenAI obsługuje stronę GLM wraz z ponad 200 innymi modelami, z automatycznym przełączaniem awaryjnym, więc jeśli pierwszy miesiąc nowego dostawcy będzie nierówny, twój mechanizm zapasowy jest już podłączony. DSL routingu może utrzymywać ten podział jako regułę, dzięki czemu gdy odpowiedź wróci, będzie to zmiana konfiguracji, a nie zmiana kodu.

Co robić, dopóki GLM-5.5 pozostaje jedynie nazwą

Jeśli trafiłeś tutaj, szukając GLM-5.5, uczciwa odpowiedź brzmi: Z.ai go nie wydało, a ten numer to prognoza. Obserwuj stronę z informacjami o wydaniach i kanał Hugging Face; gdy pojawi się repozytorium, nazwa stanie się modelem, a to porównanie stanie się przestarzałe w tym dobrym sensie. Analitycy spodziewają się kolejnego flagowca w oknie 8 października – 9 listopada, większość z nich przewiduje numer 5.4, a dziś jesteśmy w tym oknie, gdy nic nie opublikowano.

Jeśli musisz zdecydować już dziś, wybór jest między wyważonym modelem kodującym z otwartymi wagami w cenie około sześć do dwunastu razy wyższej a znacznie szybszym modelem tekstowym bez opublikowanych wyników benchmarków. Wybierz GLM-5.3 do zadań, których wyników nie przeczytasz przed wdrożeniem. Wybierz Mercury 3 do pracy, w której ktoś czeka, a ponowna próba jest tania. A Mercury 3 uwzględnij w budżecie według ceny katalogowej, ponieważ zniżka, która sprawia, że wygląda na darmowy, to jedyna liczba, której Inception nie obiecało utrzymać.