Mercury 3 kontra GPT-6 Astra: 28 razy wyższa cena za tokeny wyjściowe, kupowana po jednym poziomie wysiłku na raz

Mercury 3 i GPT-6 Astra różnią się 28-krotnie pod względem ceny tokenów wyjściowych — 0,35 USD za milion w oknie startowym Inception wobec 50,00 USD od OpenAI — oraz około 18-krotnie pod względem przepustowości w przeciwnym kierunku. Te dwie liczby łatwo przytoczyć i same w sobie są niemal bezużyteczne, ponieważ Astra nie jest jednym modelem w jednej cenie. To drabina rozumowania: pięć poziomów wysiłku, wynik indeksu rosnący od 46 na dole do 53 na górze i rachunek, który rośnie wraz z nim. Mercury 3 też ma poniekąd drabinę — cztery ustawienia wysiłku i domyślne na dole — ale przy żadnym z nich nie podano niezależnego wyniku. Zatem prawdziwe pytanie w tym starciu nie brzmi, czy Astra jest warta 28 razy więcej niż Mercury 3. Brzmi ono, jak wysoko na drabinie Astry naprawdę musisz się wspiąć i czy praca, którą wykonujesz, w ogóle potrzebuje drabiny. Udokumentowane awarie AI i incydenty z agentami, które kryją się za wydaniami takimi jak to, są zebrane w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom dotkliwości, ocenę pewności i oznaczenie sporności.

Liczba, która o tym decyduje — i nie jest to cena.

Artificial Analysis ocenia GPT-6 Astra na 53 punkty w swoim Intelligence Index przy maksymalnym poziomie wysiłku modelu, co plasuje go na siódmym miejscu wśród 216 modeli w indeksie, przy około 3,26 USD kosztu obliczeń na zadanie indeksu. Uruchom ten sam zestaw przy najniższym poziomie wysiłku, a wynik wyniesie 46. Pięć poziomów, w kolejności, to 46, 50, 51, 52 i 53.

Przeczytaj tę drabinkę dwa razy. Pierwsze odczytanie jest takie, że najwyższy szczebel jest tylko siedem punktów powyżej najniższego, w zestawie, w którym siedem punktów to dużo — modele poniżej Astry i modele powyżej niej dzieli mniejszy margines niż ten. Drugie odczytanie jest takie, że czwarty szczebel, na poziomie 52, jest w odległości jednego punktu od szczytu i przypuszczalnie tańszy. Jeśli twoje zadanie nie wymaga ostatniego punktu, nie wybierasz między Mercury 3 a modelem z 53 punktami; wybierasz między Mercury 3 a modelem z 52 punktami, a ceną dotarcia tam jest parametr, a nie inny model.

Mercury 3 nie oferuje takiego wyboru, ponieważ nie ma ku czemu się wspinać. Nie ma wyniku indeksu na poziomie instant, low, medium ani high. Własne porównawcze twierdzenie Inception — że Mercury 3 przewyższa GPT-6 Luna i Claude Haiku 5.5 — dotyczy warstwy szybkiej, zostało sformułowane bez marginesów, a jego jedynym ustrukturyzowanym wynikiem jakościowym jest 50% ukończenia na 50 zadaniach nawigacyjnych Mind2Web na żywo w ramach własnego środowiska agentowego. To realny wynik, ale na małej próbie, i nie mówi, gdzie Mercury 3 znalazłby się w indeksie 216 modeli, gdyby został do niego dodany jutro.

Co tak naprawdę zawiera token wyjściowy za 50 dolarów

GPT-6 Astra przyjmuje tekst, obrazy i pliki, utrzymuje okno kontekstu o wielkości 1,05 mln tokenów i zwraca do 128 tys. tokenów. Jej standardowy cennik wynosi 10,00 USD za milion tokenów wejściowych i 50,00 USD za milion tokenów wyjściowych, a buforowane wejście kosztuje 1,00 USD. Powyżej 272 000 tokenów wejściowych całe żądanie jest wyceniane ponownie po 20,00 USD i 75,00 USD, a buforowane wejście po 2,00 USD — ta granica nie jest progiem marginalnym, lecz przełącznikiem, który podwaja cały rachunek. Przetwarzanie wsadowe i flex obniżają stawki o połowę; tryb szybki podwaja je. Rozumowanie jest zawsze włączone i działa od niskiego do maksymalnego poziomu.

Dwie pułapki kryją się w tym akapicie. Granica 272 000 tokenów oznacza, że żądanie na 280 000 tokenów kosztuje dwa razy więcej niż żądanie na 270 000 tokenów, bez częściowego rozliczenia — więc przycinanie kontekstu w pobliżu tej granicy jest warte więcej wysiłku inżynierskiego, niż poświęca mu większość zespołów. A to, co O​penAI reklamuje jako „GPT-6 Astra Pro”, nie jest osobnym modelem ani osobnym SKU; to ustawienie pro na pokrętle rozumowania, co oznacza, że jest osiągalne z tego samego punktu końcowego po tych samych stawkach i nie trzeba do jego użycia nowej umowy.

Mercury 3, dla porównania, ma ceny katalogowe $0.20 i $0.70, obniżone o połowę na okres premiery do $0.10 i $0.35, a wejście z pamięci podręcznej kosztuje $0.02 i $0.01. Jedno okno kontekstu o rozmiarze 1 mln tokenów, jedna maksymalna długość wyjścia wynosząca 131 072, brak poziomów, brak granic, brak mnożnika wsadowego. Cennik ma cztery wiersze. Ta prostota ma wartość samą w sobie — model kosztów, który można utrzymać w głowie, nie dryfuje.

Model kosztów, którego nikt nie stosuje: tokeny na zadanie, a nie cena za token

Cena Astry za token to najmniej interesująca liczba dotycząca kosztów Astry. Artificial Analysis podaje, że pełny przebieg Intelligence Index na Astrze zużywa łącznie około 60 milionów tokenów wyjściowych, a jedno zadanie w ramach indeksu kosztuje około 3,26 USD. Podziel jedno przez drugie, a otrzymasz stosunek, który ma znaczenie: Astra wydaje bardzo dużo na myślenie, zanim wyda cokolwiek na udzielenie odpowiedzi.

Mercury 3 w momencie premiery jest wyceniany czternastokrotnie niżej niż Astra, a według cennika Mercury’ego 71 razy niżej od standardowej stawki Astry. Porównanie ceny za token zakłada jednak, że oba modele generują porównywalną liczbę tokenów dla tego samego zadania, a wszystko, co wiadomo o dekodowaniu dyfuzyjnym, przemawia przeciwko temu. Model dyfuzyjny określa blok pozycji w ustalonej liczbie przebiegów odszumiania; długość jego wyjścia jest właściwością odpowiedzi, a nie wewnętrznego monologu, który rozwija się przed odpowiedzią. Długość wyjścia Astry jest zdominowana przez monolog.

To działa w obie strony i oba te kierunki warto omówić. W zadaniu wymagającym intensywnego rozumowania, w którym Astra zużywa 100 000 tokenów rozumowania, aby uzyskać poprawną odpowiedź, przewaga Mercury 3 jest znacznie większa niż 14x, ponieważ Mercury 3 w ogóle nie płaci za monolog — choć to, czy bez niego dochodzi do tej samej odpowiedzi, jest właśnie otwartą kwestią. W zadaniu z krótką odpowiedzią, w którym Astra odpowiada w trzystu tokenach przy niskim wysiłku, monolog nigdy nie występuje, a porównanie sprowadza się do cennika: 14x przy premierze, 71x według ceny katalogowej Mercury'ego.

Sprawdźmy to w realnym obciążeniu. Dziesięć milionów tokenów wejściowych i dwa miliony tokenów wyjściowych dziennie, w mieszance zadań obsługi klienta i streszczania. W przypadku Astra przy stawkach standardowych to 100 USD za wejście i 100 USD za wyjście — 200 USD dziennie, około 6 000 USD miesięcznie. W przypadku Mercury 3 według cennika to 2 USD i 1,40 USD — 3,40 USD dziennie, około 102 USD miesięcznie. Przy stawkach startowych to znowu połowa tej kwoty. Ten sam ruch, 59 razy większe wydatki, a pytanie, czy odpowiedzi modelu Astra są 59 razy lepsze, jest takie, na które nikt obecnie nie potrafi odpowiedzieć liczbą.

Gdzie router faktycznie pomaga w tym starciu

GPT-6 Astra znajduje się w katalogu OrcaRouter. Jest dostępny z tego samego punktu końcowego zgodnego z OpenAI co pozostałe modele, które obsługujemy, według stawek z cennika OpenAI, bez doliczania czegokolwiek po naszej stronie — 10,00 USD za wejście, 50,00 USD za wyjście, 1,00 USD za cache oraz poziom długiego kontekstu po 20,00 USD i 75,00 USD powyżej granicy 272 000 tokenów — przy czym dostępne są zarówno Chat Completions, jak i Responses API, w zależności od tego, jakiego formatu używa już Twój kod.

Mercury 3 nie znajduje się w katalogu. Nasze API modeli nic nie zwraca dla żadnego modelu Inception, więc wywołanie go oznacza przejście na własną platformę Inception, gdzie nowe konta otrzymują obecnie 100 milionów darmowych tokenów, albo na jedną z platform wnioskowania wymienianych przez Inception. Wolimy to powiedzieć, niż pozwolić, by tekst porównawczy sugerował ścieżkę, której nie mamy.

Warstwa routingu daje ci tutaj drugie pokrętło innego rodzaju niż poziomy wysiłku Astry. Pięć poziomów wysiłku to własne pokrętło Astry, a przechodzenie na wyższe poziomy kosztuje pieniądze na każdym szczeblu. Routing pozwala ci wybrać jak rzadko w ogóle płacisz za Astrę: kieruj większość ruchu do modelu w szybkiej warstwie, do której kierujemy ruch — GPT-6 Luna za $0.10 i $0.50 lub Claude Haiku 5.5 za $1.00 i $5.00 — a Astrę rezerwuj na poziomie high lub max dla tej części żądań, które są naprawdę trudne, z automatycznym przełączaniem awaryjnym, jeśli dostawca ulegnie degradacji i DSL-em routingu pozwalającym wyrazić ten podział jako regułę, a nie gałąź kodu. Oszczędność nie tkwi w stawce Astry; tkwi w tym, jak często jej unikasz.

To zresztą także uczciwy sposób oceniania Mercury 3. Umieść go na ścieżce szybkiej klasy obok Luna i Haiku 5.5, gdzie według własnego porównania Inception powinien się znaleźć, i sprawdź, czy wygrywa w twoich zadaniach. Bezpośrednie porównywanie go z Astra to porównywanie modelu bez wyniku indeksu z modelem na siódmym szczeblu indeksu obejmującego 216 modeli, a wynik powie ci więcej o niedopasowaniu niż o którymkolwiek z tych modeli.

Jednego szczegółu warstwa routingu nie powinna zaokrąglać — i my tego nie robimy: cennik Astry ma próg przy 272 000 tokenów wejściowych, który powoduje ponowną wycenę całego żądania, oraz tryb wsadowy, który obniża tę cenę o połowę. To nie są marginalne korekty, a rozliczanie po cenie katalogowej ma sens tylko wtedy, gdy przekazuje dalej również te niewygodne elementy.

Porównanie, które by to rozstrzygnęło

Tym, co rozstrzygnęłoby pojedynek Mercury 3 vs GPT-6 Astra, nie jest wpis premierowy ani ten artykuł. Jest nim jedna liczba: pozycja Mercury 3 na tym samym indeksie, na którym znajduje się Astra, przy podanym ustawieniu wysiłku, na tym samym zestawie testów, zmierzona przez kogoś, kto nie jest Inception. Dopóki taka liczba nie istnieje, każde porównanie tych dwóch modeli jest porównaniem modelu zmierzonego z niezmierzonym, a temu zmierzonemu należy domyślnie przyznać korzyść wątpliwości — nie z szacunku dla OpenAI, lecz dlatego, że wynik, który można sprawdzić, jest wart więcej niż wskaźnik przepustowości, którego sprawdzić nie można.

Przydatnym podejściem na razie jest to, które sugeruje własna drabina Astry. Większość pracy nie potrzebuje najwyższego szczebla czegokolwiek. Kieruj większość swojego ruchu do najtańszego modelu, który spełnia twoją poprzeczkę jakości, zachowaj drogi szczebel dla zapytań, które jej nie spełniają, a Mercury 3 traktuj jako kandydata do taniej ścieżki, a nie jako alternatywę dla drogiej. Jeśli okaże się, że spełnia poprzeczkę za jedną czternastą ceny, odkryjesz to na własnych zadaniach, czyli jedynym zestawie, na którego wynikach możesz faktycznie oprzeć swoje działania.