Mercury 3 vs Grok 4.6: jeden został zastąpiony, drugi jest niezmierzony, a oba są reklamowane jako szybkie

Pierwszym użytecznym faktem przy porównywaniu Mercury 3 z Grok 4.6 jest to, że Grok 4.6 nie jest obecnym modelem Grok. SpaceXAI udostępniło go 12 sierpnia 2026 r. w cenie 2,00 USD za milion tokenów wejściowych i 6,00 USD za milion tokenów wyjściowych, a od tego czasu wydało Grok 4.7; Artificial Analysis oznacza teraz 4.6 jako przestarzały i kieruje czytelników do nowszego modelu. Mercury 3 natomiast ma dwa dni: Inception Labs wydało go 19 października 2026 r. w cenie 0,20 USD i 0,70 USD za milion, o połowę mniej w oknie premierowym bez opublikowanej daty końcowej, i nikt bezstronny go w ogóle nie zmierzył. Uczciwe ujęcie tego zestawienia nie brzmi więc: „którego z tych dwóch powinienem użyć”. Polega ono na tym, że oba są sprzedawane przede wszystkim na podstawie liczby określającej szybkość, te dwie liczby szybkości nie są tego samego rodzaju, a jeden z tych dwóch produktów właśnie wychodzi z katalogu, podczas gdy drugiego nie przetestował jeszcze nikt, kto nie pracuje dla firmy, która go stworzyła. Udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są zebrane w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i oznaczenie sporności.

To czyni z tego porównanie dotyczące pomiaru, co jest akurat najbardziej przydatną rzeczą do poznania, zanim wycenisz którekolwiek z nich. Mercury 3 to dyfuzyjny model językowy — odszumia blok pozycji i zatwierdza je razem, zamiast emitować jeden token na przebieg — a Inception podaje 1 068 tokenów na sekundę na sprzęcie NVIDIA, ponad 40 razy więcej niż całkowita liczba parametrów Mercury 1, okno kontekstu zwiększone z 260 000 do 1 000 000 tokenów oraz limit wyjścia wynoszący 131 072 tokeny. Grok 4.6 to konwencjonalny model frontier zbudowany do długich przebiegów agentowych, z kontekstem 500 000 tokenów, wejściem tekstowym, obrazowym i plikowym oraz 75% zniżką na pamięć podręczną przy 0,50 USD za milion odczytów.

Co tak naprawdę mierzą te dwie liczby prędkości

Wartość 1068 tokenów na sekundę w przypadku Inception to wskaźnik przepustowości wyjściowej: tempo, w jakim tokeny opuszczają model, gdy tylko zacznie je generować. Artificial Analysis mierzy tę samą wielkość dla Grok 4.6 i uzyskuje 65,4 tokena na sekundę. Zestaw te dwie wartości obok siebie, a Mercury 3 wydaje się szesnaście razy szybszy. To prawdziwa różnica i nie jest to cała różnica, ponieważ przepustowość to tylko jedna z trzech liczb, z których składa się budżet opóźnienia.

Druga to czas do pierwszego tokenu, a tutaj obraz staje się mniej pochlebny dla tego ujęcia i bardziej interesujący. Artificial Analysis odnotowuje medianę czasu do pierwszego tokenu wynoszącą 37,19 sekundy dla Grok 4.6 w testowanym przez siebie obciążeniu, wobec mediany 3,75 sekundy wśród modeli na swojej tablicy wyników. Nasza własna siedmiodniowa telemetria playgroundu wskazuje p50 Grok 4.6 na 8,00 sekundy w ciągu jednego dnia, dla którego ma próbki. Żadna z tych wartości nie jest problemem ani przewagą Mercury 3 — Inception nie opublikowało żadnej liczby dotyczącej pierwszego tokenu, a jedynymi zewnętrznymi liczbami dotyczącymi opóźnień w jego ogłoszeniu są opinie klientów: Octen podał medianę czasu generowania na poziomie 0,9 sekundy i medianę odpowiedzi end-to-end na poziomie 2,2 sekundy, RevisionDojo podał, że odpowiedzi wracają „w około sekundę”, a Lorikeet stwierdził, że Mercury 3 pokonał inne modele pod względem opóźnienia, osiągając jednocześnie wyższe wyniki w jego ewaluacjach. To są przydatne sygnały, ale są to cytaty marketingowe, dotyczące obciążeń, których nikt spoza tych trzech firm nie może zbadać.

Trzecia liczba to ta, która decyduje o tym, czy szybki model jest użyteczny, i jest nią odsetek błędów. W naszej własnej infrastrukturze w ciągu ostatnich siedmiu dni ścieżka serwowania GPT-5.6 Sol zanotowała odsetek błędów na poziomie 0,05%. Grok 4.6 w jedynym dniu, dla którego ma telemetrię — 17 października 2026 r. — zanotował 86,7%. To jeden dzień próbek dla modelu, który działa od sierpnia, więc jest to ostrzeżenie dotyczące ścieżki serwowania, a nie werdykt o modelu, i to dokładnie taki rodzaj liczby, który nigdy nie pojawia się na stronie dostawcy. Dla Mercury 3 nie ma w ogóle odsetka błędów, ponieważ nie ma trasy, której można by zmierzyć.

Karta specyfikacji z informacją o pochodzeniu przy każdym wierszu

• Cena — Mercury 3: 0,20 USD / 0,70 USD za milion, 0,10 USD / 0,35 USD w momencie premiery, nie opublikowano daty zakończenia, dane wejściowe z pamięci podręcznej 90% taniej. Grok 4.6: 2,00 USD / 6,00 USD za milion do 200 000 tokenów, 4,00 USD / 12,00 USD za całe żądanie powyżej tego progu, odczyty z pamięci podręcznej 0,50 USD.

• Kontekst i dane wyjściowe — Mercury 3: 1 000 000 na wejściu, 131 072 na wyjściu. Grok 4.6: 500 000 na wejściu, przy czym na naszej stronie modelu nie opublikowano dla niego limitu wyjściowego.

• Modalności — Mercury 3: tylko tekst. Grok 4.6: tekst, obraz i plik na wejściu, tekst na wyjściu.

• Przepustowość — Mercury 3: 1 068 tokenów na sekundę, zmierzona przez Inception. Grok 4.6: 65,4 tokena na sekundę według Artificial Analysis; 256 tokenów na sekundę w naszym własnym playgroundzie w dniu, w którym miał próbki.

• Niezależne wyniki — Mercury 3: brak, nie istnieje strona Artificial Analysis. Grok 4.6: 44 w Artificial Analysis Intelligence Index, 37. miejsce spośród 217 modeli, oraz 76,8 w jego indeksie kodowania, 5. miejsce spośród 138.

• Status — Mercury 3: dwudniowy, niezmierzony. Grok 4.6: przestarzały na liście Artificial Analysis, zastąpiony przez Grok 4.7.

Porównanie kontekstu jest tym, które odwraca zwykłą kolejność. Mercury 3 oferuje dwukrotnie większe okno niż Grok 4.6 — milion tokenów w porównaniu z pół milionem — i robi to przy jednej dziesiątej ceny wejściowej. Na papierze nie jest to wyrównana rywalizacja w pracy z długimi dokumentami. W praktyce okno 500 000 tokenów jest już większe niż niemal każdy pojedynczy dokument, jaki ktokolwiek przetwarza, a ciekawe pytanie dotyczące okna o milionie tokenów w niemierzonym modelu nie brzmi, czy ono istnieje, lecz czy jakość się w nim utrzymuje. Artificial Analysis mierzy odtwarzanie informacji z długiego kontekstu wprost, a Grok 4.6 uzyskuje tam 80,3. Mercury 3 nie ma równoważnego wyniku, co oznacza, że okno miliona tokenów o nieznanej krzywej odtwarzania jest deklaracją pojemności, a nie deklaracją możliwości.

Co tak naprawdę kupujesz za cenę Grok 4.6

Grok 4.6 kosztuje dziesięć razy więcej niż Mercury 3 na wejściu i około dziewięć razy więcej na wyjściu według ceny katalogowej, a uczciwa odpowiedź na pytanie, co to daje, brzmi: zmierzoną pozycję na neutralnym stanowisku testowym, multimodalne wejście i opublikowany koszt na odpowiedź. Ten ostatni jest najbardziej użyteczny. Artificial Analysis podaje, że Grok 4.6 kosztuje 1,48 USD na zadanie Intelligence Index — liczba ta obejmuje już dowolną liczbę tokenów potrzebnych modelowi do ukończenia zestawu, co jest jedyną wartością kosztu na odpowiedź w całym tym porównaniu, dostępną dla któregokolwiek z modeli.

Z kolei stawka wyjściowa Mercury 3 na poziomie 0,70 USD to wartość za token, niemająca odpowiednika w przeliczeniu na pojedynczą odpowiedź. Jeśli zadanie w Mercury 3 zużywa taką samą objętość wyjścia co zadanie w Grok 4.6, kosztuje około jednej dziesiątej tego co ono. Jeśli zużywa trzykrotnie większą objętość — co jest prawdopodobne w przypadku modelu domyślnie ustawionego na niski nakład rozumowania przy pracy, którą Grok wykonuje przy wyższym nakładzie — kosztuje około jednej trzeciej, a argument strategiczny słabnie z „rzędu wielkości” do „znaczącej zniżki na nieprzetestowanym modelu”. Nikt jeszcze nie potrafi powiedzieć, który z tych wariantów jest prawdziwy. To nie jest retoryczne asekuractwo; to konkretny pomiar, którego brakuje.

Własne wyniki Groka 4.6, jakkolwiek je oceniać, są mocne tam, gdzie długi przebieg agentowy ich potrzebuje: 94,9 w GPQA Diamond, 42,9 w Humanity's Last Exam, 80,3 w przywoływaniu długiego kontekstu oraz wskaźnik kodowania 76,8, który plasuje go na piątym miejscu spośród 138 modeli. To przebiegi Artificial Analysis, a nie SpaceXAI, i dlatego w ogóle da się je porównać z Mercury 3 — a Mercury 3, nie mając takich przebiegów, nie może.

Problem zastąpionego modelu, który jest prawdziwą decyzją

Wybór Grok 4.6 dzisiaj oznacza wybór modelu, który jego własny dostawca już zastąpił. Grok 4.7 jest w naszym katalogu, a strona 4.6 w Artificial Analysis wyraźnie odsyła czytelników do niego. W przypadku obciążenia, które dopiero zamierzasz zbudować, rozpoczęcie od przestarzałego modelu to decyzja o późniejszej migracji; jedyne pytanie brzmi „kiedy”, a odpowiedź zwykle brzmi „podczas incydentu”.

To nie czyni Mercury 3 bezpiecznym wyborem. Nieprzebadany dwudniowy model i wycofywany dziewięciotygodniowy to różne rodzaje ryzyka, a żaden z nich nie jest opcją niskiego ryzyka w tej parze. To, co faktycznie ustala porównanie, jest węższe i bardziej użyteczne: jeśli chcesz przebadanego modelu z udokumentowanym kosztem na odpowiedź i multimodalnym wejściem, Grok 4.7 jest obecną wersją takiego modelu, a 4.6 jego poprzednikiem w tej samej cenie. Jeśli chcesz najtańszych tokenów tylko do tekstu dostępnych gdziekolwiek z oknem miliona tokenów, Mercury 3 jest tym, z zastrzeżeniem, że najniższa liczba na jego karcie to promocja bez daty końcowej.

Grok 4.7 znajduje się w katalogu OrcaRouter po stawkach samego SpaceXAI, dostępny przez ten sam punkt końcowy zgodny z OpenAI, tak jak wszystko inne, co kierujemy, bez doliczonej marży i z automatycznym przełączaniem awaryjnym między dostawcami, gdy jedna ścieżka osiągnie limit zapytań — co, biorąc pod uwagę odsetek błędów, który nasza telemetria zarejestrowała na ścieżce obsługi wersji 4.6 17 października, nie jest korzyścią teoretyczną. Mercury 3 nie ma w katalogu: nasze API modeli nic nie zwraca dla żadnego modelu Inception, więc każdy, kto go wywołuje, trafia na platformę Inception, gdzie nowe konta otrzymują 100 milionów darmowych tokenów, albo na jedną z kilku platform zewnętrznych, które go hostują.

Wzorzec routingu pasujący do tej pary nie jest podziałem według ceny. To podział według tego, co jesteś skłonny pozwolić, by zawiodło. Przenieś ruch przestarzałego modelu na bieżący, skieruj ograniczony wycinek pracy wyłącznie tekstowej do Mercury 3, zachowaj model objęty pomiarami jako fallback i pozwól mechanizmowi przełączania awaryjnego obsłużyć przypadek, w którym nowa ścieżka ma zły dzień. Wycinek jest wartością konfiguracji; fallback jest regułą routingu; decyzję o jego rozszerzeniu lub zawężeniu podejmą Twoje własne wskaźniki błędów w ciągu tygodnia.

Co robić w poniedziałek

Jeśli praca dotyczy długiego tekstu, wolumen jest duży, a odpowiedzi można sprawdzić, cennik Mercury 3 wart jest ograniczonego eksperymentu w tym tygodniu — 100 milionów darmowych tokenów na platformie Inception pokrywa test, a okno miliona tokenów oznacza, że możesz wysłać cały dokument, zamiast zgadywać na fragmentach. Zwróć uwagę na dwie rzeczy: czy liczba tokenów wyjściowych na zadanie odbiega od twojego punktu odniesienia Sol lub G​rok oraz czy jakość spada pod koniec długiego kontekstu. Oba są mierzalne w ciągu dnia i żadne nie wymaga czyjegokolwiek benchmarku.

Jeśli praca obejmuje obrazy, działa godzinami z narzędziami w pętli albo musi być poprawna za pierwszym razem, odpowiedzią w tym zestawieniu nie jest Grok 4.6. To Grok 4.7 albo jeden ze zmierzonych modeli z czołówki, a uczciwy powód jest taki, że 4.6 jest przestarzały, a Mercury 3 nie został zmierzony — wybór między dwoma modelami, których nie postawiłbyś przed klientem bez fallbacku w odwodzie.

Liczba, która to wszystko zmieniłaby, to neutralny koszt na ukończone zadanie dla Mercury 3. Jedna wartość — na stanowisku testowym, które dało 1,48 USD w przypadku G​rok — zamieniłaby główną niepewność tego artykułu w stosunek. Dopóki jej nie ma, najbardziej obronne stanowisko jest to nudne: tanie tokeny są prawdziwe, twierdzenie o szybkości jest wiarygodne i pochodzi z jednego źródła, a jedyne, co możesz sam zweryfikować, to własny wskaźnik błędów na własnym ruchu.