Mercury 3 vs Grok 4.7: Dwa zegary, nie dwa modele

Zapytaj, co Mercury 3 i Grok 4.7 mają wspólnego, a odpowiedzią jest zegar. Oba są reklamowane czasem, jaki zajmuje zadanie, ale rozumieją przez to coś przeciwnego. Mercury 3, wydany przez Inception 19 października 2026 r., został zaprojektowany tak, aby odpowiadać w niecałą sekundę: model dyfuzyjny generujący 1068 tokenów na sekundę na GPU NVIDIA, okno 1 mln tokenów oraz cztery ustawienia rozumowania, których najszybszy poziom nazywa się „instant”. Grok 4.7, wydany przez SpaceXAI 21 września 2026 r., został zaprojektowany do ciągłej pracy: okno 500 000 tokenów, drabinka rozumowania sięgająca najwyżej xhigh oraz niezależny pomiar pokazujący, że zużył około 240 milionów tokenów wyjściowych, aby ukończyć Artificial Analysis Intelligence Index, przy koszcie 3,74 USD na zadanie. Jeden model traktuje opóźnienie jako produkt. Drugi traktuje czas trwania jako produkt. Porównywanie ich na jednej linii wyników pomija jedyne pytanie, które się liczy — na którym zegarze faktycznie działa Twoje obciążenie. Oba końce polityki podziału mogą działać za jednym kluczem, a automatyczne przełączanie awaryjne przejmuje wolniejszą ścieżkę. Udokumentowane awarie AI i incydenty z agentami stojące za premierami takimi jak ta są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom ważności, ocenę pewności i flagę sporu.

Dwa zegary, wycenione

Zacznij od tego, co mówią karty stawek, ponieważ różnica jest wystarczająco duża, by zmienić to, co możesz zbudować:

• Wejście — Mercury 3 0,20 USD za 1 mln według ceny katalogowej (0,10 USD w momencie premiery) vs Grok 4.7 2,00 USD za 1 mln

• Wyjście — Mercury 3 0,70 USD za 1 mln według cennika (0,35 USD w momencie premiery) vs Grok 4.7 6,00 USD za 1 mln

• Buforowane dane wejściowe — Mercury 3: 0,02 USD za 1 mln (0,01 USD w momencie premiery) kontra Grok 4.7: 0,50 USD za 1 mln

• Kontekst — 1 000 000 tokenów vs 500 000

• Maksymalna długość wyjścia w jednej odpowiedzi — 131 072 tokeny w porównaniu z brakiem opublikowanego limitu dostawcy; nasza własna karta dla grok-4.7 podaje 450 000

• Modalność danych wejściowych — tylko tekst vs tekst i obrazy

• Ustawienia rozumowania — natychmiastowy, niski, średni, wysoki vs niski, średni, wysoki, xhigh

• Przepustowość — 1,068 tokenów na sekundę, zgłoszone przez dostawcę vs. nieopublikowane przez dostawcę

• Zmiana cen długich żądań — brak opublikowanych stawek vs podwojenie każdej stawki powyżej 200 000 tokenów wejściowych, stosowane do całego żądania

• Ciężary — zamknięte po obu stronach

Patrząc tylko na wiersz dotyczący outputu, Mercury 3 wygląda przy Grok 4.7 jak błąd zaokrąglenia: $0.70 wobec $6.00, czyli $0.35 w oknie premiery. Patrząc na wiersz dotyczący pamięci podręcznej, różnica się powiększa, a nie zmniejsza, ponieważ $0.02 wobec $0.50 to dwudziestopięciokrotność niezależnie od rabatu. To połączenie — tani output i niemal darmowe odczyty z pamięci podręcznej — sprawia, że pętla o wysokiej częstotliwości jest opłacalna, i to jest cel projektowy, dla którego model wyraźnie powstał.

Ale cennik to tylko połowa kosztu. Założenie projektowe samego Grok 4.7 zakłada, że trudny problem zasługuje na długi przebieg rozumowania, a niezależna tablica wyników pokazuje, ile to kosztuje, gdy problem jest wystarczająco trudny: 3,74 USD za ukończone zadanie indeksu wobec 0,72 USD dla GPT-6.1 Sol i, na tej samej tablicy, w ogóle braku wpisu Mercury 3. Grok 4.7 wydaje tokeny na myślenie. Mercury 3 kosztuje prawie nic za token i obiecuje myśleć szybko. To nie są konkurencyjne twierdzenia; to konkurencyjne budżety.

Co właściwie daje długi przebieg rozumowania

Grok 4.7 nie jest szybkim modelem, który zwolnił. To świadomy zakład, że wielogodzinna praca — pętle kodowania agentowego, analiza oparta na dużej liczbie dokumentów, profesjonalne materiały — premiuje model, który brnie dalej, a niezależne wyniki pokazują, że ten zakład się opłaca w konkretnych obszarach, a nie wszędzie po trochu.

• GDPval-AA, ekonomicznie wartościowa praca oparta na wiedzy — Grok 4.7 Elo 1711,07, drugi najwyższy wynik wśród porównywanych tu modeli i wyższy niż 1593,85 modelu GPT-6.1 Sol

SciCode — 0.5741, wyprzedzając zarówno GPT-6.1 Sol (0.5417), jak i Qwen3.8 Max (0.5208)

• HLE — 0,4314

• AA-LCR rozumowanie na długim kontekście — 0.7667

• Terminal-Bench 4.0 — 0.2576, najsłabsza wartość w swojej kolumnie

• AutomationBench — 0.6556, najsilniejszy z czterech modeli w tej serii

• Intelligence Index — 46,4 przy xhigh, według Artificial Analysis

• Koszt na zadanie indeksowania — 3,74 USD

Ten profil — mocny w pracy opartej na wiedzy i automatyzacji, słaby w programowaniu w stylu terminalowym — nie jest profilem flagowego modelu ogólnego przeznaczenia, a wiedza o nim jest bardziej użyteczna niż ranking. Zespół, który prowadzi długie autonomiczne sesje kodowania i wybiera do nich Grok 4.7, wybiera go wbrew własnym pomiarom.

Mercury 3 nie ma porównywalnej kolumny. Opublikowane przez Inception dowody mają inny charakter: 50-zadaniowy test nawigacji Mind2Web we własnym środowisku testowym, w którym ukończył 50% zadań, a także opinie partnerskie od TinyFish AI, RevisionDojo, Octen AI i Lorikeet. Na dzień 20 października 2026 r. nie ma wpisu w Artificial Analysis, co oznacza, że wszelkie twierdzenia o możliwościach Mercury 3 w tym tekście wykraczające poza szybkość i cenę pochodzą od dostawcy i nie zostały odtworzone. To nie jest powód, by go odrzucać — model mający dziewięć dni i niemający niezależnego wyniku to normalna sytuacja, a wczesne omówienia to dokładnie to, co ten blog ma publikować. To powód, by te dwie kolumny miały różne oznaczenia.

Trzy obciążenia, trzy odpowiedzi

Kolejka obsługi klienta lub agent głosowy. Każda milisekunda to klient, który czeka, a model musi być wystarczająco tani, aby działać przy każdej wiadomości. Mercury 3 wygrywa pod tym względem według opublikowanych danych: 1 068 tokenów na sekundę, 0,70 USD za wyjście według cennika, 0,02 USD za wejście z pamięci podręcznej, poziom „instant”, który całkowicie pomija rozumowanie. Grok 4.7 potrafi wykonać tę pracę, ale przy 6,00 USD za wyjście i domyślnym przebiegu rozumowania płaci za namysł, którego ta rozmowa nie potrzebuje. To przypadek, dla którego Inception zbudował ten model, a wszystkie cytaty partnerów pochodzą z produktów tego rodzaju.

Wielogodzinny agent do kodowania lub badań. Zadanie przebiega bez nadzoru, transkrypt rośnie powyżej kilkuset tysięcy tokenów, a model musi utrzymać plan przez wiele kroków. Tutaj istotnymi cechami są okno 500K Grok 4.7, rozumowanie xhigh i zmierzona skuteczność w pracy opartej na wiedzy, a istotnym kontrargumentem jest okno 1M Mercury 3: więcej miejsca, znacznie taniej za token, ale brak jak dotąd dowodów, że utrzymuje plan w długim horyzoncie. Warto też zauważyć, że Grok 4.7 podwaja wszystkie stawki powyżej 200 000 tokenów wejściowych dla całego żądania, podczas gdy Mercury 3 nie publikuje dopłaty za długie żądania. W przypadku naprawdę długiego transkryptu nominalna 8,6× różnica w koszcie wyjścia może zmaleć do poniżej 5× — i to jest reżim, w którym brak benchmarku dla Mercury 3 zaczyna boleć, ponieważ przewaga kosztowa pojawia się dokładnie tam, gdzie jego możliwości są najmniej potwierdzone.

Wszystko, co musi odczytać obraz. Grok 4.7 przyjmuje obrazy. Dokumentacja Mercury 3 podaje tekst jako jedyny obsługiwany format. To nie jest kwestia ceny i żadna liczba tokenów na sekundę tego nie rozstrzygnie.

Powód, aby uruchomić oba, zamiast wybierać

Podział jest niezwykle czysty, ponieważ oba modele zawodzą w różnych kierunkach: Mercury 3 jest tani i niezmierzony, Grok 4.7 jest drogi i zmierzony, a ich zakresy modalności i rozumowania ledwie się pokrywają. To kształt problemu routingu, a nie decyzji zakupowej.

Grok 4.7 jest dostępny w OrcaRouter w cenie katalogowej SpaceXAI z marżą 0%, w tym podwojoną stawkę powyżej 200K, więc koszt wypróbowania polityki jest taki sam jak koszt bezpośredniego wywołania dostawcy. Mercury 3 nie jest dostępny w routerze; jest udostępniany przez własne API Inception oraz kilka platform zewnętrznych i ma dziewięć dni. DSL routingu opłaca się tutaj w sposób, w jaki rzadko się to zdarza: wysyłaj żądania trybu natychmiastowego — krótkie prompty, rygorystyczne budżety opóźnień, bez obrazów — do Mercury 3, a wszystko, co wymaga obsługi obrazu lub rozumowania xhigh, pozostawiaj na Grok 4.7, i pozwól automatycznemu przełączaniu awaryjnemu wychwycić przypadek, w którym kolejka nowego modelu się zapycha. Politykę da się wyrazić; dowody na nią dostarczy ruch z następnego miesiąca.

Na co uważać przed przesunięciem budżetu

Dwa sygnały zmieniłyby to porównanie, a oba są konkretne.

• Wpis Mercury 3 w Artificial Analysis. Jeden wynik Intelligence Index i jedna wartość kosztu na zadanie pozwoliłyby stwierdzić, czy tani szybki model jest wystarczająco blisko Grok 4.7 w pracy opartej na wiedzy, by uzasadnić kierowanie rzeczywistego ruchu. Bez tego 1068 tokenów na sekundę jest faktem dotyczącym przepustowości, a nie twierdzeniem o możliwościach.

• Zużycie tokenów przez Grok 4.7 w Twoich własnych obciążeniach. Przebieg indeksowania obejmujący 240 milionów tokenów jest syntetycznym benchmarkiem; kolejka zgłoszeń do wsparcia i agent do kodowania zużywają bardzo różne ilości. Zmierz tokeny wyjściowe na ukończone zadanie w jednym reprezentatywnym tygodniu, zanim założysz, że stawka $6.00 ustala wysokość Twojego rachunku.

Tymczasem ignorować należy każde porównanie, które stawia oba modele w jednej kolumnie rankingu, nie odnotowując, że jeden z nich nigdy nie był na liście. Interesujący fakt dotyczący Mercury 3 nie polega na tym, że jest szybki — Inception od roku dostarcza szybkie modele dyfuzyjne — ale na tym, że jest szybki z oknem 1M w cenie, która czyni ekonomikę pojedynczego żądania trywialną. Interesujący fakt dotyczący Grok 4.7 nie polega na tym, że przewodzi rankingowi, bo nie przewodzi; polega na tym, że jest najmocniejszym modelem pod względem automatyzacji w tym zestawie i płaci za to tokenami. To różne produkty, a właściwa liczba ich do uruchomienia to prawdopodobnie nie jeden.