Mercury 3 vs Mistral Large 4: Dwa niedokończone modele i obietnice z każdym z nich związane

Żaden z tych modeli nie jest ukończony, a sposoby, w jakie są nieukończone, są przeciwne. Mercury 3 został wydany przez Inception Labs 19 października 2026 r. jako produkt dostępny w sprzedaży po 0,20 USD za milion tokenów wejściowych i 0,70 USD za milion tokenów wyjściowych i nie ma żadnej niezależnej oceny jakiegokolwiek rodzaju — żadnego wyniku Artificial Analysis, żadnego zewnętrznego harnessu, nic. Mistral Large 4 został ogłoszony przez Mistral 6 października 2026 r. jako publiczna wersja zapoznawcza po 1,36 i 4,18 USD za milion i ma niezależny wynik 38 w Artificial Analysis Intelligence Index oraz zmierzony koszt 1,13 USD na zadanie indeksu, ale jego wagi — które Mistral obiecał opublikować „do końca miesiąca” — nie zostały opublikowane na Hugging Face w momencie pisania tego tekstu, a własny przebieg uczenia ze wzmocnieniem tej wersji zapoznawczej wciąż trwał w momencie ogłoszenia. Udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są zebrane w the OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom ważności, ocenę pewności i flagę sporności.

Porównanie dotyczy więc modelu, którego wszystkie liczby są podawane przez dostawcę, oraz modelu, którego liczby nie wszystkie są ostateczne. Należą też do różnych kategorii produktowych: Mercury 3 to wyłącznie tekstowy dyfuzyjny model językowy z kontekstem miliona tokenów i deklarowaną przepustowością 1068 tokenów na sekundę, natomiast Mistral Large 4 to natywnie multimodalny model mixture-of-experts z bilionem parametrów i 52 miliardami aktywnych parametrów, wytrenowany na 3800 GPU NVIDIA Grace Blackwell we francuskich centrach danych i wyraźnie pozycjonowany wokół europejskiej suwerenności AI. Jeśli Twoje obciążenie jest tekstowe, a ograniczeniem są koszty, ta różnica jest rozstrzygająca, zanim w ogóle spojrzy się na jakikolwiek benchmark. Jeśli nie, te dwa modele ledwo ze sobą konkurują.

Mercury 3 i ta konkretna rzecz, której brakuje

Model firmy Inception jest trzecią generacją jej zakładu o dekodowanie równoległe. Zamiast jednego tokenu na przebieg w przód Mercury odszumia blok pozycji i zatwierdza je jednocześnie — stąd ponad 1000 tokenów na sekundę. Według Inception Mercury 3 ma ponad 40 razy większą łączną liczbę parametrów niż Mercury 1, z oknem kontekstu powiększonym z 260 000 do 1 000 000 tokenów i górnym limitem wyjścia wynoszącym 131 072 tokeny, i działa z szybkością 1 068 tokenów na sekundę na nieokreślonym sprzęcie NVIDIA.

Brakuje jakiegokolwiek pomiaru, którego Inception nie przeprowadziło. Jedynym ustrukturyzowanym wynikiem jakościowym w ogłoszeniu jest test agenta na działających stronach: 50 zadań nawigacyjnych Mind2Web na prawdziwych stronach internetowych w ramach własnego produkcyjnego środowiska testowego Inception, gdzie Mercury 3 ukończył 50% — 25 zadań — co według Inception jest „znacznie więcej niż GPT-6.1-Sol” przy tej samej liczbie tokenów i kroków. Jest to ciekawsze niż tabela benchmarków, ponieważ strony były działające, i mniej wiarygodne z tego samego powodu, dla którego zawsze mniej wiarygodna jest demonstracja dostawcy: Inception wybrało środowisko testowe, cele i sposób oceniania. Według stanu na 20 października 2026 r. nie ma strony Artificial Analysis dla Mercury 3, więc nie ma neutralnego wskaźnika przepustowości, neutralnego kosztu na zadanie ani neutralnej krzywej recall dla tego okna miliona tokenów.

Konsekwencja jest konkretna, a nie filozoficzna. Kontekst miliona tokenów z niezmierzoną krzywą czułości to twierdzenie o pojemności: tokeny się mieszczą, a nikt nie ustalił, jak dużą ich część model faktycznie wykorzystuje. Mercury 2.5 uzyskał wynik 12 w Artificial Analysis Intelligence Index, co mówi, gdzie plasowała się poprzednia generacja, a nic o tej.

Mistral Large 4 i konkretna rzecz, która jest niedokończona

Model Mistrala to zupełnie inna propozycja, a ogłoszenie jest w tej kwestii nietypowo konkretne. To natywnie multimodalny model o 1 bilionie parametrów i 52 miliardach parametrów aktywnych — rzadka mieszanina ekspertów, więc większość z tego biliona nie wykonuje pracy przy żadnym konkretnym tokenie. Obsługuje dokumenty, wykresy, obrazy naturalne, rysunki techniczne i gigapikselowe zdjęcia satelitarne, a został wytrenowany na danych obejmujących ponad 160 języków, w tym wszystkie oficjalne języki UE.

• Kodowanie — 61,7% w DeepSWE v1.1, 59,4% w SWE-Atlas-QnA, 28,3% w Terminal-Bench 4, co daje łączny Coding Agent Index na poziomie 49,8%. Wszystkie dane zgłoszone przez Mistral.

Agenci i cyberbezpieczeństwo — 59,9% w AutomationBench, 1393 Elo w AA-Briefcase, 82% w teście odtwarzania i łatania rzeczywistych luk w zabezpieczeniach, który według Mistrala jest najlepszy spośród wszystkich modeli, 93% w Cybench i 93,3% odporności na ataki w B3 firmy Lakera.

• Wizja — 42% w Dense 200 w zakresie visual groundingu, nieznacznie wyprzedzając GPT-6 Astra z 41%.

• Ocena człowieka — 3,74 na 5 w ślepym teście kodowania Surge AI, drugie miejsce spośród pięciu modeli, za Claude Opus 5 z wynikiem 4,22. Badanie przeprowadziła niezależna strona trzecia; Mistral je zlecił i opublikował.

• Niezależny agregat — 38 w Artificial Analysis Intelligence Index, 66. miejsce spośród 217, przy 1,13 USD za zadanie indeksowe, 67,5 tokenu wyjściowego na sekundę i czasie do pierwszego tokenu wynoszącym 1,65 sekundy.

• Status — wersja zapoznawcza, wagi obiecane do końca października 2026 r., w momencie ogłoszenia trening RL wciąż trwał.

Klasyfikacja zasługuje na ostrożność. Dokumentacja samego Mistrala wymienia generację v26.10 jako „Open” i open-weight; strona Artificial Analysis, odczytana 20 października, wciąż podaje „proprietary” oraz „wagi modelu nie są publicznie dostępne”. Oba stwierdzenia są poprawne w różnych momentach: licencja wyraża intencję, a wag jeszcze nie ma na dysku. Każdy, kto buduje wdrożenie przy założeniu, że Mistral Large 4 będzie można pobrać w listopadzie, powinien zauważyć, że obietnica ma datę, lecz jeszcze nie ma repozytorium.

Dwa cenniki i liczba, która sprawia, że różnica wydaje się mniejsza, niż jest

Na papierze Mercury 3 jest dramatycznie tańszy: 0,70 USD za milion tokenów wyjściowych wobec 4,18 USD oraz 0,20 USD za tokeny wejściowe wobec 1,36 USD. To sześciokrotna różnica według cennika katalogowego, a dwunastokrotna w oknie startowym Mercury’ego przy 0,10 USD i 0,35 USD; własna cena promocyjna Mistrala wynosząca 0,68 USD i 2,09 USD zawęża ją do około sześciokrotności.

Koszt na odpowiedź to poziom, na którym następuje dalsza kompresja, i jedyna liczba w tym artykule, którą zmierzył ktoś inny niż sprzedawca modelu. Artificial Analysis podaje, że Mistral Large 4 Preview kosztuje 1,13 USD za zadanie Intelligence Index. Mercury 3 nie ma odpowiednika, więc jedynym sposobem skonstruowania takiej wartości jest założenie wolumenu tokenów — a wcześniejsze porównania modelu Mercury pokazały, dlaczego to założenie ma znaczenie: model, który zużywa 31 000 tokenów wyjściowych tam, gdzie inny zużywa 193 000, może być 20 razy droższy za token, a mimo to tańszy na odpowiedź. Przy 0,70 USD za milion tokenów Mercury 3 potrzebowałby około 1,6 miliona tokenów wyjściowych, aby kosztować 1,13 USD za jedno zadanie. Nie zużyje tyle. Przy dowolnym realistycznym wolumenie wychodzi znacznie poniżej 1,13 USD, i to jest uczciwe sedno jego argumentacji: przewaga na token przetrwa tu korektę na odpowiedź, czego nie zrobiła w starciu z GPT-6 Sol.

• Kontekst — Mercury 3: 1 000 000 tokenów według dokumentacji Inception. Mistral Large 4: 1 000 000 według karty modelu Mistral, w porównaniu z 524 288 w testowanej konfiguracji Artificial Analysis.

• Multimodalność — Mercury 3: tekst na wejściu, tekst na wyjściu, żadnych obrazów za żadną cenę. Mistral Large 4: dokumenty, wykresy, fotografie, rysunki techniczne, obrazy satelitarne.

• Szybkość — Mercury 3: 1068 tokenów na sekundę, zmierzone przez dostawcę. Mistral Large 4: 67,5 tokena na sekundę według Artificial Analysis, z czasem do pierwszego tokena wynoszącym 1,65 sekundy, co jest naprawdę szybkie jak na model tej wielkości.

• Wagi — Mercury 3: nie opublikowano żadnych, a organizacja Inception na Hugging Face nie posiada repozytoriów modeli. Mistral Large 4: obiecany do końca października, jeszcze nieopublikowany.

• Ład — Mercury 3: brak opublikowanego oświadczenia dotyczącego danych treningowych lub wdrożenia w UE. Mistral Large 4: trenowany w europejskich centrach danych, wdrożenie obsługiwane z Europy, wszystkie oficjalne języki UE.

Linię dotyczącą długiego kontekstu warto przeczytać dwa razy. Dokumentacja Mistrala podaje milion tokenów; Artificial Analysis testowało przy 524 288. To nie jest sprzeczność — dostawcy testują przy dowolnej potędze dwójki, którą obsługuje ich środowisko testowe — ale przypomina, że liczba dotycząca kontekstu to maksimum, a nie przetestowana możliwość, i że skuteczność Mistral Large 4 w przywoływaniu informacji z długiego kontekstu również nie została opublikowana dla pełnego okna.

Gdzie europejski argument naprawdę gryzie

Argument suwerenności nie jest ozdobnikiem tego modelu; to powód, dla którego kilku nabywców wybierze go zamiast czegoś tańszego i lepszego. Wytrenowany na GPU Blackwell w francuskich centrach danych, obsługiwany z Europy, wielojęzyczny we wszystkich oficjalnych językach UE — dla nabywcy z sektora publicznego lub regulowanego europejskiego przedsiębiorstwa taka kombinacja może przeważyć nad dwunastoma punktami indeksu inteligencji, ponieważ alternatywy może w ogóle nie dać się nabyć.

Mercury 3 nie oferuje niczego z tego. Inception nie opublikował nic na temat tego, gdzie model jest uruchamiany, na jakich danych został wytrenowany ani jakie warunki przechowywania danych obowiązują — poza stwierdzeniem, że klienci korporacyjni mogą kupić dedykowaną moc obliczeniową, automatyczne skalowanie, mechanizmy kontroli zgodności i konfigurowalne przechowywanie danych. To są właściwe rzeczy do sprzedawania przedsiębiorstwu i nie są tym samym co opublikowane stanowisko dotyczące przetwarzania danych.

Jest jeszcze jeden zawiły element europejskiej opowieści, który warto odnotować, a nie rozstrzygać: obietnica otwartych wag. Jeśli Mistral opublikuje wagi pod koniec października, europejski nabywca otrzyma coś, czego żadne amerykańskie laboratorium obecnie nie oferuje w tej skali — multimodalny model bliski czołówce, który może działać w ich własnym obwodzie, na ich własnym sprzęcie, bez dostawcy na ścieżce żądania. To zasadniczo inny produkt niż API podglądowe i właśnie dlatego brakujące repozytorium ma większe znaczenie niż brakujące punkty benchmarku.

Oba te modele zostały wycofane z naszego katalogu, co zmienia rekomendację.

Mercury 3 nie znajduje się w katalogu OrcaRouter, podobnie jak Mistral Large 4 — nasze API modeli nie zwraca nic dla żadnego z nich, niezależnie od wypróbowanego wariantu sluga. To jest wystarczająco nietypowe, by powiedzieć to wprost, ponieważ oznacza, że tego porównania nie można zakończyć stwierdzeniem „umieść oba na jednym kluczu”. Każdy, kto wywołuje którykolwiek z tych modeli, zwraca się bezpośrednio do dostawcy lub do jednej z kilku platform zewnętrznych, które go hostują.

To, co warstwa routingu nadal robi w tej sytuacji, to ta część, która nie wymaga hostowania modelu: trzyma modele, które routujemy, za jednym punktem końcowym kompatybilnym z OpenAI, i pozwala wyrazić regułę określającą, który ruch dokąd trafia. Jeśli wagi Mistrala pojawią się pod koniec października, ciekawa architektura nie polega na „używaniu Mistral Large 4 do wszystkiego” — to samodzielnie hostowana ścieżka Mistrala dla dokumentów, które nie mogą opuścić Twojego obwodu, routowany model czołowy dla pracy, która może, oraz reguła, która decyduje między nimi. Ta sama reguła obsługuje Mercury 3, jeśli Inception udostępni go w miejscu, do którego mamy dostęp, i obsługuje przypadek, gdy kończy się promocyjna oferta cenowa któregokolwiek z dostawców, co w przypadku Mercury 3 nie ma ogłoszonej daty.

Kto powinien co wybrać i co zmieniłoby odpowiedź?

Wybierz Mercury 3, jeśli praca dotyczy tekstu, wolumen jest duży, a odpowiedzi są tanie do zweryfikowania. Cennik jest od sześciu do dwunastu razy tańszy niż Mistral Large 4 w zależności od aktualnie obowiązujących cen, okno kontekstu ma taki sam rozmiar deklarowany, a brak neutralnego wyniku to ryzyko, które możesz zmierzyć we własnym wskaźniku błędów w ciągu dnia. Rezygnujesz z wszelkich form danych wejściowych innych niż tekst oraz z możliwości audytu zachowania modelu przed jego wdrożeniem.

Wybierz Mistral Large 4, jeśli dane wejściowe obejmują obrazy, rysunki lub skany; jeśli zamówienia wymagają europejskiego trenowania i eksploatacji; jeśli czas do pierwszego tokenu wynoszący 1,65 sekundy ma większe znaczenie niż surowa przepustowość; albo jeśli obietnica otwartych wag jest faktycznym powodem, dla którego jesteś zainteresowany — w takim wypadku poczekaj na repozytorium, a nie na zapowiedź. Rezygnujesz z sześciokrotnej różnicy w cenie oraz z jakiegokolwiek twierdzenia, że to najszybsze dostępne rozwiązanie.

Dwie daty rozstrzygnęłyby większość otwartych pytań w tym tekście. Pierwsza to koniec października, kiedy Mistral albo opublikuje wagi, albo nie. Druga to moment, w którym Artificial Analysis uruchomi Mercury 3, co zastąpiłoby każdą liczbę podaną przez dostawcę w pierwszej sekcji wartością zmierzoną. Żadna z tych dat nie została ogłoszona. Do czasu, aż nadejdą, obronić można podsumowanie, że Mercury 3 to tańszy silnik tekstowy, a Mistral Large 4 to bardziej kompletny produkt, oraz że oba są sprzedawane na podstawie twierdzeń, które kupujący musi obecnie przyjmować na wiarę.