Mercury 3 vs Claude Opus 5.5: Um token de saída 57 vezes mais barato não é o mesmo que uma resposta mais barata

O Mercury 3 custa US$ 0,35 por milhão de tokens de saída nesta semana. O Claude Opus 5.5 custa US$ 20,00. Multiplique uma fila de suporte por esses dois números e a diferença parece um erro em uma das tabelas de preços — 57 vezes, no preço de lançamento, ou 28,6 vezes quando o desconto de 50% da Inception terminar e o Mercury 3 voltar a US$ 0,70. A pergunta que decide a comparação não é qual número é menor. É quantas chamadas ao Mercury 3 você precisa fazer para obter uma resposta que o Opus 5.5 teria acertado de primeira, porque cada nova tentativa, cada escalonamento e cada revisão humana é cobrado à taxa da pessoa ou da segunda chamada, não à taxa do token. As falhas documentadas de IA e os incidentes com agentes por trás de lançamentos como este estão reunidos no Arquivo de Incidentes de IA do OrcaRouter, no qual cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalização de disputa.

Esse enquadramento importa porque esses dois modelos não são concorrentes no sentido comum. Claude Opus 5.5, lançado pela Anthropic em 22 de setembro de 2026, é um modelo de raciocínio de fronteira a US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de tokens de saída, criado para codificação agêntica e trabalho de conhecimento de longo horizonte, com pensamento adaptativo, entrada de visão e arquivos, contexto de 1 milhão de tokens e teto de saída de 128K. Mercury 3, lançado pela Inception Labs em 19 de outubro de 2026, é um modelo de linguagem de difusão criado para velocidade: 1.068 tokens por segundo em hardware NVIDIA segundo a própria medição da Inception, contexto de 1M, saída de 131K, somente texto, e uma alegação de qualidade que cita GPT-6 Luna e Claude Haiku 5.5 — a categoria de velocidade — em vez de Opus. Ainda vale a pena compará-los, porque a diferença de preço convida exatamente à substituição que o posicionamento não sustenta.

De onde os números realmente vêm

Cada número de qualidade do Opus 5.5 neste artigo é da Artificial Analysis, medido em seu próprio harness: um Intelligence Index de 57,6, Humanity's Last Exam em 61,4%, SciCode em 66,9%, Terminal-Bench 4.0 em 59,6% e recall de contexto longo em 84,7%. Esses dados são independentes e estão atualizados até esta semana.

Todos os números do Mercury 3 são da Inception, publicados ontem, com uma exceção: a comparação de throughput com a geração anterior. A Artificial Analysis mede o Mercury 2.5 a 705,9 tokens por segundo, e o Mercury 2 a aproximadamente 684. O Mercury 3 ainda não tem página na Artificial Analysis — o índice de modelos ainda para no Mercury 2.5 — então seus 1.068 tok/s e sua alegação de "supera o GPT-6 Luna e o Claude Haiku 5.5" são informados pelo fornecedor, não reproduzidos, e devem ser lidos como tal por pelo menos mais uma semana.

Essa assimetria é a comparação inteira em miniatura. Um lado tem uma pontuação auditada de forma independente e uma tabela de preços publicada; o outro tem um post de lançamento, um desconto e um número de velocidade muito grande.

Especificação por especificação, com as evidências anexadas.

• Preço de saída — Mercury 3: $0,35 por milhão no lançamento, $0,70 no preço de tabela, contra $20,00 do Opus 5.5. A proporção é de 57x durante a promoção e de 28,6x depois dela.

• Preço de input — Mercury 3 US$ 0,10 no lançamento, US$ 0,20 de tabela, contra US$ 4,00 do Opus 5.5. Mesmo padrão, proporção ligeiramente maior.

• Entrada em cache — Mercury 3 US$ 0,01 no lançamento, US$ 0,02 na tabela, contra US$ 0,20 para leituras de cache do Opus 5.5. O Opus também cobra US$ 5,00 por milhão para gravar no cache de 5 minutos e US$ 8,00 para o cache de uma hora, o que a tabela de preços da Mercury não detalha.

• Taxa de transferência — Mercury 3 a 1.068 tok/s por Inception, não reproduzido; Opus 5.5 a 75,6 tok/s de saída, conforme medido no tráfego do nosso próprio playground nos últimos sete dias. Trata-se de uma diferença de catorze vezes na direção que a Inception alega, e esta pelo menos foi medida dos dois lados, ainda que por harnesses diferentes.

• Tempo até o primeiro token — o Mercury 3 é um modelo de difusão que gera em paralelo, então sua primeira saída útil chega mais cedo do que a de um modelo autorregressivo; a Inception não publica um número para o endpoint de chat, e a alegação de menos de 300 ms na página inicial da empresa refere-se à linha de produtos, e não especificamente ao Mercury 3. A latência de ponta a ponta p50 do Opus 5.5 no nosso tráfego é de 4,4 segundos, o que inclui o raciocínio.

• Contexto — ambos com 1 milhão de tokens. O limite de saída é diferente: 131.072 para o Mercury 3 e 128.000 para o Opus 5.5.

• Entradas — O Opus 5.5 aceita texto, imagens e ficheiros; o Mercury 3 aceita texto. Isto não é um detalhe menor. Qualquer documento, captura de ecrã, diagrama ou PDF no seu pipeline desqualifica silenciosamente o Mercury 3.

• Controle de raciocínio — o Mercury 3 expõe os níveis de esforço instantâneo, baixo, médio e alto e usa o nível baixo como padrão quando o campo é omitido. O Opus 5.5 usa raciocínio adaptativo com um controle de esforço próprio. Ambos têm padrões que vão te surpreender se você não definir o campo explicitamente: o Mercury 3 em baixo, e o Opus no que a política adaptativa da Anthropic escolher para a solicitação.

• Evidência — Opus 5.5 tem uma pontuação de índice independente e uma tabela de benchmark do fornecedor; Mercury 3 não tem nem uma pontuação de terceiros nem uma pontuação numérica do fornecedor.

O único resultado de agente que a Inception publicou

Soterrada sob as alegações de throughput está a única medição de qualidade do Mercury 3 com uma tarefa definida: um harness de agente web executado em 50 tarefas de navegação ao vivo do Mind2Web, no qual o Mercury 3 concluiu 50% e, segundo a Inception, "significativamente mais que o GPT-6.1-Sol", usando o mesmo volume de tokens e o mesmo número de etapas do agente.

Leia isso com atenção. O modelo de comparação é o GPT-6.1 Sol, não o Opus 5.5. O harness é o de produção da própria Inception. A amostra é de 50 tarefas. E "mesmo volume de tokens e mesmo número de etapas do agente" é a parte importante para o custo, porque significa que a economia por tarefa é realmente a proporção por token, e não um artefato de o modelo precisar de menos etapas para chegar lá. Uma taxa de conclusão de 50% na navegação em sites ao vivo é um resultado crível para um modelo rápido; não é uma alegação de que o Mercury 3 concluiria uma tarefa de programação no nível do Opus.

Para o Opus 5.5, a evidência equivalente é o Terminal-Bench 4.0 com 59,6% no harness da Artificial Analysis — um benchmark diferente, uma família de tarefas diferente e não diretamente comparável. A afirmação honesta é que ninguém executou os dois modelos no mesmo benchmark de agentes e publicou o resultado. Até que alguém o faça, toda alegação sobre qual é melhor em trabalho com agentes é inferência a partir de posicionamento.

Quanto custa uma semana de tráfego em cada um

Considere uma carga de trabalho plausível para ambos: 2 milhões de tokens de entrada e 500 mil tokens de saída por dia, aproximadamente um assistente de suporte ou de pesquisa de médio porte com algumas centenas de milhares de chamadas. No Mercury 3, na tarifa de lançamento, isso é US$ 0,20 de entrada e US$ 0,175 de saída — menos de quarenta centavos por dia. No preço de tabela, é US$ 0,40 e US$ 0,35, ou 75 centavos. No Opus 5.5, o mesmo tráfego é US$ 8,00 de entrada e US$ 10,00 de saída, ou US$ 18,00 por dia.

Agora acrescente a parte que a matemática de tokens esconde. Se o Mercury 3 precisar de uma segunda tentativa em uma a cada cinco chamadas, e cada nova tentativa custar o mesmo que a original, o preço efetivo sobe 20% — para cerca de 45 centavos por dia. Mesmo no caso absurdo em que cada única chamada tivesse de ser repetida uma vez, a conta seria de 75 centavos, ainda 24 vezes abaixo do Opus 5.5. O argumento de preço não chega nem perto, e é exatamente por isso que a decisão precisa ser tomada com base em qualidade e capacidade.

Vire a questão ao contrário e a mesma aritmética explica por que as pessoas ainda pagam pelo Opus. A US$ 18 por dia, uma escalada evitada por dia — uma interação de suporte que não chega a um humano, uma alteração de código que não precisa de uma segunda revisão — paga a conta inteira do Opus várias vezes. O modelo é caro por token porque o trabalho que ele substitui é ainda mais caro.

As linhas de capacidade que não aparecem em uma tabela de preços

O Opus 5.5 aceita imagens e arquivos, o que significa que ele consegue ler a captura de tela que um usuário anexa, o PDF no qual um contrato está armazenado ou o diagrama em um documento de design. O Mercury 3 é texto entra, texto sai. Se a sua carga de trabalho envolve qualquer um desses casos, a comparação termina aí e a diferença de preço é irrelevante.

O Opus 5.5 também oferece o conjunto de ferramentas da Anthropic: saídas estruturadas, uso de ferramentas, uma API em lote pela metade do preço para trabalho assíncrono e cache de prompt com taxas explícitas de gravação e leitura. O Mercury 3 tem chamada de ferramentas e saídas estruturadas em um endpoint compatível com OpenAI, o que é genuinamente conveniente — ele se encaixa no código existente sem reescrita —, mas sua abordagem de cache é um desconto na entrada, e não um ciclo de vida documentado de gravação de cache.

A linha de capacidade inversa é a velocidade. O Opus 5.5 a 75,6 tokens por segundo é adequado para um agente de programação trabalhando em uma tarefa longa e doloroso para qualquer coisa em que uma pessoa esteja esperando. O argumento do Mercury 3 é que uma pessoa esperando por ele não percebe a espera. Se seu produto é uma interação de voz, um autocomplete, uma resposta de busca ou uma dica de tutor, essa diferença é o produto, não um diferencial opcional.

Como executar os dois sem apostar em nenhum deles

O Claude Opus 5.5 está no nosso catálogo como anthropic/claude-opus-5.5 a tarifas de tabela da Anthropic — US$ 4 de entrada, US$ 20 de saída, US$ 0,20 por leitura de cache — com 0% de margem, então uma mudança na tabela de preços da Anthropic aparece do nosso lado no mesmo dia, e não no próximo ciclo de faturamento. O Mercury 3 não está no nosso catálogo: nossa API de modelos não retorna nenhum modelo da Inception, e a instrução honesta é acessá-lo pela própria plataforma da Inception. Não vamos fingir o contrário para fazer um discurso de roteamento funcionar.

A separação é útil exatamente para esta decisão. Coloque o Mercury 3 atrás da chave da Inception na camada crítica de latência, mantenha o Opus 5.5 como caminho de escalonamento por trás de um único endpoint compatível com OpenAI, ao lado de mais de 200 outros modelos, e deixe o failover automático cobrir o caso em que o novo provedor oscila no primeiro mês. A DSL de roteamento consegue expressar a transição — modelo rápido primeiro, escalonar com um sinal de baixa confiança ou uma falha de chamada de ferramenta — sem uma segunda integração para o fallback. Você acaba medindo o Mercury 3 com o seu próprio tráfego em vez de com um post de lançamento, e mantém o modelo que consegue ler uma captura de tela para as solicitações que precisam disso.

Qual escolher

Se sua carga de trabalho for somente texto, limitada por latência e tolerante a uma resposta errada ocasional que um humano ou uma nova tentativa possa detectar, o Mercury 3 com preço de lançamento é uma das opções confiáveis mais baratas disponíveis esta semana, e os 100 milhões de tokens gratuitos na plataforma da Inception tornam o teste quase gratuito. Teste com seu próprio tráfego, fixe a configuração de esforço e meça a taxa de novas tentativas em vez do throughput.

Se a sua carga de trabalho envolve documentos, imagens, alterações de código de longo horizonte, ou respostas que ninguém verifica antes de serem postas em prática, o Opus 5.5 continua a ser a escolha defensável, e o preço não é a variável interessante. A sua pontuação num índice independente, a sua entrada multimodal e a sua tabela de benchmarks publicada são aquilo que está a comprar, e nenhuma delas tem ainda equivalente no Mercury 3.

O erro a evitar é tratar o 57x como um mandato de migração. Ele é um desconto em tokens, e tokens são a parte mais barata da maioria dos sistemas de IA. As partes caras — uma pessoa revisando a saída, uma resposta errada chegando a um cliente, um pipeline reconstruído em torno de um modelo que não enxerga — são exatamente as partes que a tabela de preços não mostra.