Mercury 3 vs GPT-5.6 Sol: 20 Vezes Mais Barato por Token, e os Tokens São Todo o Argumento

O interessante em colocar o Mercury 3 ao lado do GPT-5.6 Sol é que o Sol já é a ponta barata da fronteira da OpenAI, e o Mercury 3 é ainda mais barato por uma margem que esvazia o sentido da palavra “barato”. A Inception Labs lançou o Mercury 3 em 19 de outubro de 2026 a US$ 0,20 por milhão de tokens de entrada e US$ 0,70 por milhão de saída, reduzidos pela metade para US$ 0,10 e US$ 0,35 durante uma janela de lançamento sem data de encerramento declarada. O GPT-5.6 Sol, que a OpenAI lançou em 9 de julho de 2026, tem preço de tabela de US$ 4,00 e US$ 20,00 abaixo de 272.000 tokens e de US$ 8,00 e US$ 30,00 acima disso. Na saída, isso é uma diferença de 57 vezes no preço de lançamento do Mercury e de 28 vezes no preço de tabela — e, ao contrário da maioria dessas diferenças, ela não diminui quando medida por resposta, porque a vantagem do Sol nas comparações anteriores com o GPT-6 era a economia no uso de tokens, e o Sol não é econômico como o GPT-6 Sol era.As falhas de IA documentadas e os incidentes com agentes por trás de lançamentos como este estão reunidos em o Arquivo de Incidentes de IA da OrcaRouter, onde cada entrada traz suas próprias fontes, severidade, grau de confiança e sinalização de contestação.

Ambos os modelos aceitam um milhão de tokens de entrada em uma única chamada, e ambos retornam apenas texto. Onde eles se separam é no que acontece em torno dos tokens: o Mercury 3 é um modelo de linguagem de difusão que define blocos de posições de uma vez e roda a 1.068 tokens por segundo medidos pelo fornecedor, enquanto o GPT-5.6 Sol é um modelo de fronteira autorregressivo que aceita imagens e arquivos além de texto, e que a Artificial Analysis mediu em 87,7 tokens por segundo por US$ 1,99 por tarefa do Intelligence Index. A comparação, portanto, é menos sobre qual modelo é melhor — algo que ninguém mediu para o Mercury — e mais sobre quanto a mesma carga de trabalho custa em cada um quando se contam as novas tentativas e os tokens desperdiçados.

Duas tabelas de preços, leia com atenção

A tabela de preços do Sol tem um limite que a da Mercury não tem, e esse limite é a diferença estrutural mais consequente entre os dois produtos. Tudo até 272.000 tokens de entrada é cobrado a $4.00 e $20.00. Qualquer coisa acima disso reprecifica a solicitação inteira em $8.00 e $30.00 — não os tokens excedentes, mas a coisa toda. Um prompt de 300.000 tokens custa $2.40 de entrada no Sol, o que é mais do que o dobro do que um prompt de 250.000 tokens custaria a $4.00, por 20% mais texto.

• Preço — Mercury 3: $0,20 / $0,70 por milhão, $0,10 / $0,35 no lançamento, entrada em cache com 90% de desconto sobre a tarifa de entrada. GPT-5.6 Sol: $4,00 / $20,00 por milhão para menos de 272.000 tokens, $8,00 / $30,00 acima disso, entrada em cache a $0,40 com custo de gravação de $5,00 por milhão.

• Contexto e saída — Mercury 3: 1.000.000 tokens de entrada, 131.072 de saída. GPT-5.6 Sol: 1.050.000 de entrada, 128.000 de saída.

• Modalidades — Mercury 3: apenas texto. GPT-5.6 Sol: entrada de texto, imagem e arquivo; saída de texto.

• Velocidade — Mercury 3: 1.068 tokens por segundo, medido pela Inception. GPT-5.6 Sol: 87,7 tokens por segundo no ambiente de teste da Artificial Analysis, com tempo até o primeiro token de 91,8 segundos em sua carga de trabalho padrão com prompt longo.

• Pontuações independentes — Mercury 3: nenhuma publicada; não existe página do Artificial Analysis. GPT-5.6 Sol: 47 no Índice de Inteligência, 77,4 no índice de programação, 94,1 no GPQA Diamond, 49,5 no Humanity's Last Exam, 84,0 na recuperação de contexto longo.

• Lançamento — Mercury 3: 19 de outubro de 2026. GPT-5.6 Sol: 9 de julho de 2026.

Um número na ficha do Sol merece uma frase só para si, porque é o número do qual um orçamento de latência é feito. O Artificial Analysis registra um tempo mediano até o primeiro token de 91,8 segundos para o GPT-5.6 Sol na configuração que testa. Isso não é erro de digitação nem inicialização a frio; é o que um modelo que prioriza raciocínio faz quando pensa antes de falar em um prompt longo. A cobertura de lançamento do Mercury 3 inclui relatos de latência de terceiros — a Octen mediu um tempo mediano de geração de 0,9 segundo e uma resposta ponta a ponta mediana de 2,2 segundos em sua carga de trabalho —, mas esses são depoimentos de clientes em um anúncio de fornecedor, não um ambiente de teste neutro, e cargas de trabalho diferentes. A direção não está em dúvida; a magnitude é impossível de determinar sem um teste comum.

Por que a contagem de tokens decide isso e como verificá-la para sua carga de trabalho

A diferença por token é de 28 vezes na lista e de 57 vezes no lançamento, então a única forma de o {{1}}Sol{{/1}} fechar essa lacuna é produzindo muito menos tokens para o mesmo trabalho. Foi exatamente o que aconteceu na comparação com o {{2}}GPT-6 Sol{{/2}}, em que o {{3}}Sol{{/3}} gastou cerca de 31.000 tokens de saída por tarefa de índice, contra os 193.000 do {{4}}Claude Sonnet 5.5{{/4}}, e acabou mais barato por tarefa, apesar de uma taxa de saída 20 vezes maior. Isso não acontece de forma evidente aqui: o {{5}}GPT-5.6 Sol{{/5}} custa US$ 1,99 por tarefa do {{6}}Intelligence Index{{/6}}, enquanto o {{7}}GPT-6 Sol{{/7}} custou cerca de US$ 1,05 no mesmo harness, então o {{8}}Sol{{/8}} é aproximadamente duas vezes mais caro por resposta do que seu sucessor e cerca de 40 vezes mais caro por resposta do que seria uma tarefa do {{9}}Mercury 3{{/9}} de US$ 0,05 se o {{10}}Mercury{{/10}} consumisse o mesmo volume de tokens.

Esse "se" está a fazer todo o trabalho, e vale a pena enunciá-lo como um teste em vez de uma afirmação. Pegue em cem dos seus próprios prompts, execute-os no Sol e registe os tokens de saída por prompt e se a resposta precisou de uma nova tentativa. Faça o mesmo no Mercury 3. Multiplique pelas tabelas de preços. O resultado é a sua resposta, e demora uma tarde em vez de uma discussão sobre benchmarks.

Três formas de resultado são suficientemente comuns para prever antecipadamente.

Trabalho de texto curto e de alto volume — classificação, extração, roteamento, resumos curtos, 150 tokens de saída por chamada. A frugalidade de tokens do Sol não tem no que atuar, então a tabela de preços é tudo o que importa: 28 a 57 vezes mais barato no Mercury 3, antes do desconto.

• Trabalho com uso intensivo de raciocínio — uma análise de várias etapas na qual o Sol gasta 20.000 tokens de raciocínio. Se o Mercury 3 precisar de duas tentativas para chegar à mesma resposta, a diferença efetiva cai de 28 vezes para 14 vezes; se precisar de cinco, cai para menos de seis vezes. Ainda é uma grande economia, não mais um erro de arredondamento na decisão.

• Qualquer coisa que envolva uma imagem — uma captura de tela, uma página digitalizada, um gráfico. O Mercury 3 retorna um erro. A comparação não existe, e o preço da entrada multimodal do Sol é o valor que o Sol cobra.

O desconto, e por que o modelo de custo honesto usa lista

A tarifa de saída de US$ 0,35 do Mercury 3 é uma promoção. A Inception publicou o preço de tabela e o desconto, mas não a data de término, o que significa que um modelo de custos baseado em US$ 0,35 carrega um passivo que ninguém consegue dimensionar. Na carga de trabalho de respostas curtas acima, a diferença entre o preço de lançamento e o de tabela é de 2x — o mesmo 2x que separa um bom trimestre de um ruim, chegando sem aviso.

O cartão da Sol tem a propriedade oposta. Ele é estável, tem um limite documentado e uma estrutura de cache documentada: $0,40 por milhão nas leituras, um custo de gravação de $5,00 por milhão, que é 25% acima da taxa de entrada. Para uma carga de trabalho que reenvia o mesmo preâmbulo de 30.000 tokens em cada etapa de um loop de agente, vale a pena calcular esse prêmio de gravação antes de descartá-lo — a Sol paga 25% mais uma vez e 90% menos em cada leitura subsequente, e com dez ou mais etapas por tarefa o custo de entrada amortizado cai abaixo de $1,00 por milhão.

A taxa de cache do Mercury 3 é de US$ 0,02 por milhão no preço de tabela, US$ 0,01 durante a janela de lançamento, sem sobretaxa de escrita publicada. Esse é o número mais forte a seu favor para exatamente essa carga de trabalho: um loop de agente de vinte etapas com um preâmbulo de 30.000 tokens custa US$ 0,60 de entrada em cache no Mercury no preço de tabela, contra aproximadamente US$ 0,40 por milhão em leituras no Sol após a escrita — comparável em termos absolutos, e a comparação só permanece comparável porque o cache do Sol é excepcionalmente bom. Retire o cache de ambos e a diferença volta a ser de 20 vezes.

O que a camada de roteamento faz com uma lacuna de 20 vezes e nenhuma pontuação neutra

O GPT-5.6 Sol está no catálogo do OrcaRouter com os próprios preços da O​penAI — $4,00 e $20,00 por milhão, $8,00 e $30,00 acima do limite de 272.000 tokens, $0,40 por leituras em cache — por trás do mesmo endpoint compatível com OpenAI usado por tudo o mais que roteamos, sem nenhuma margem adicionada por cima. O Mercury 3 não está no catálogo; nossa API de modelos não retorna nada para nenhum modelo da Inception, então quem o chamar vai para a plataforma da própria Inception, onde novas contas ganham 100 milhões de tokens grátis, ou para uma das várias plataformas de terceiros que o hospedam.

A diferença é grande o suficiente para que a medida tentadora seja trocar toda a carga de trabalho e ver o que quebra. O argumento para não fazer isso não é cautela por si só; é que o Mercury 3 tem um único resultado de qualidade, produzido dentro do próprio harness de agentes da Inception em 50 tarefas ao vivo do Mind2Web, nas quais concluiu 50% e, segundo relatos, o fez com o mesmo volume de tokens e número de etapas de um modelo de fronteira. Esse é um resultado genuinamente interessante — sites ao vivo, não um snapshot — e também é infalsificável de fora, porque o harness e a pontuação pertencem ao vendedor.

O que uma regra de roteamento proporciona nessa situação é um experimento limitado. Enviar uma fatia definida do tráfego para Mercury 3, manter Sol atrás dela como caminho de fallback e deixar o failover automático cobrir o caso em que o novo modelo atinge o tempo limite ou apresenta erro. A fatia é um número em um arquivo de configuração, não um caminho de código; ampliá-la de 10% para 100%, ou reduzi-la a zero quando o desconto terminar, é uma alteração nesse número.

Há também uma terceira opção sobre a qual a página de nenhum dos fornecedores vai falar, e é aquela com que a maioria das equipes acaba ficando depois de fazer as contas: o GPT-6 Sol. Ele tem a mesma tabela de preços de US$ 4,00 e US$ 20,00 que o GPT-5.6 Sol, fica um nível abaixo do carro-chefe GPT-6 e custa cerca de US$ 1,05 por tarefa do Intelligence Index, contra US$ 1,99 do Sol. Se o motivo de você estar considerando o Mercury 3 é que o Sol é caro demais por resposta, a resposta mais barata para esse problema pode ser um modelo mais novo pelo mesmo preço, e não um modelo não medido por um vigésimo desse valor.

Onde isto vai parar

Para trabalho somente texto e de alto volume, a conta não é nem perto de empatada e não depende de nada não verificado: no preço de tabela, o Mercury 3 é 20 vezes mais barato na entrada e 28 vezes mais barato na saída do que o GPT-5.6 Sol, com uma janela de contexto do mesmo tamanho e nenhuma fronteira a cruzar. Se sua carga de trabalho for um milhão de chamadas curtas por mês, essa é a decisão, e o risco é mensurável em um dia de tráfego.

Para trabalhos que raciocinam por vinte mil tokens, leem uma captura de tela ou rodam sem supervisão por horas com ferramentas no ciclo, Sol é o modelo com comportamento documentado e preço estável, e o tempo de 91,8 segundos até o primeiro token é um número real com o qual você pode planejar, em vez de uma alegação que você precisa testar. Não é pouca coisa estar pagando por isso.

A única medida que encerraria a discussão é o custo do Mercury 3 por tarefa do Intelligence Index no harness que produziu os US$ 1,99 do Sol. Ela não existe, nenhuma data foi dada para ela e, até que exista, cada número por resposta neste artigo para o Mercury 3 é uma suposição com um tarifário anexado. O tarifário, pelo menos, é real — e, na casa das 20 vezes, é amplo o suficiente para valer a pena testar antes de valer a pena acreditar.