Mercury 3 vs Grok 4.6: Um está superado, o outro não foi medido, e ambos são vendidos pela velocidade

O primeiro fato útil ao comparar o Mercury 3 com o Grok 4.6 é que o Grok 4.6 não é o Grok atual. A SpaceXAI o lançou em 12 de agosto de 2026 a US$ 2,00 por milhão de tokens de entrada e US$ 6,00 por milhão de saída, e desde então lançou o Grok 4.7; a Artificial Analysis agora marca o 4.6 como obsoleto e direciona os leitores para o modelo mais novo. Já o Mercury 3 tem dois dias de vida: a Inception Labs o lançou em 19 de outubro de 2026 a US$ 0,20 e US$ 0,70 por milhão, com preço reduzido pela metade durante uma janela de lançamento sem data de término publicada, e ninguém neutro chegou a medi-lo. Portanto, o enquadramento honesto desta dupla não é "qual destes dois eu devo usar". É que ambos são vendidos principalmente com base em um número de velocidade, os dois números de velocidade não são o mesmo tipo de número, e um dos dois produtos está saindo do catálogo enquanto o outro ainda não foi testado por ninguém que não trabalhe para a empresa que o criou. As falhas de IA e os incidentes com agentes documentados por trás de lançamentos como este estão reunidos em Arquivo de Incidentes de IA da OrcaRouter, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalização de contestação.

Isso faz disto uma comparação sobre medição, que por acaso é a coisa mais útil a saber antes de definir o preço de qualquer um dos dois. O Mercury 3 é um modelo de linguagem de difusão — ele remove o ruído de um bloco de posições e as confirma em conjunto, em vez de emitir um token por passada — e a Inception relata 1.068 tokens por segundo em hardware NVIDIA, mais de 40 vezes o total de parâmetros do Mercury 1, uma janela de contexto ampliada de 260.000 para 1.000.000 de tokens e um teto de saída de 131.072 tokens. O Grok 4.6 é um modelo de fronteira convencional criado para longas execuções agênticas, com contexto de 500.000 tokens, entrada de texto, imagem e arquivo, e um desconto de cache de 75% a US$ 0,50 por milhão de leituras.

O que os dois números de velocidade realmente medem

Os 1.068 tokens por segundo da Inception são um número de vazão de saída: a velocidade com que os tokens saem do modelo depois que ele começa a produzi-los. A Artificial Analysis mede a mesma grandeza para o Grok 4.6 e obtém 65,4 tokens por segundo. Lendo esses dois números lado a lado, o Mercury 3 parece dezesseis vezes mais rápido. Essa é uma diferença real e não é a diferença inteira, porque a vazão é apenas um dos três números que compõem um orçamento de latência.

A segunda é o tempo até o primeiro token e, aqui, o quadro fica menos lisonjeiro para o enquadramento e mais interessante. A Artificial Analysis registra um tempo mediano até o primeiro token de 37,19 segundos para o Grok 4.6 na carga de trabalho que testa, contra uma mediana de 3,75 segundos entre os modelos do seu ranking. Nossa própria telemetria de sete dias do playground coloca o p50 do Grok 4.6 em 8,00 segundos ao longo do único dia para o qual há amostras. Nenhum desses é problema ou vantagem do Mercury 3 — a Inception não publicou nenhum número de primeiro token, e os únicos números de latência de terceiros em seu anúncio são depoimentos de clientes: a Octen relatou um tempo mediano de geração de 0,9 segundos e uma resposta ponta a ponta mediana de 2,2 segundos, a RevisionDojo relatou respostas retornando "em cerca de um segundo", e a Lorikeet disse que o Mercury 3 superou outros modelos em latência enquanto obtinha pontuação mais alta em seus evals. Esses são sinais úteis, e são citações de marketing, sobre cargas de trabalho que ninguém fora dessas três empresas pode inspecionar.

O terceiro número é o que decide se um modelo rápido é utilizável, e é a taxa de erro. Na nossa própria infraestrutura, nos últimos sete dias, o caminho de serviço do GPT-5.6 Sol registrou uma taxa de erro de 0,05%. O Grok 4.6, no único dia para o qual há telemetria — 17 de outubro de 2026 —, registrou 86,7%. Trata-se de um dia de amostras de um modelo que está em produção desde agosto, portanto é um alerta sobre um caminho de serviço, e não um veredito sobre um modelo, e é exatamente o tipo de número que nunca aparece na página de um fornecedor. Para o Mercury 3, não há taxa de erro alguma, porque não existe rota para medir.

A ficha técnica, com a proveniência anexada a cada linha

• Preço — Mercury 3: US$ 0,20 / US$ 0,70 por milhão, US$ 0,10 / US$ 0,35 no lançamento, sem data de término publicada, entrada em cache com 90% de desconto. Grok 4.6: US$ 2,00 / US$ 6,00 por milhão até 200.000 tokens, US$ 4,00 / US$ 12,00 para a requisição inteira acima desse limite, leituras em cache US$ 0,50.

• Contexto e saída — Mercury 3: 1.000.000 de entrada, 131.072 de saída. Grok 4.6: 500.000 de entrada, sem teto de saída publicado em nossa página do modelo para ele.

• Modalidades — Mercury 3: somente texto. Grok 4.6: entrada de texto, imagem e arquivo; saída de texto.

• Vazão — Mercury 3: 1.068 tokens por segundo, medido pela Inception. Grok 4.6: 65,4 tokens por segundo, segundo a Artificial Analysis; 256 tokens por segundo em nosso próprio playground no dia em que havia amostras.

• Pontuações independentes — Mercury 3: nenhuma, não existe página no Artificial Analysis. Grok 4.6: 44 no Artificial Analysis Intelligence Index, classificado em 37º de 217 modelos, e 76,8 no seu índice de programação, classificado em 5º de 138.

• Status — Mercury 3: com dois dias, sem medição. Grok 4.6: descontinuado no painel da Artificial Analysis, substituído pelo Grok 4.7.

A comparação de contexto é a que inverte a ordem habitual. O Mercury 3 oferece o dobro da janela do Grok 4.6 — um milhão de tokens contra meio milhão — e o faz por um décimo do preço de entrada. No papel, não é uma disputa acirrada para trabalho com documentos longos. Na prática, uma janela de 500.000 tokens já é maior do que quase qualquer documento único que alguém processa, e a questão interessante sobre uma janela de um milhão de tokens em um modelo não medido não é se ela existe, mas se a qualidade se mantém ao longo dela. A Artificial Analysis mede explicitamente a recuperação em contexto longo, e o Grok 4.6 obtém 80,3 ali. O Mercury 3 não tem um número equivalente, o que significa que uma janela de um milhão de tokens com uma curva de recuperação desconhecida é uma afirmação sobre capacidade, não sobre competência.

O que o preço do Grok 4.6 realmente compra

O Grok 4.6 custa dez vezes mais que o Mercury 3 na entrada e cerca de nove vezes mais na saída a preço de tabela, e a resposta honesta sobre o que isso compra é: uma posição medida em um ambiente de teste neutro, entrada multimodal e um custo por resposta publicado. Esse último é o mais útil. O Artificial Analysis coloca o Grok 4.6 em US$ 1,48 por tarefa do Intelligence Index — um número que já inclui quantos tokens o modelo precisar para concluir a suíte, que é o único número por resposta em toda esta comparação que existe para qualquer um dos dois modelos.

Em contrapartida, a tarifa de saída de US$ 0,70 do Mercury 3 é um valor por token sem um equivalente por resposta. Se uma tarefa do Mercury 3 consumir o mesmo volume de saída que uma tarefa do Grok 4.6, custa cerca de um décimo desse valor. Se consumir três vezes o volume — o que é plausível para um modelo que usa esforço de raciocínio baixo por padrão em trabalhos que o Grok realiza com esforço maior — custa cerca de um terço desse valor, e o argumento estratégico enfraquece de "uma ordem de magnitude" para "um desconto significativo em um modelo não comprovado". Ninguém pode dizer qual dessas alternativas é verdadeira ainda. Isso não é uma ressalva retórica; é a medição específica que está faltando.

Os números do próprio Grok 4.6, pelo que valem, são fortes onde uma longa execução agêntica precisa deles: 94,9 no GPQA Diamond, 42,9 no Humanity's Last Exam, 80,3 em recall de contexto longo e um índice de programação de 76,8 que o coloca em quinto entre 138 modelos. Essas são as execuções da Artificial Analysis, não da SpaceXAI, e é por isso que podem ser comparadas ao Mercury 3 — e o Mercury 3, não tendo tais execuções, não pode.

O problema do modelo superado, que é a decisão real

Escolher o Grok 4.6 hoje significa escolher um modelo que o próprio fornecedor já substituiu. O Grok 4.7 está no nosso catálogo, e a página do 4.6 na Artificial Analysis redireciona explicitamente os leitores para ele. Para uma carga de trabalho que está prestes a implementar, começar com um modelo obsoleto é uma decisão de migrar mais tarde; a única questão é quando, e a resposta costuma ser "durante um incidente".

Isso não faz do Mercury 3 a escolha segura. Um modelo sem medição, de dois dias, e um obsoleto, de nove semanas, são tipos diferentes de risco, e nenhum dos dois é a opção de baixo risco neste par. O que a comparação realmente estabelece é mais restrito e mais útil: se você quer um modelo medido, com custo por resposta documentado e entrada multimodal, o Grok 4.7 é a versão atual disso, e o 4.6 é seu antecessor pelo mesmo preço. Se você quer os tokens somente texto mais baratos disponíveis em qualquer lugar, com uma janela de um milhão de tokens, o Mercury 3 é isso, com a ressalva de que o número mais barato em sua ficha é uma promoção sem data de término.

O Grok 4.7 está no catálogo do OrcaRouter com as próprias tarifas da SpaceXAI, por trás do mesmo endpoint compatível com OpenAI usado para tudo o mais que roteamos, sem nenhuma margem adicionada por cima e com failover automático entre provedores quando um caminho atinge o limite de requisições — o que, dada a taxa de erros que nossa telemetria registrou no caminho de serviço do 4.6 em 17 de outubro, não é um benefício teórico. O Mercury 3 não está no catálogo: nossa API de modelos não retorna nada para nenhum modelo da Inception, então quem o chama vai para a plataforma da Inception, onde novas contas ganham 100 milhões de tokens grátis, ou para uma das várias plataformas de terceiros que o hospedam.

O padrão de roteamento que se encaixa neste par não é uma divisão por preço. É uma divisão pelo que você está disposto a deixar falhar. Coloque o tráfego do modelo obsoleto no modelo atual, coloque uma fração limitada do trabalho somente de texto no Mercury 3, mantenha um modelo com desempenho medido como fallback e deixe o failover cuidar do caso em que o novo caminho tem um dia ruim. A fração é um valor de configuração; o fallback é uma regra de roteamento; a decisão de ampliá-la ou restringi-la é tomada pelas suas próprias taxas de erro em até uma semana.

O que fazer na segunda-feira

Se o trabalho for texto longo, o volume for alto e as respostas forem verificáveis, a tabela de preços do Mercury 3 vale um experimento limitado esta semana — os 100 milhões de tokens gratuitos na plataforma da Inception cobrem o teste, e a janela de um milhão de tokens significa que você pode enviar o documento inteiro em vez de uma estimativa fragmentada dele. Fique atento a duas coisas: se as contagens de tokens de saída por tarefa fugirem da sua linha de base Sol ou G​rok, e se a qualidade se degradar perto do final de um contexto longo. Ambos são mensuráveis em um dia e nenhum exige o benchmark de ninguém.

Se o trabalho envolve imagens, roda por horas com ferramentas no loop ou precisa acertar de primeira, a resposta neste par não é o Grok 4.6. É o Grok 4.7, ou um dos modelos de fronteira avaliados, e o motivo honesto é que o 4.6 está descontinuado e o Mercury 3 não foi avaliado — uma escolha entre dois modelos que você não colocaria diante de um cliente sem ter um fallback por trás deles.

O número que mudaria tudo isso é um custo neutro por tarefa concluída para o Mercury 3. Um único valor, no harness que produziu os $1.48 do G​rok, transformaria a incerteza central deste artigo em uma razão. Até que ele exista, a posição defensável é a mais sem graça: os tokens baratos são reais, a alegação de velocidade é plausível e tem fonte única, e a única coisa que você consegue verificar por conta própria é a sua própria taxa de erro no seu próprio tráfego.