Mercury 3 vs Grok 4.7: Dois relógios, não dois modelos

Pergunte o que Mercury 3 e Grok 4.7 têm em comum e a resposta é um relógio. Ambos são vendidos com base em quanto tempo uma tarefa leva, e eles entendem isso de formas opostas. O Mercury 3, lançado pela Inception em 19 de outubro de 2026, foi criado para responder em menos de um segundo: um modelo de difusão que gera 1.068 tokens por segundo em GPUs NVIDIA, uma janela de 1 milhão de tokens e quatro configurações de raciocínio cujo nível mais rápido se chama "instant". O Grok 4.7, lançado pela SpaceXAI em 21 de setembro de 2026, foi criado para continuar trabalhando: uma janela de 500.000 tokens, uma escala de raciocínio que chega no máximo a xhigh e uma medição independente mostrando que ele consumiu cerca de 240 milhões de tokens de saída para concluir o Artificial Analysis Intelligence Index a um custo de US$ 3,74 por tarefa. Um modelo trata a latência como o produto. O outro trata a duração como o produto. Compará-los em um único placar ignora a única pergunta que importa — em qual relógio sua carga de trabalho realmente está. Ambas as pontas de uma política dividida podem ficar atrás de uma única chave, com failover automático cobrindo a via lenta. As falhas de IA e os incidentes de agentes documentados por trás de lançamentos como este estão reunidos no OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, nota de confiança e sinalizador de disputa.

Os dois relógios, precificados

Comece pelo que dizem as tabelas de preços, porque a diferença é grande o suficiente para mudar o que você pode construir:

• Entrada — Mercury 3 US$ 0,20 por 1M no preço de tabela (US$ 0,10 no lançamento) vs Grok 4.7 US$ 2,00 por 1M

• Saída — Mercury 3 US$ 0,70 por 1M na tabela (US$ 0,35 no lançamento) vs Grok 4.7 US$ 6,00 por 1M

• Entrada em cache — Mercury 3 US$ 0,02 por 1M (US$ 0,01 no lançamento) vs Grok 4.7 US$ 0,50 por 1M

• Contexto — 1.000.000 de tokens vs 500.000

• Saída máxima em uma resposta — 131.072 tokens vs. nenhum limite publicado pelo fornecedor; nossa própria ficha do grok-4.7 indica 450.000

• Modalidade de entrada — somente texto vs. texto e imagens

Configurações de raciocínio — instantâneo, baixo, médio, alto vs baixo, médio, alto, extra alto

• Throughput — 1.068 tokens por segundo, informado pelo fornecedor vs. não publicado pelo fornecedor

• Reprecificação de solicitações longas — nenhuma publicada vs. todas as tarifas dobradas acima de 200.000 tokens de entrada, aplicada à solicitação inteira

• Pesos — fechados em ambos

Lendo apenas a linha de saída, o Mercury 3 parece um erro de arredondamento ao lado do Grok 4.7: US$ 0,70 contra US$ 6,00, ou US$ 0,35 durante a janela de lançamento. Lendo a linha de cache, a diferença aumenta em vez de diminuir, porque US$ 0,02 contra US$ 0,50 é um fator de vinte e cinco, independentemente do desconto. Essa combinação — saída barata e leituras de cache quase gratuitas — é o que torna um loop de alta frequência acessível, e é o alvo de design para o qual o modelo claramente foi criado.

Mas a tabela de preços é apenas metade de um custo. A própria premissa de design do Grok 4.7 é que um problema difícil merece uma longa passagem de raciocínio, e o painel independente mostra quanto isso custa quando o problema é difícil o suficiente: US$ 3,74 por tarefa de índice concluída, contra US$ 0,72 para o GPT-6.1 Sol e, no mesmo painel, nenhuma entrada do Mercury 3. O Grok 4.7 gasta tokens para pensar. O Mercury 3 gasta quase nada por token e promete pensar rapidamente. Essas não são alegações concorrentes; são orçamentos concorrentes.

O que uma longa passada de raciocínio realmente proporciona

O Grok 4.7 não é um modelo rápido que ficou mais lento. É uma aposta deliberada de que trabalho de várias horas — ciclos de programação agêntica, análises com grande volume de documentos, entregáveis profissionais — recompensa um modelo que segue em frente, e os resultados independentes mostram essa aposta compensando em pontos específicos, e não de forma geral.

• GDPval-AA, trabalho de conhecimento economicamente valioso — Grok 4.7 Elo 1711,07, o segundo mais alto entre os modelos comparados aqui e à frente dos 1593,85 do GPT-6.1 Sol

• SciCode — 0,5741, à frente de ambos GPT-6.1 Sol (0,5417) e Qwen3.8 Max (0,5208)

• HLE — 0.4314

• AA-LCR raciocínio de contexto longo — 0.7667

• Terminal-Bench 4.0 — 0.2576, o número mais fraco em sua própria coluna

• AutomationBench — 0.6556, o mais forte dos quatro modelos desta série

• Índice de Inteligência — 46,4 em xhigh, segundo a Artificial Analysis

• Custo por tarefa de indexação — $3,74

Esse perfil — forte em trabalho de conhecimento e automação, fraco em programação no estilo terminal — não é o perfil de um modelo principal de uso geral, e é mais útil saber isso do que saber uma posição em um ranking. Uma equipe que realiza longas sessões autônomas de programação e escolhe o Grok 4.7 para elas está fazendo essa escolha contra suas próprias medições.

O Mercury 3 não tem uma coluna comparável. As evidências publicadas pela Inception são de natureza diferente: um teste de navegação Mind2Web de 50 tarefas em seu próprio harness, no qual concluiu 50% das tarefas, além de depoimentos de parceiros da TinyFish AI, RevisionDojo, Octen AI e Lorikeet. Ele não tem registro no Artificial Analysis até 20 de outubro de 2026, o que significa que toda alegação de capacidade neste artigo sobre o Mercury 3 além de velocidade e preço é informada pelo fornecedor e não reproduzida. Isso não é motivo para descartá-lo — um modelo com nove dias de existência e sem pontuação independente é um estado normal, e cobertura inicial é exatamente o que este blog existe para publicar. É um motivo para manter as duas colunas rotuladas de forma diferente.

Três cargas de trabalho, três respostas

Uma fila de suporte ou um agente de voz. Cada milissegundo é um cliente esperando, e o modelo precisa ser barato o suficiente para rodar em cada mensagem. O Mercury 3 vence nisso pelos números conforme publicados: 1.068 tokens por segundo, US$ 0,70 de saída no preço de tabela, US$ 0,02 de entrada em cache, um nível "instant" que pula o raciocínio por completo. O Grok 4.7 consegue fazer esse trabalho, mas, a US$ 6,00 de saída com uma etapa de raciocínio padrão, está pagando por deliberação que a conversa não precisa. Este é o caso para o qual a Inception criou o modelo, e as citações dos parceiros vêm todas desse formato de produto.

Um agente de programação ou pesquisa de várias horas. O trabalho é executado sem supervisão, a transcrição passa de algumas centenas de milhares de tokens, e o modelo precisa manter um plano ao longo de muitos passos. Aqui, a janela de 500K do Grok 4.7, o raciocínio xhigh e a força medida em trabalho de conhecimento são os recursos relevantes, e a janela de 1M do Mercury 3 é o contra-argumento relevante: mais espaço, muito mais barato por token, mas ainda sem evidências de que mantenha um plano ao longo de um horizonte longo. Observe também que o Grok 4.7 dobra todas as taxas acima de 200.000 tokens de entrada para toda a solicitação, enquanto o Mercury 3 não publica sobretaxa para solicitações longas. Em uma transcrição genuinamente longa, a diferença nominal de 8,6× na saída pode cair para menos de 5× — e esse é o regime em que a falta de um benchmark do Mercury 3 começa a doer, porque a vantagem de custo surge exatamente onde sua capacidade é menos comprovada.

Qualquer coisa que precise ler uma imagem. O Grok 4.7 aceita imagens. A documentação do Mercury 3 lista texto como seu único formato suportado. Isto não é uma questão de preço, e nenhuma quantidade de tokens por segundo responde a isso.

A razão para executar ambos em vez de escolher

A divisão é excepcionalmente clara porque os dois modelos falham em direções diferentes: o Mercury 3 é barato e não mensurado, o Grok 4.7 é caro e mensurado, e seus intervalos de modalidade e raciocínio quase não se sobrepõem. Essa é a forma de um problema de roteamento, e não de uma decisão de aquisição.

O Grok 4.7 está no OrcaRouter pelo preço de tabela da SpaceXAI, com 0% de markup, incluindo a tarifa dobrada acima de 200K, então o custo de testar uma política é o mesmo de chamar o fornecedor diretamente. O Mercury 3 não está no roteador; ele é servido pela API própria da Inception e por várias plataformas de terceiros, e tem nove dias de idade. Uma DSL de roteamento se justifica aqui de um modo que raramente acontece: envie solicitações da faixa instantânea — prompts curtos, orçamentos de latência rígidos, sem imagens — para o Mercury 3, mantenha tudo o que precisa de visão ou raciocínio xhigh no Grok 4.7, e deixe o failover automático cobrir o caso em que a fila do novo modelo se acumula. A política é expressável; a evidência para ela é o que o tráfego do próximo mês vai fornecer.

O que observar antes de remanejar o orçamento

Dois sinais alterariam esta comparação, e ambos são específicos.

• Uma ficha do Mercury 3 no Artificial Analysis. Uma pontuação no Intelligence Index e um número de custo por tarefa permitiriam saber se o modelo barato e rápido está suficientemente próximo do Grok 4.7 em trabalho de conhecimento para justificar direcionar tráfego real. Sem isso, os 1.068 tokens por segundo são um dado de throughput, e não uma alegação de capacidade.

• O consumo de tokens do Grok 4.7 nas suas próprias cargas de trabalho. A execução de indexação de 240 milhões de tokens é um benchmark sintético; uma fila de suporte e um agente de programação consomem volumes muito diferentes. Meça os tokens de saída por tarefa concluída em uma semana representativa antes de presumir que a tarifa de $6.00 define sua fatura

O que se deve ignorar, entretanto, é qualquer comparação que coloque os dois modelos numa mesma coluna de ranking sem observar que um deles nunca esteve no ranking. O fato interessante sobre o Mercury 3 não é que ele seja rápido — a Inception vem lançando modelos de difusão rápidos há um ano —, mas que ele é rápido com uma janela de 1M a um preço que torna a economia por requisição trivial. O fato interessante sobre o Grok 4.7 não é que ele lidere um gráfico, porque não lidera; é que ele é o modelo mais forte em automação deste conjunto e paga por isso em tokens. Esses são produtos diferentes, e a quantidade certa deles para executar provavelmente não é um.