Mercury 3 vs MiniMax M3: Um Número Contra um Histórico Inteiro

A Inception lançou o Mercury 3 em 19 de outubro de 2026 com um único número de desempenho — 1.068 tokens por segundo — e nenhuma pontuação de benchmark de qualquer tipo. A MiniMax lançou o MiniMax M3 em 1º de junho de 2026 com uma tabela de benchmarks do fornecedor, um checkpoint disponível para download e, quatro meses depois, uma pontuação publicada por um avaliador independente. Coloque os dois lado a lado e a pergunta interessante não é qual modelo é mais rápido ou mais barato. É que um desses modelos pode ser verificado hoje por alguém que não seja o seu autor, e o outro não. Essa assimetria é a comparação inteira, e ela sobrevive a todo corte de preço que qualquer um dos laboratórios anuncie. As falhas documentadas de IA e os incidentes com agentes por trás de lançamentos como este estão reunidos no OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalização de disputa.

Os dois modelos também são, no papel, próximos o suficiente para que a escolha seja real. Ambos operam com uma janela de um milhão de tokens. Ambos estão na faixa de preço baixa. Ambos são construídos sobre arquiteturas incomuns para sua categoria — difusão para o Mercury 3, atenção esparsa sobre uma mistura de especialistas para o MiniMax M3 — e ambos afirmam que é a arquitetura que lhes garante essa economia.

Dois posts de lançamento, dois tipos diferentes de evidência

Leia o anúncio da Inception como um documento. Ele apresenta um argumento de escala: o Mercury 3 é mais de 40 vezes maior que o Mercury 1 em parâmetros totais, a inteligência medida aumentou aproximadamente três vezes do Mercury 1 (mini) para o Mercury 3, e o modelo é "tão rápido quanto" seu ancestral menor. Ele faz uma afirmação comparativa de qualidade: o Mercury 3 está "no mesmo nível ou melhor que modelos de fronteira otimizados para velocidade como GPT-6 Luna e Claude Haiku 5.5". E relata exatamente um resultado de tarefa, do próprio harness de agente web da Inception, em 50 tarefas de navegação ao vivo do Mind2Web, nas quais o modelo concluiu 50 por cento. Cada um desses é relatado pelo fornecedor e nenhum nomeia uma suíte de benchmark, uma margem ou uma configuração de hardware.

Leia o material da M​iniMax como um documento e ele tem a forma oposta. Há uma tabela de benchmarks com suítes nomeadas e porcentagens — SWE-Bench Pro 59,0, Terminal-Bench 2.1 66,0, BrowseComp 83,5, OSWorld-Verified 68,70 — além de um model card, além de pesos no Hugging Face, além de uma listagem independente da Artificial Analysis que atribui ao modelo uma pontuação de 29 no seu Intelligence Index. Os números do fornecedor ainda são números do fornecedor, e não vimos que tenham sido reproduzidos. Mas o modelo pode ser baixado, executado e medido por qualquer pessoa que queira, e é por isso que o número independente existe.

Essa diferença no que foi publicado não é um detalhe de marketing. Ela determina que tipo de orientação alguém pode lhe dar sobre esses dois modelos. Para o MiniMax M3, há um valor de throughput medido, um custo medido por tarefa de indexação e uma classificação medida. Para o Mercury 3, há uma alegação.

As especificações, com a fonte de cada lado anexada.

• Preço por milhão de tokens — Mercury 3: US$ 0,20 de entrada e US$ 0,70 de saída na tabela, reduzidos pela metade para US$ 0,10 e US$ 0,35 enquanto durar o desconto de lançamento, contra MiniMax M3: US$ 0,30 e US$ 1,20 em requisições de até 512K tokens de entrada

• Entrada em cache — Mercury 3 US$ 0,02 por milhão, US$ 0,01 durante a janela de lançamento vs. MiniMax M3 US$ 0,06 por milhão

• Janela de contexto — Mercury 3 com 1.000.000 de tokens vs. MiniMax M3 com 1.048.576

• Saída máxima — Mercury 3 131.072 tokens vs MiniMax M3 512.000 tokens na nossa própria página de catálogo; a M​iniMax não publica nenhum valor de saída máxima, então esse é nosso, não do fornecedor

• Modalidade de entrada — Mercury 3 somente texto vs. MiniMax M3 texto, imagem e vídeo

• Arquitetura — Mercury 3 é um modelo de linguagem de difusão que refina blocos de tokens em paralelo, enquanto o MiniMax M3 é uma mistura de especialistas, com aproximadamente 428B no total e aproximadamente 23B ativos por token, com MiniMax Sparse Attention

• Pesos — Mercury 3 fechado, apenas via API, vs. MiniMax M3 disponível para download sob a M​iniMax Community License

• Vazão — Mercury 3: 1.068 tokens por segundo, informado pelo fornecedor em hardware NVIDIA não identificado, com tamanho de lote e configuração de esforço não especificados, vs. MiniMax M3: 106,4 tokens por segundo medidos pela Artificial Analysis

• Índice de Inteligência Independente — Mercury 3 sem entrada em 20 de outubro de 2026, contra MiniMax M3 com 29, classificado em 23.º de 121 modelos na revisão em vigor nesse dia

• Controle de raciocínio — Mercury 3 tem quatro configurações de esforço, de instantâneo a alto, com padrão baixo quando o parâmetro é omitido, vs. MiniMax M3, que tem um parâmetro thinking com modos habilitado, adaptativo e desabilitado

• Chamada de ferramentas e saídas estruturadas — ambos são suportados em um endpoint de chat completions compatível com OpenAI

Duas dessas linhas precisam de uma ressalva anexada antes de serem citadas em qualquer lugar. O número 1.068 é uma medição do fornecedor sem um harness declarado, portanto não é comparável a um número produzido por um avaliador independente sob uma metodologia fixa. E o Artificial Analysis recalcula seu índice periodicamente; o 29 acima é a leitura de 20 de outubro de 2026, e o MiniMax M3 já apresentou valores diferentes em revisões anteriores. Os números desse índice mudam; o fato de existir um para o M3 e não para o Mercury 3 não muda.

O que 1.068 tokens por segundo significa no nível da requisição

Tokens por segundo é uma unidade ruim para decidir qualquer coisa, porque ninguém compra tokens. As pessoas compram requisições concluídas. Converta os dois números naquilo que o usuário realmente experimenta — quanto tempo leva para gerar uma resposta de mil tokens.

Aos 1.068 tokens por segundo alegados pela Inception, uma resposta de 1.000 tokens leva cerca de 0,94 segundo de geração. Aos 106,4 medidos do MiniMax M3, a mesma resposta leva cerca de 9,4 segundos. Incluindo um tempo medido até o primeiro token de 1,13 segundo para o M3, a diferença entre as duas experiências é de aproximadamente dez vezes, antes mesmo de alguém acrescentar latência de rede, enfileiramento ou a própria sobrecarga de um provedor.

Esse é o caso do Mercury 3, e é um caso real. Uma diferença de dez vezes no tempo de geração é a diferença entre uma resposta de busca que parece instantânea e uma que parece o carregamento de uma página. Toda a linha de produtos da Inception é construída em torno disso: a empresa vende o Mercury Voice para tempo até o primeiro token da resposta, o Mercury Decide para classificação, e posiciona o carro-chefe em suporte, tutoria, busca e agentes web — todas cargas de trabalho em que uma resposta lenta é um produto quebrado, e não apenas um pouco pior.

O que o número dez vezes maior não diz é se o Mercury 3 é bom. O resultado do Mind2Web — 50% de conclusão em 50 tarefas ao vivo, “significativamente mais que o GPT-6.1-Sol” — é o único sinal estruturado de qualidade que a Inception publicou, e 50 tarefas é uma amostra pequena o bastante para que um único site difícil mova a porcentagem em dois pontos. O harness é da própria Inception. O modelo de comparação é citado sem uma pontuação. É um sinal genuíno de que o modelo consegue operar um navegador, e não é uma medição que você possa colocar em uma decisão de aquisição.

O que o histórico do MiniMax M3 realmente diz

O quadro independente do M3 é pouco glamoroso e útil. Um Intelligence Index de 29 contra uma mediana de 19 para modelos da sua classe de comparação, 106,4 tokens de saída por segundo contra uma mediana de 77,4, um tempo até o primeiro token de 1,13 segundo contra uma mediana de 1,70 segundo, e um custo de US$ 0,51 para executar o índice por modelo. É um modelo que está bem acima da média em qualidade para a sua classe, claramente acima da média em velocidade para o seu tamanho, e barato de executar.

As subpontuações que circulam a partir da republicação por terceiros da mesma família de índices contam uma história mais específica: fortes em compreensão de documentos e seguimento de instruções, mais fracas em trabalho agêntico autônomo de várias etapas. A diferença entre as suas subpontuações de programação e agênticas é a maior amplitude interna no seu histórico. Se a sua carga de trabalho é "ler este documento longo e responder com precisão", o M3 tem boas evidências. Se é "executar por vinte minutos e entregar", a evidência é mais escassa e aponta no sentido contrário.

Para o Mercury 3 não há um parágrafo equivalente a escrever, porque os dados não existem. O Artificial Analysis não tem página do Mercury 3 — seu índice ainda lista Mercury 2.5 e Mercury 2 —, então um dia após o lançamento o modelo não tem pontuação independente, nenhum número independente de velocidade e nenhum custo por tarefa. O conjunto de comparação da Inception (GPT-6 Luna, Claude Haiku 5.5) é a categoria rápida, e não a de fronteira, o que é o comparador correto para um produto de latência, mas a alegação não traz margem nem nomes de testes.

A diferença de preço é menor do que a etiqueta sugere.

O reflexo é chamar o Mercury 3 de opção econômica e o M3 de caro. Por token, isso é direcionalmente verdadeiro e muito menos dramático do que parece: a entrada é 1,5 vez mais barata no Mercury 3, e a saída, 1,7 vez mais barata. Isso não é outra liga. É outra prateleira.

Execute uma carga de trabalho concreta. Considere um assistente de suporte ou de busca processando 10.000 respostas por dia, cada uma com 1.500 tokens de entrada de contexto recuperado e estrutura de prompt, e 300 tokens de saída. Isso representa 15 milhões de tokens de entrada e 3 milhões de tokens de saída por dia.

• Mercury 3 ao preço de tabela — 15 × $0,20 mais 3 × $0,70, ou $5,10 por dia

• Mercury 3 à tarifa de lançamento — 15 × US$ 0,10 mais 3 × US$ 0,35, ou US$ 2,55 por dia

• MiniMax M3 na tarifa de solicitações pequenas — 15 × US$ 0,30 mais 3 × US$ 1,20, ou US$ 8,10 por dia

Portanto, a diferença diária entre os dois preços de tabela é de cerca de três dólares em dez mil conversas. Se a eficiência de tokens do Mercury 3 na sua configuração padrão de baixo esforço for pior que a do M3 — e ninguém fora da Inception sabe, porque não há uma contagem medida de tokens de saída para o Mercury 3 —, essa diferença de três dólares pode se fechar ou se inverter no tráfego real. Esse é o motivo específico pelo qual é difícil definir orçamento para um modelo sem pontuação: não é possível calcular o custo por tarefa concluída sem uma taxa de conclusão medida e uma verbosidade medida.

A linha de entrada em cache importa mais do que a manchete para cargas de trabalho de agentes, porque os agentes reenviam o mesmo prompt de sistema e as mesmas definições de ferramentas a cada etapa. Os US$ 0,02 por milhão de tokens em cache do Mercury 3 fazem um preâmbulo de 20.000 tokens custar quatro décimos de milésimo de dólar por chamada. Os US$ 0,06 do M3 custam três vezes isso, o que ainda é pouco — mas em uma execução de cinquenta etapas a diferença é de centavos, não de frações de centavo, e é no tráfego de agentes que os centavos se multiplicam.

Licença, saída e a coisa que você não pode baixar

O MiniMax M3 é distribuído sob a MiniMax Community License. O uso não comercial é gratuito; o uso comercial exige a exibição de "Built with MiniMax M3", um aviso único para receita anual inferior a US$ 20 milhões e autorização prévia por escrito acima desse valor, além da conformidade com um anexo de usos proibidos. Trata-se de uma análise jurídica, e não de uma formalidade, mas é uma licença que você pode ler antes de desenvolver.

O Mercury 3 não tem licença para leitura, porque não há nada para licenciar. É fechado. Isso não é automaticamente eliminatório — a maioria das equipes que chamam um modelo por meio de uma API nunca toca nos pesos —, mas altera o que acontece se a Inception mudar seu preço, seus termos ou sua disponibilidade. A saída é uma migração, não uma reimplantação.

Mais uma assimetria que vale a pena nomear: o M3 tem um histórico de quatro meses. Está no nosso catálogo há tempo suficiente para acumular percentis de tráfego e latência, e sua tabela de preços tem se mantido estável. O Mercury 3 tem um dia de vida, seu preço de lançamento não tem data de término publicada, e seus modelos antecessores já estão fechados para novos usuários — a própria nota de migração da Inception diz que Mercury 2 e Mercury 2.5 deixam de aceitar novos cadastros e que clientes existentes perdem o acesso em 15 de novembro de 2026. Um fornecedor que aposenta uma linha de modelos tão rapidamente está lhe dizendo algo sobre como espera que você consuma seus produtos.

Onde um roteador muda a aritmética

Esta comparação é um bom argumento para não escolher nada na primeira semana. O MiniMax M3 está no OrcaRouter a US$ 0,30 por milhão de tokens de entrada e US$ 1,20 por milhão de saída, o preço de tabela do provedor, sem nenhuma margem adicional, ao lado de mais de 200 outros modelos por trás de um único endpoint compatível com a OpenAI. O Mercury 3 não está no nosso catálogo — uma consulta à nossa API de modelos não retorna nada para nenhum modelo da Inception —, então quem quiser chamá-lo precisa ir à plataforma da própria Inception ou a um dos hosts de terceiros listados pela Inception. Preferimos dizer isso com clareza a sugerir uma rota que não temos.

O padrão que se adequa a um lançamento não mensurado e excepcionalmente rápido é uma arquitetura de dois caminhos. Coloque o nível crítico para latência no Mercury 3 por meio do fornecedor, e mantenha o fallback medido no M3 ou em outro modelo que servimos, com failover automático configurado para que um 429 ou um endpoint degradado não derrube a funcionalidade. O DSL de roteamento existe justamente para que a divisão possa ser uma regra em vez de uma bifurcação na sua base de código, e porque os preços de lista dos provedores passam sem alteração, um corte de preço da Inception ou uma mudança de nível da M​iniMax chega à sua fatura no dia em que é anunciada, e não no próximo contrato.

O que esse design não lhe garante é uma garantia de qualidade do lado do Mercury 3. Nada garante, ainda.

A regra a aplicar esta semana

• Se a resposta precisar chegar em cerca de um segundo e uma resposta errada for recuperável — sugestões de busca, triagem de suporte, dicas de tutoria, etapas de agente com um caminho de escalonamento —, o Mercury 3 vale uma semana de avaliação apenas com base na alegação de latência. Faça o orçamento pelo preço de tabela, não pela tarifa de lançamento de 50%, já que o desconto não tem data de término publicada.

• Se você precisa saber quão bom o modelo é antes de assumir um compromisso, o MiniMax M3 é o único destes dois que permite descobrir. Ele também é o único que você pode baixar, quantizar, ajustar finamente ou executar no seu próprio hardware.

• Se sua carga de trabalho lê vídeos ou imagens, a comparação acabou. O M3 aceita; o Mercury 3, não.

• Se você está otimizando o custo por tarefa concluída em vez do custo por token, nenhum dos dois modelos ainda oferece o número de que você precisa — o M3 porque sua fraqueza agêntica é medida e real, o Mercury 3 porque nada sobre seu comportamento de conclusão foi medido.

O que se deve observar não é o preço do Mercury 3. É a primeira avaliação independente do Mercury 3, sempre que ela surgir. Se a alegação de throughput se reproduzir em algum lugar próximo de 1.068 tokens por segundo sob um harness neutro e a qualidade ficar na classe Haiku que a Inception está alegando, isso deixa de ser uma comparação e vira uma questão de migração para todo produto na web limitado por latência. Se ficar no desconto habitual de fornecedor para independente e a qualidade for apenas competitiva, então o resumo honesto é o acima: um modelo rápido, barato e não comprovado contra um modelo mais lento, barato e comprovado — e, para a maioria das equipes, o lado comprovado é o que entra no caminho de produção até o outro lado ter um número.