Mercury 3 vs Mistral Large 4: Dois modelos inacabados e as promessas atribuídas a cada um

Nenhum desses modelos está concluído, e as formas pelas quais estão inacabados são opostas. O Mercury 3 foi lançado pela Inception Labs em 19 de outubro de 2026 como um produto disponível a US$ 0,20 por milhão de tokens de entrada e US$ 0,70 por milhão de saída, e não tem nenhuma avaliação independente de qualquer tipo — nenhuma pontuação da Artificial Analysis, nenhum harness de terceiros, nada. O Mistral Large 4 foi anunciado pela Mistral em 6 de outubro de 2026 como uma prévia pública a US$ 1,36 e US$ 4,18 por milhão, e tem uma pontuação independente de 38 no Artificial Analysis Intelligence Index e um custo medido de US$ 1,13 por tarefa do índice, mas seus pesos — que a Mistral prometeu que seriam disponibilizados "até o fim do mês" — não haviam sido publicados no Hugging Face quando isto foi escrito, e a própria execução de aprendizado por reforço da prévia ainda estava em andamento no anúncio. As falhas de IA e os incidentes com agentes documentados por trás de lançamentos como este estão reunidos em o OrcaRouter AI Incident Archive onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalização de contestação.

A comparação é, portanto, entre um modelo cujos números são todos relatados pelo fornecedor e um modelo cujos números não são todos finais. Eles também ocupam categorias de produto diferentes: o Mercury 3 é um modelo de linguagem de difusão somente texto, com contexto de um milhão de tokens e uma alegação de throughput de 1.068 tokens por segundo, enquanto o Mistral Large 4 é um mixture-of-experts nativamente multimodal de 1 trilhão de parâmetros, com 52 bilhões de parâmetros ativos, treinado em 3.800 GPUs NVIDIA Grace Blackwell em datacenters franceses e posicionado explicitamente em torno da soberania europeia de IA. Se sua carga de trabalho for texto e sua restrição for custo, essa diferença é decisiva antes mesmo de qualquer benchmark ser consultado. Se não for, os dois modelos mal competem entre si.

Mercury 3, e a coisa específica que está faltando

O modelo da Inception é a terceira geração de sua aposta na decodificação paralela. Em vez de um token por passagem direta, o Mercury remove o ruído de um bloco de posições e as confirma em conjunto, e é daí que vêm mais de 1.000 tokens por segundo. O Mercury 3 tem, segundo a Inception, mais de 40 vezes a contagem total de parâmetros do Mercury 1, com uma janela de contexto que cresceu de 260.000 para 1.000.000 de tokens e um teto de saída de 131.072 tokens, e roda a 1.068 tokens por segundo em hardware NVIDIA não especificado.

O que falta é qualquer medição que a Inception não realizou. O único resultado estruturado de qualidade do anúncio é um teste de agente em sites ao vivo: 50 tarefas de navegação do Mind2Web em sites reais dentro do próprio harness de produção da Inception, nas quais o Mercury 3 concluiu 50% — 25 tarefas —, o que a Inception diz ser "significativamente mais que o GPT-6.1-Sol" no mesmo volume de tokens e número de passos. Isso é mais interessante que uma tabela de benchmark porque os sites estavam ao vivo, e menos confiável pelo mesmo motivo pelo qual uma demonstração de fornecedor sempre é: a Inception escolheu o harness, os alvos e a pontuação. Não há página do Artificial Analysis para o Mercury 3 em 20 de outubro de 2026, então não há número neutro de throughput, nem custo neutro por tarefa, nem curva de recall neutra para essa janela de um milhão de tokens.

A consequência é concreta, e não filosófica. Um contexto de um milhão de tokens com uma curva de recall não medida é uma alegação de capacidade: os tokens cabem, e ninguém estabeleceu quanto deles o modelo realmente usa. O Mercury 2.5 obteve 12 no Artificial Analysis Intelligence Index, o que diz onde a geração anterior se situava e nada sobre esta.

Mistral Large 4, e a coisa específica que está inacabada

O modelo da Mistral é uma proposta completamente diferente, e o anúncio é invulgarmente específico quanto a isso. É um modelo nativamente multimodal de 1 trilhão de parâmetros com 52 bilhões de parâmetros ativos — mistura esparsa de especialistas, pelo que a maior parte do trilhão não está a realizar trabalho em nenhum token específico. Lida com documentos, gráficos, imagens naturais, desenhos técnicos e imagens de satélite com gigapixels, e foi treinado com dados que abrangem mais de 160 idiomas, incluindo todas as línguas oficiais da UE.

• Programação — 61,7% no DeepSWE v1.1, 59,4% no SWE-Atlas-QnA, 28,3% no Terminal-Bench 4, para um Índice Combinado de Agentes de Programação de 49,8%. Todos divulgados pela Mistral.

• Agentes e cibersegurança — 59,9% no AutomationBench, 1.393 Elo no AA-Briefcase, 82% em um teste de reprodução e correção de vulnerabilidades reais que, segundo a Mistral, lidera entre todos os modelos, 93% no Cybench e 93,3% de resistência a ataques no B3 da Lakera.

• Visão — 42% no Dense 200 de fundamentação visual, ligeiramente à frente do GPT-6 Astra com 41%.

• Avaliação humana — 3,74 de 5 na avaliação cega de programação da Surge AI, segundo lugar entre cinco modelos, atrás do Claude Opus 5, com 4,22. Uma terceira parte conduziu o estudo; a Mistral encomendou e publicou-o.

• Agregado independente — 38 no Artificial Analysis Intelligence Index, na 66ª posição entre 217, a US$ 1,13 por tarefa do índice, 67,5 tokens de saída por segundo e tempo até o primeiro token de 1,65 segundo.

• Estado — pré-visualização, pesos prometidos até o final de outubro de 2026, execução de RL ainda em andamento no momento do anúncio.

A classificação merece cuidado. A própria documentação da Mistral lista a geração v26.10 como “Open” e de pesos abertos; a página da Artificial Analysis, consultada em 20 de outubro, ainda diz “proprietary” e “os pesos do modelo não estão disponíveis publicamente”. Ambas estão corretas em momentos diferentes: a licença é a intenção, os pesos ainda não estão no disco. Quem estiver construindo uma implantação partindo do pressuposto de que o Mistral Large 4 estará disponível para download em novembro deve observar que a promessa tem data e ainda não um repositório.

As duas tabelas de tarifas, e o número que faz a diferença parecer menor do que realmente é

No papel, o Mercury 3 é drasticamente mais barato: US$ 0,70 por milhão de saída contra US$ 4,18, e US$ 0,20 de entrada contra US$ 1,36. Isso representa uma diferença de 6 vezes no preço de tabela, ou 12 vezes durante a janela de lançamento do Mercury, a US$ 0,10 e US$ 0,35, com o próprio preço promocional da Mistral a US$ 0,68 e US$ 2,09, reduzindo-a para cerca de 6 vezes.

O número por resposta é onde ele se reduz ainda mais, e é o único número neste artigo que foi medido por alguém além do fornecedor que vende o modelo. A Artificial Analysis calcula o Mistral Large 4 Preview em US$ 1,13 por tarefa do Intelligence Index. O Mercury 3 não tem equivalente, então a única forma de construir um é supor um volume de tokens — e as comparações anteriores do Mercury mostraram por que essa suposição importa: um modelo que gasta 31.000 tokens de saída onde outro gasta 193.000 pode ser 20 vezes mais caro por token e ainda assim mais barato por resposta. A US$ 0,70 por milhão, o Mercury 3 precisaria de cerca de 1,6 milhão de tokens de saída para custar US$ 1,13 em uma única tarefa. Ele não gastará isso. Em qualquer volume realista, ele fica muito abaixo de US$ 1,13, que é o núcleo honesto do seu argumento: a vantagem por token sobrevive à correção por resposta aqui de um modo que não sobreviveu contra o GPT-6 Sol.

• Contexto — Mercury 3: 1.000.000 de tokens conforme a documentação da Inception. Mistral Large 4: 1.000.000 conforme a listagem do modelo da Mistral, contra 524.288 na configuração testada da Artificial Analysis.

• Multimodalidade — Mercury 3: texto entra, texto sai, nenhuma imagem a qualquer custo. Mistral Large 4: documentos, gráficos, fotografias, desenhos técnicos, imagens de satélite.

• Velocidade — Mercury 3: 1.068 tokens por segundo, medidos pelo fornecedor. Mistral Large 4: 67,5 tokens por segundo segundo a Artificial Analysis, com um tempo até o primeiro token de 1,65 segundo que é genuinamente rápido para um modelo deste tamanho.

• Pesos — Mercury 3: nenhum publicado, e a organização da Inception no Hugging Face não possui repositórios de modelos. Mistral Large 4: prometido para o final de outubro, ainda não publicado.

• Governança — Mercury 3: nenhuma declaração publicada sobre dados de treinamento ou implantação na UE. Mistral Large 4: treinado em data centers europeus, implantação operada na Europa, todos os idiomas oficiais da UE.

A linha de contexto longo é a que se deve ler duas vezes. A documentação da Mistral lista um milhão de tokens; a Artificial Analysis testou em 524.288. Isso não é uma contradição — os fornecedores testam na potência de dois que sua infraestrutura de teste suportar —, mas é um lembrete de que um número de contexto é um máximo, não uma capacidade testada, e a recuperação de contexto longo do Mistral Large 4 também não foi publicada na janela completa.

Onde o argumento europeu realmente pesa

O argumento da soberania não é enfeite neste modelo; é a razão pela qual vários compradores o escolherão em vez de algo mais barato e melhor. Treinado em GPUs Blackwell em datacenters franceses, operado a partir da Europa, multilíngue em todas as línguas oficiais da UE — para um comprador do setor público ou uma empresa europeia regulamentada, essa combinação pode superar doze pontos de índice de inteligência, porque a alternativa pode não ser adquirível de forma alguma.

O Mercury 3 não oferece nada disso. A Inception não publicou nada sobre onde o modelo é executado, com quais dados foi treinado ou quais termos de retenção se aplicam, além de observar que clientes empresariais podem comprar capacidade dedicada, escalonamento automático, controles de conformidade e retenção configurável. Essas são as coisas certas para vender a uma empresa, e não são o mesmo que uma posição publicada sobre processamento de dados.

Há mais uma complicação na história europeia que vale a pena sinalizar em vez de resolver: a promessa dos pesos abertos. Se a Mistral publicar os pesos no final de outubro, um comprador europeu terá algo que nenhum laboratório americano oferece atualmente nessa escala — um modelo multimodal próximo da fronteira que pode ser executado dentro do seu próprio perímetro, no seu próprio hardware, sem nenhum fornecedor no caminho da solicitação. Esse é um produto materialmente diferente de uma API de prévia, e é por isso que o repositório ausente importa mais do que os pontos de benchmark ausentes.

Ambos estes modelos estão fora do nosso catálogo, o que altera a recomendação.

O Mercury 3 não está no catálogo do OrcaRouter, e o Mistral Large 4 também não — nossa API de modelos não retorna nada para nenhum dos dois, em todas as variantes de slug que tentamos. Isso é incomum o suficiente para dizer com clareza, porque significa que esta comparação não pode terminar com "colocar ambos em uma única chave". Quem chama qualquer um dos modelos está indo direto ao fornecedor, ou a uma das várias plataformas de terceiros que o hospedam.

O que uma camada de roteamento ainda faz nessa situação é a parte que não exige hospedar o modelo: ela mantém os modelos que roteamos atrás de um único endpoint compatível com OpenAI, e permite expressar uma regra sobre qual tráfego vai para onde. Se os pesos do Mistral chegarem no final de outubro, a arquitetura interessante não é "usar o Mistral Large 4 para tudo" — é um caminho Mistral auto-hospedado para os documentos que não podem sair do seu perímetro, um modelo de fronteira roteado para o trabalho que pode, e uma regra que decide entre eles. A mesma regra lida com o Mercury 3 se a Inception o lançar em algum lugar que possamos alcançar, e lida com o caso em que o preço promocional de qualquer um dos fornecedores termina, o que, para o Mercury 3, não tem data anunciada.

Quem deve escolher o quê, e o que mudaria a resposta

Escolha o Mercury 3 se o trabalho for texto, o volume for alto e as respostas forem baratas de verificar. A tabela de preços é de seis a doze vezes mais barata que o Mistral Large 4, dependendo de quais preços estiverem vigentes, a janela de contexto tem o mesmo tamanho anunciado, e a ausência de uma pontuação neutra é um risco que você pode medir na sua própria taxa de erro em um dia. O que você abre mão é de toda forma de entrada que não seja texto, e de qualquer capacidade de auditar o comportamento do modelo antes de implantá-lo.

Escolha o Mistral Large 4 se a entrada incluir imagens, desenhos ou digitalizações; se as compras exigirem treino e operação europeus; se um tempo até ao primeiro token de 1,65 segundos importar mais do que o débito bruto; ou se a promessa de pesos abertos for o verdadeiro motivo do seu interesse, caso em que deve esperar pelo repositório em vez do anúncio. O que perde é um fator de seis no preço e qualquer pretensão de ser a coisa mais rápida disponível.

Duas datas resolveriam a maioria das questões em aberto neste artigo. A primeira é o fim de outubro, quando a Mistral publica os pesos ou não. A segunda é quando a Artificial Analysis rodar o Mercury 3, o que substituiria cada número de fornecedor na primeira seção por um número medido. Nenhuma das datas foi anunciada. Até que cheguem, o resumo defensável é que o Mercury 3 é o motor de texto mais barato e o Mistral Large 4 é o produto mais completo, e que ambos estão sendo vendidos com base em alegações que o comprador atualmente precisa aceitar pela fé.