Mercury 3 vs Reflection Beam: o modelo fechado mais rápido encontra o modelo aberto mais rápido

O Reflection Beam chegou com um número que podia ser verificado, e o Mercury 3 chegou com um número que não podia. O Beam é pontuado em 335,1 tokens de saída por segundo pela Artificial Analysis, com um tempo até o primeiro token de 0,80 segundos e um Índice de Inteligência de 30 — o quarto mais rápido entre 78 modelos medidos, o vigésimo entre 121 em qualidade. O Mercury 3 alega 1.068 tokens por segundo e não tem nenhuma pontuação independente de qualquer tipo, um dia depois de a Inception lançá-lo em 19 de outubro de 2026. Portanto, a forma justa de abrir esta comparação não é "qual é mais rápido", mas "o que acontece com a diferença quando o lado não medido for medido". As falhas de IA documentadas e os incidentes com agentes por trás de lançamentos como este são coletados em o OrcaRouter AI Incident Archive onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalizador de disputa.

O motivo pelo qual este pareamento importa além de uma ficha técnica é que ambos os modelos estão vendendo a mesma coisa. O Mercury 3 é um modelo de linguagem de difusão que refina blocos de tokens em paralelo; o Reflection Beam é uma mistura esparsa de especialistas com 501 bilhões de parâmetros totais e apenas 23 bilhões ativos por token. Truques diferentes, mesma aposta: que o custo de inferência, e não o teto de capacidade, é onde está a próxima disputa. O Beam foi anunciado em 5 de outubro de 2026 e seus pesos foram disponibilizados sob a licença Apache 2.0 em 16 de outubro; o Mercury 3 foi lançado nove dias depois como uma API fechada. De um deles, você pode baixar e medir por conta própria. Do outro, você só pode chamar e confiar.

O que cada lado realmente registrou oficialmente

O histórico do Beam é detalhado o suficiente para se argumentar com ele. Um Intelligence Index de 30, na 20ª posição entre 121 modelos e acima da mediana de 19 que a Artificial Analysis registra para modelos comparáveis de pesos abertos. Uma medição de 335,1 tokens de saída por segundo e 0,80 segundo até o primeiro token, ambos contra uma mediana dos pares próxima de 77 tokens por segundo e 1,70 segundo. Uma taxa publicada de US$ 0,70 por milhão de tokens de entrada e US$ 2,10 por milhão de tokens de saída, com desconto de cache de 84%, o que resulta em US$ 0,57 de computação por tarefa do índice. E um número de verbosidade de 79 milhões de tokens de saída para completar o índice, o décimo mais enxuto entre 47 modelos avaliados, contra uma mediana de 140 milhões. Esse último número é a alegação de eficiência aparecendo no harness de outra pessoa pela primeira vez, e é o dado mais interessante no dossiê de qualquer um dos dois modelos.

Em contrapartida, o histórico do Mercury 3 resume-se a três alegações e um pequeno experimento. As alegações: 1.068 tokens por segundo em GPUs NVIDIA; mais de 40 vezes os parâmetros do Mercury 1, com cerca de três vezes a inteligência medida; e qualidade "equivalente ou superior à de modelos de fronteira otimizados para velocidade como GPT-6 Luna e Claude Haiku 5.5". O experimento: 50 tarefas de navegação Mind2Web ao vivo no próprio harness de agente web da Inception, 50% concluídas, "significativamente mais que o GPT-6.1-Sol", com o mesmo volume de tokens e número de etapas e, portanto, uma fração do custo. Nada disso foi reproduzido de forma independente, e a Artificial Analysis não tem nenhuma página do Mercury 3.

Essa assimetria não é uma crítica à engenharia da Inception. É uma afirmação sobre o que você pode decidir hoje. Para o Beam, você pode calcular o custo por tarefa concluída, porque alguém mediu conclusão e verbosidade. Para o Mercury 3, você pode calcular o custo por token e nada mais.

A ficha técnica, com a origem anexada a cada linha

• Preço por milhão — Mercury 3: US$ 0,20 de entrada e US$ 0,70 de saída no preço de tabela; US$ 0,10 e US$ 0,35 durante o desconto de lançamento, contra Beam: US$ 0,70 de entrada e US$ 2,10 de saída

• Entrada em cache — Mercury 3 US$ 0,02 por milhão no preço de tabela versus Beam, um desconto de 84 por cento na tarifa de entrada, ou aproximadamente US$ 0,11 por milhão

• Vazão — Mercury 3 1,068 tokens por segundo, alegação do fornecedor, hardware não especificado vs Beam 335.1 tokens por segundo, medido pela Artificial Analysis

• Tempo até o primeiro token — Mercury 3 não divulgado vs Beam 0,80 segundos, medido

• Índice de Inteligência — Mercury 3 sem entrada em 20 de outubro de 2026, contra Beam 30, classificado em 20º de 121

• Custo por tarefa de indexação — o Mercury 3 não pode ser calculado sem uma pontuação em comparação com o Beam a US$ 0,57

• Verbosidade da saída no índice — Mercury 3 não publicado vs Beam 79 milhões de tokens, 10º mais enxuto de 47

• Janela de contexto — Mercury 3: 1,000,000 tokens com saída máxima de 131,072 vs Beam: 1,048,576 tokens com saída máxima de 131,072

• Parâmetros — Mercury 3 não divulgados, descritos apenas como mais de 40 vezes o Mercury 1 versus Beam 501B no total, 23B ativos por token

• Modalidade de entrada — ambos somente texto

• Controle de raciocínio — Mercury 3 tem quatro configurações, de instantâneo a alto, com padrão baixo, enquanto Beam exige um esforço de raciocínio obrigatório com cinco níveis, e a documentação do Reflection assume o máximo como padrão

• Pesos — Mercury 3 fechado vs Beam Apache 2.0, em BF16, FP8 e uma build NVFP4 de 273 GiB

• Hospedagem própria — Mercury 3 apenas com capacidade dedicada empresarial vs. Beam, uma implantação de referência de quatro GPUs NVIDIA B300 em NVLink, com suporte day-zero para vLLM, SGLang, Transformers e Dynamo

Uma ressalva sobre a linha de preço. O desconto do Mercury 3 não tem data de término publicada, então o número que se mantém no planejamento é $0.20/$0.70, não $0.10/$0.35. O $0.70/$2.10 do Beam é uma tabela de preços vigente publicada pelo avaliador e pela própria plataforma da Reflection.

A diferença que importa é 335 contra 1.068

Se o número da Inception se mantiver sob uma avaliação neutra, o Mercury 3 é cerca de três vezes mais rápido que o modelo de pesos abertos mais rápido medido no setor, e faz isso com um terço do preço de entrada da Beam e um terço do preço de saída. Essa combinação — mais rápido e mais barato — é o argumento a favor do Mercury 3 em uma única frase, e é uma frase forte.

O problema é que a frase se baseia inteiramente em um número sem metodologia declarada. A Inception não diz qual GPU, qual tamanho de lote, qual configuração de esforço de raciocínio, nem se a medição é de fluxo único ou agregada. Todas as quatro escolhas alteram uma cifra de throughput por múltiplos. O desconto a aplicar não é hipotético: quando o Mercury 2.5 foi lançado, o número de throughput do fornecedor era materialmente superior aos 706 tokens por segundo que a Artificial Analysis mediu posteriormente com seu próprio harness. Essa é a variação normal entre fornecedor e medição independente nesta categoria, não má-fé — mas é a variação que se deve presumir.

Aplique um corte de três para um e o Mercury 3 fica perto de 350 tokens por segundo: no mesmo nível do valor medido do Beam, a um terço do preço, com uma pontuação de qualidade desconhecida. Aplique um corte de dois para um e ele é confortavelmente o modelo mais rápido que qualquer um dos dois laboratórios lançou nesse preço. De qualquer forma, a comparação muda de "três vezes mais rápido" para "algo entre tão rápido quanto o Beam e três vezes mais rápido, e mais barato que o Beam de qualquer maneira".

Há uma segunda assimetria escondida no mesmo par de números. O tempo de 0,80 segundo do Beam até o primeiro token é medido em um modelo de raciocínio que usa, por padrão, sua configuração de esforço máximo — o que significa que o modelo está pensando de verdade antes de emitir qualquer coisa e, ainda assim, retorna o primeiro token em menos de um segundo. Esse é um resultado de engenharia mais impressionante do que o número bruto de throughput, e é o tipo de coisa que só um harness independente encontra.

Vinte e três bilhões de parâmetros ativos é a verdadeira história do lado da Beam

O número de 501B na ficha do Beam em grande parte não funciona. Com 23 bilhões ativos por token, o modelo ativa aproximadamente 4,6% de si mesmo para qualquer token dado, uma taxa de ativação agressiva mesmo pelos padrões atuais de pesos abertos. As notas arquiteturais mencionam atenção local e global intercaladas, especialistas roteados de granularidade fina, SandwichNorm e versões de serving em FP8/FP4, mas a consequência prática é mais simples: o Beam cabe em um único nó de quatro GPUs. Esse é um perfil de serving, não uma curiosidade de pesquisa.

Isso também explica o resultado de verbosidade. Um modelo que gasta 79 milhões de tokens de saída para completar um índice contra uma mediana de 140 milhões está realizando o mesmo trabalho com aproximadamente metade dos tokens de saída, e é nos tokens de saída que está a conta. O próprio argumento da Reflection é eficiência em tempo de inferência, e não paridade na fronteira, e a empresa diz isso em seu material de lançamento — ela concede terreno ao Kimi K3 e ao G​LM em capacidade bruta. Os dados independentes sustentam a concessão e a alegação de eficiência ao mesmo tempo.

O argumento de eficiência do Mercury 3 é de natureza diferente. Não se trata de gastar menos tokens; trata-se de produzi-los mais rapidamente, e a história de escalabilidade da Inception — 40 vezes os parâmetros do seu primeiro modelo, três vezes a inteligência medida, a mesma velocidade — é uma alegação de que o paralelismo da difusão proporciona uma vazão que modelos autorregressivos não conseguem igualar. Esse é um argumento plausível e interessante. Ele também é inteiramente autorrelatado e não diz nada sobre se o modelo gasta mais tokens do que um modelo autorregressivo comparável para chegar à mesma resposta. Ninguém publicou um número de verbosidade do Mercury 3, porque não há uma avaliação do Mercury 3 da qual extraí-lo.

Custo por trabalho concluído, calculado detalhadamente

Considere uma tarefa de codificação agêntica: um contexto de repositório de 200.000 tokens, um patch e uma explicação de 4.000 tokens como saída, e 5.000 execuções por dia em uma equipe.

• Mercury 3 pelo preço de tabela — 1.000 milhões de tokens de entrada a US$ 0,20 dá US$ 200; 20 milhões de tokens de saída a US$ 0,70 dá US$ 14. Cerca de US$ 214 por dia.

• Mercury 3 pelo preço de lançamento — cerca de US$ 107 por dia.

• Beam à sua tarifa publicada — 1.000 milhões de entrada a $0,70 dá $700; 20 milhões de saída a $2,10 dá $42. Cerca de $742 por dia, antes do desconto de cache de 84 por cento, que importa enormemente aqui porque o contexto do repositório é exatamente o tipo de preâmbulo que fica em cache. Com uma taxa realista de acertos de cache no contexto, a linha de entrada cai para perto de $112 e o total diário fica próximo de $154.

Esse cálculo é a razão pela qual ambos os modelos existem. Em uma carga de trabalho agêntica bem cacheada, os dois ficam dentro de 40% um do outro — Beam ligeiramente mais barato em um bom cenário de cache, Mercury 3 mais barato em um cenário ruim — e ambos custam uma fração do que um modelo de fronteira cobraria pelo mesmo tráfego. O argumento de custo não os separa. O que os separa é que o número da Beam é reproduzível, enquanto o da Mercury 3 é um preço de tabela diante de uma taxa de conclusão desconhecida.

A questão do licenciamento, que não está nem perto.

Os pesos do Beam podem ser baixados sob a licença Apache 2.0 em três precisões, além de um drafter de decodificação especulativa de 1,93B, e a Reflection afirma que não restringe destilação, ajuste fino, quantização ou mesclagem. Há uma ferramenta de conformidade — beam-verifier — que executa uma suíte de testes contra qualquer endpoint Beam ativo e depois o avalia nos principais benchmarks, o que significa que um comprador pode verificar os números de um provedor em vez de confiar neles. A auto-hospedagem elimina completamente a questão por token e a converte em uma questão de horas de GPU.

O Mercury 3 não oferece nada disso. Ele é fechado, é somente API, e seu nível enterprise acrescenta capacidade dedicada e retenção de dados configurável, em vez de pesos. Para uma carga de trabalho em que o modelo é um componente de um produto que você vende, isso é uma dependência, e não uma cadeia de suprimentos.

Há também o sinal do histórico do fornecedor. A própria nota de migração da Inception diz que o Mercury 2 e o Mercury 2.5 estão fechados para novos usuários, e que os clientes existentes perderão o acesso em 15 de novembro de 2026 — menos de um mês depois do lançamento do Mercury 3. Uma empresa que aposenta duas gerações tão rapidamente está dizendo como espera que seus modelos sejam consumidos: como serviços alugados de curta duração. A Reflection, por enquanto, fez o oposto e entregou o artefato.

Onde um roteador se encaixa, dado que nenhum dos modelos está no nosso catálogo

Nem Mercury 3 nem Reflection Beam são servidos pela OrcaRouter. Uma consulta à nossa API de modelos não retorna nada para nenhum dos dois, e não descreveremos uma rota que não temos. O que de fato oferecemos é a camada ao redor deles: mais de 200 modelos atrás de um único endpoint compatível com OpenAI, pelo preço de tabela do provedor e sem nenhum markup, com failover automático e uma DSL de roteamento para compor modelos em uma única chamada.

Para este par específico, essa camada desempenha duas funções. A primeira é a comparação. Se você quer saber se um modelo de pesos abertos com 300 tokens por segundo é rápido o suficiente para o seu produto antes de se comprometer com qualquer parte disso, o teste honesto é executar a carga de trabalho nos modelos que você já consegue chamar — Kimi K3 a $3.00/$15.00 com 1,048,576 tokens de contexto, GLM 5.2 a $1.40/$4.40, Qwen 3.8-Max a $2.00/$6.00 — e medir o que seus usuários realmente percebem. A segunda é o fallback. Uma implantação auto-hospedada do Beam e um Mercury 3 hospedado pelo fornecedor são dois modos de falha diferentes; colocar o caminho de produção atrás de um roteador com failover significa que a degradação de um endpoint se torna um evento registrado, e não uma interrupção. Como os preços de tabela dos provedores são repassados sem alteração, um corte de preço da Reflection ou um desconto da Inception chega à sua fatura no dia em que for anunciado.

A decisão, por restrição em vez de por pontuação

• Se você precisa que o modelo seja um ativo — auditável, ajustável fine-tuning, executável no seu próprio hardware, que sobrevive ao fornecedor — o Beam é a única opção aqui. Apache 2.0, uma build de 273 GiB que cabe em um único nó, e um verificador para conferir qualquer provedor contra os números da Reflection. Essa é uma resposta completa para uma pergunta que o Mercury 3 não consegue responder de forma alguma.

• Se você precisa da menor latência possível em uma API fechada e uma pessoa está esperando, o Mercury 3 é a aposta mais interessante, e seu preço torna a avaliação barata. Fixe explicitamente a configuração de esforço ao testá-lo, porque o padrão é baixo e as afirmações da Inception não dizem qual configuração as produziu.

• Se você precisa saber a qualidade antes de se comprometer, o Beam tem um número e o Mercury 3 não. Um 30 em um índice de 121 modelos é medíocre — não é uma pontuação de fronteira e a Reflection não afirma que seja —, mas é um piso com o qual você pode projetar.

• Se sua carga de trabalho for agêntica e de longa duração, o raciocínio obrigatório do Beam, com padrão de esforço máximo, é caro por chamada, enquanto o padrão de baixo esforço do Mercury 3 é barato por chamada. Qual deles é mais barato por tarefa concluída depende de uma taxa de conclusão que ninguém mediu para o Mercury 3.

A coisa mais útil que poderia acontecer a esta comparação é uma medição independente do Mercury 3. Se ela chegar perto de 1,068 com uma pontuação de qualidade competitiva, a Inception colocou no mercado o modelo barato mais rápido do setor, e a história de eficiência da Beam passa a ser uma história sobre abertura, e não sobre velocidade bruta. Se ela chegar perto dos 335 da Beam com uma pontuação intermediária, então o modelo de pesos abertos mais rápido e o modelo fechado mais rápido têm a mesma velocidade, e as perguntas decisivas passam a ser preço, licença e se você quer possuir o artefato — três perguntas para as quais a Beam atualmente tem melhores respostas.