Mercury 3 против Grok 4.6: один устарел, другой не измерен, а оба продаются за счёт скорости

Первый полезный факт о сравнении Mercury 3 с Grok 4.6 заключается в том, что Grok 4.6 — это не текущий Grok. SpaceXAI выпустила его 12 августа 2026 года по цене $2.00 за миллион входных токенов и $6.00 за миллион выходных, а с тех пор уже выпустила Grok 4.7; Artificial Analysis теперь помечает 4.6 как устаревшую и направляет читателей к более новой модели. Mercury 3, напротив, существует всего два дня: Inception Labs выпустила её 19 октября 2026 года по цене $0.20 и $0.70 за миллион, вдвое дешевле в течение стартового окна без опубликованной даты окончания, и никто независимый её вообще не измерял. Так что честная формулировка этой пары — не «какую из этих двух мне использовать». Она в том, что обе продаются в первую очередь на числе скорости, эти два числа скорости — не один и тот же вид числа, и один из двух продуктов уже уходит из каталога, тогда как другой ещё не тестировал никто, кто не работает в создавшей его компании. Документированные сбои ИИ и инциденты с агентами, стоящие за такими релизами, как этот, собраны в Архиве инцидентов ИИ OrcaRouter, где каждая запись имеет собственные источники, уровень серьёзности, степень уверенности и отметку об оспаривании.

Это делает данное сравнение сравнением измерений — а это, пожалуй, самое полезное, что нужно знать, прежде чем назначать цену за любой из них. Mercury 3 — это диффузионная языковая модель: она удаляет шум из блока позиций и фиксирует их вместе, а не выдаёт по одному токену за проход. Inception сообщает о 1 068 токенах в секунду на оборудовании NVIDIA, более чем в 40 раз превышающем общее число параметров Mercury 1, о контекстном окне, выросшем с 260 000 до 1 000 000 токенов, и о пределе вывода в 131 072 токена. Grok 4.6 — это традиционная передовая модель, созданная для длительных агентных прогонов, с контекстом в 500 000 токенов, вводом текста, изображений и файлов, а также 75%-ной скидкой на кэш при $0.50 за миллион чтений.

Что на самом деле означают две цифры скорости

Показатель Inception — 1 068 токенов в секунду — это цифра пропускной способности на выходе: насколько быстро токены покидают модель, как только она начинает их генерировать. Artificial Analysis измеряет ту же величину для Grok 4.6 и получает 65,4 токена в секунду. Сравните эти два показателя — и Mercury 3 выглядит в шестнадцать раз быстрее. Это реальная разница, но не вся разница, потому что пропускная способность — лишь одна из трёх цифр, из которых складывается бюджет задержки.

Второй — время до первого токена, и здесь картина становится менее лестной для этой подачи и более интересной. Artificial Analysis фиксирует медианное время до первого токена 37,19 секунды для Grok 4.6 на тестируемой им нагрузке против медианы 3,75 секунды по моделям на его стенде. Наша собственная телеметрия семидневной игровой площадки даёт для Grok 4.6 p50 на уровне 8,00 секунды за тот единственный день, за который у нас есть выборки. Ни то, ни другое не является проблемой Mercury 3 или преимуществом Mercury 3 — Inception вообще не публиковала показатель времени до первого токена, а единственные сторонние цифры задержки в её анонсе — это отзывы клиентов: Octen сообщила о медианном времени генерации 0,9 секунды и медианном сквозном времени ответа 2,2 секунды, RevisionDojo сообщила, что ответы возвращаются «примерно за секунду», а Lorikeet заявила, что Mercury 3 превзошла другие модели по задержке, показав при этом более высокие результаты на своих оценках. Это полезные сигналы, и это маркетинговые цитаты, на нагрузках, которые никто за пределами этих трёх компаний не может проверить.

Третье число — то, которое решает, пригодна ли быстрая модель к использованию, и это частота ошибок. На нашей собственной инфраструктуре за последние семь дней путь обслуживания GPT-5.6 Sol зафиксировал частоту ошибок 0,05%. Grok 4.6 за единственный день, по которому есть телеметрия, — 17 октября 2026 года, — зафиксировал 86,7%. Это один день выборки для модели, работающей с августа, поэтому это предупреждение о пути обслуживания, а не вердикт о модели, и это именно тот тип числа, который никогда не появляется на странице вендора. Для Mercury 3 частоты ошибок нет вообще, потому что нет маршрута, который можно было бы измерить.

Спецификация с указанием происхождения для каждой строки.

• Цена — Mercury 3: $0.20 / $0.70 за миллион, $0.10 / $0.35 на старте, дата окончания не опубликована, кэшированный ввод со скидкой 90%. Grok 4.6: $2.00 / $6.00 за миллион до 200 000 токенов, $4.00 / $12.00 за весь запрос сверх этого, кэшированные чтения — $0.50.

• Контекст и объём вывода — Mercury 3: 1 000 000 на входе, 131 072 на выходе. Grok 4.6: 500 000 на входе, при этом ограничение на объём вывода для него не опубликовано на странице нашей модели.

• Модальности — Mercury 3: только текст. Grok 4.6: текст, изображение и файл на входе, текст на выходе.

• Пропускная способность — Mercury 3: 1068 токенов в секунду, по измерению Inception. Grok 4.6: 65,4 токена в секунду по данным Artificial Analysis; 256 токенов в секунду в нашей собственной песочнице в тот день, когда у неё были образцы.

• Независимые оценки — Mercury 3: нет, страницы Artificial Analysis не существует. Grok 4.6: 44 балла в индексе интеллекта Artificial Analysis, 37-е место из 217 моделей, и 76,8 в его индексе программирования, 5-е место из 138.

• Статус — Mercury 3: ему два дня, не измерен. Grok 4.6: помечен как устаревший в таблице Artificial Analysis, заменён на Grok 4.7.

Сравнение контекста — это то, что переворачивает обычный порядок. Mercury 3 предлагает вдвое большее окно, чем Grok 4.6 — миллион токенов против полумиллиона — и при этом по цене за входные данные в десять раз ниже. На бумаге для работы с длинными документами это не назовёшь близкой борьбой. На практике окно в 500 000 токенов уже больше почти любого отдельного документа, который кто-либо обрабатывает, а интересный вопрос об окне в миллион токенов у неизмеренной модели не в том, существует ли оно, а в том, сохраняется ли качество на всём его протяжении. Artificial Analysis явно измеряет recall на длинном контексте, и Grok 4.6 набирает там 80,3. У Mercury 3 нет эквивалентного показателя, а значит, окно в миллион токенов с неизвестной кривой recall — это заявка на ёмкость, а не на возможности.

Что вы на самом деле покупаете за цену Grok 4.6

Grok 4.6 стоит в десять раз дороже Mercury 3 по входу и примерно в девять раз дороже по выходу по прейскурантной цене, и честный ответ на вопрос, что это даёт, таков: измеренная позиция на нейтральном тестовом стенде, мультимодальный ввод и опубликованная стоимость за ответ. Последнее — самое полезное. Artificial Analysis оценивает Grok 4.6 в $1,48 за задачу Intelligence Index — цифра, которая уже включает столько токенов, сколько модели нужно, чтобы завершить набор, и это единственное число в расчёте на ответ во всём этом сравнении, которое существует для каждой из двух моделей.

В противоположность этому, ставка Mercury 3 за выход в $0,70 — это цена за токен, у которой нет аналога в расчёте на один ответ. Если задача Mercury 3 потребляет такой же объём выходных данных, как задача Grok 4.6, она стоит примерно в десять раз меньше. Если она потребляет втрое больший объём — что правдоподобно для модели, по умолчанию использующей низкие усилия рассуждения на работе, которую G​rok выполняет с более высокими усилиями — она стоит примерно втрое меньше, и стратегический аргумент ослабевает с «на порядок» до «существенной скидки на непроверенной модели». Пока никто не может сказать, что из этого верно. Это не риторическая оговорка; это конкретное измерение, которого не хватает.

Собственные цифры Grok 4.6, чего бы они ни стоили, сильны там, где они нужны для длительного агентного прогона: 94,9 на GPQA Diamond, 42,9 на Humanity's Last Exam, 80,3 на recall длинного контекста и индекс программирования 76,8, который ставит его на пятое место среди 138 моделей. Это прогоны Artificial Analysis, а не SpaceXAI, — именно поэтому их вообще можно сравнивать с Mercury 3; а Mercury 3, не имея таких прогонов, сравнивать нельзя.

Проблема устаревшей модели — вот что действительно требует решения.

Выбрать {{1}}Grok 4.6{{/1}} сегодня — значит выбрать модель, которую её собственный производитель уже заменил. {{2}}Grok 4.7{{/2}} присутствует в нашем каталоге, а страница 4.6 на Artificial Analysis явно перенаправляет читателей на неё. Для рабочей нагрузки, под которую вы собираетесь создавать решение, начинать с устаревшей модели — это решение о миграции позже; единственный вопрос — когда, и ответ обычно «во время инцидента».

Это не делает Mercury 3 безопасным выбором. Модель без измеренных показателей, которой два дня, и устаревшая девятинедельная модель — это разные виды риска, и ни один из них не является низкорисковым вариантом в этой паре. Что на самом деле даёт это сравнение — более узкий и более полезный вывод: если вам нужна модель с измеренными показателями, документированной стоимостью за один ответ и мультимодальным вводом, то Grok 4.7 — актуальная версия такого варианта, а 4.6 — его предшественник по той же цене. Если вам нужны самые дешёвые токены только для текста, доступные где угодно, с окном в миллион токенов, то Mercury 3 — это они, с оговоркой, что самая низкая цена в его карточке — это промоакция без даты окончания.

Grok 4.7 доступен в каталоге OrcaRouter по собственным тарифам SpaceXAI, через тот же OpenAI-совместимый эндпоинт, что и всё остальное, что мы маршрутизируем, без добавления наценки и с автоматическим переключением между провайдерами при ограничении скорости на одном из путей — что, учитывая уровень ошибок, зафиксированный нашей телеметрией на пути обслуживания версии 4.6 17 октября, не является теоретическим преимуществом. Mercury 3 отсутствует в каталоге: наш API моделей не возвращает ничего ни для одной модели Inception, поэтому все, кто его вызывает, обращаются к платформе Inception, где новые аккаунты получают 100 миллионов бесплатных токенов, или к одной из нескольких сторонних платформ, которые его размещают.

Схема маршрутизации, подходящая для этой пары, — это не разделение по цене. Это разделение по тому, что вы готовы допустить к отказу. Направьте трафик устаревшей модели на текущую, выделите ограниченную долю работы только с текстом для Mercury 3, оставьте модель с измеренными показателями в качестве резерва и позвольте механизму отказоустойчивости обрабатывать случай, когда у нового пути выдался плохой день. Эта доля — значение конфигурации; резерв — это правило маршрутизации; решение расширить или сузить её принимается на основе ваших собственных показателей ошибок в течение недели.

Что делать в понедельник

Если работа представляет собой длинный текст, объём велик, а ответы можно проверить, тарифная сетка Mercury 3 заслуживает ограниченного эксперимента на этой неделе — 100 миллионов бесплатных токенов на платформе Inception покрывают тест, а окно в миллион токенов означает, что можно отправить весь документ, а не строить догадки по фрагментам. Следите за двумя вещами: не убегает ли количество выходных токенов на задачу от вашей базовой линии Sol или Grok, и не ухудшается ли качество к концу длинного контекста. И то и другое можно измерить за день, и ни то, ни другое не требует чьего-либо бенчмарка.

Если работа связана с изображениями, длится часами с инструментами в цикле или должна быть правильной с первого раза, ответ в этой паре — не Grok 4.6. Это Grok 4.7 или одна из измеренных передовых моделей, и честная причина в том, что 4.6 устарела, а Mercury 3 не измерена — выбор между двумя моделями, которые вы не поставили бы перед клиентом без запасного варианта за ними.

Цифра, которая изменила бы всё это, — нейтральная стоимость одной завершённой задачи для Mercury 3. Одно число, полученное на том же стенде, который дал $1.48 у Grok, превратило бы центральную неопределённость этой статьи в соотношение. Пока его нет, защитимая позиция — самая скучная: дешёвые токены реальны, утверждение о скорости правдоподобно и подтверждается единственным источником, а единственное, что вы можете проверить сами, — это частота ваших собственных ошибок на вашем собственном трафике.