Mercury 3 против Grok 4.7: двое часов, а не две модели

Спросите, что общего у Mercury 3 и Grok 4.7, и ответ — часы. Обе модели продвигаются с упором на то, сколько времени занимает задача, но вкладывают в это противоположный смысл. Mercury 3, выпущенная Inception 19 октября 2026 года, рассчитана на ответ менее чем за секунду: диффузионная модель, генерирующая 1 068 токенов в секунду на графических процессорах NVIDIA, окно в 1 млн токенов и четыре режима рассуждения, самый быстрый из которых называется «instant». Grok 4.7, выпущенная SpaceXAI 21 сентября 2026 года, рассчитана на непрерывную работу: окно в 500 000 токенов, шкала рассуждений, верхняя ступень которой — xhigh, и независимое измерение, показавшее, что она израсходовала примерно 240 млн выходных токенов на прохождение Artificial Analysis Intelligence Index при стоимости $3.74 за задачу. Одна модель считает продуктом задержку. Другая считает продуктом длительность. Сравнение их по одной итоговой строке упускает единственный важный вопрос — по какому времени на самом деле живёт ваша рабочая нагрузка. Оба конца раздельной политики могут находиться за одним ключом, а автоматическое переключение при отказе подхватывает медленную дорожку. Документированные сбои ИИ и инциденты с агентами, стоящие за подобными релизами, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, степень серьёзности, оценку уверенности и флаг спорности.

Двое часов, оценённые

Начните с того, что написано в тарифных картах, поскольку разница достаточно велика, чтобы повлиять на то, что вы можете создать:

• Ввод — Mercury 3: $0.20 за 1 млн по прайс-листу ($0.10 при запуске) против Grok 4.7: $2.00 за 1 млн

• Вывод — Mercury 3: $0,70 за 1 млн по прайсу ($0,35 на старте) против Grok 4.7: $6,00 за 1 млн

• Кэшированный ввод — Mercury 3 $0.02 за 1 млн ($0.01 при запуске) против Grok 4.7 $0.50 за 1 млн

• Контекст — 1,000,000 токенов против 500,000

• Максимальный объём вывода за один ответ — 131 072 токена против отсутствия опубликованного ограничения у поставщика; в нашей собственной карточке для grok-4.7 указано 450 000

• Модальность ввода — только текст или текст и изображения

• Настройки рассуждений — мгновенный, низкий, средний, высокий vs низкий, средний, высокий, сверхвысокий

• Пропускная способность — 1 068 токенов в секунду: по данным поставщика, тогда как поставщик этих данных не публикует.

• Пересмотр цен для длинных запросов — ничего не опубликовано против удвоения каждого тарифа при превышении 200 000 входных токенов, применяемого ко всему запросу

• Веса — закрыты с обеих сторон

Посмотрите только на строку вывода — и Mercury 3 рядом с Grok 4.7 выглядит как ошибка округления: $0.70 против $6.00, или $0.35 в период запуска. Посмотрите на строку кэша — и разрыв не сужается, а расширяется, потому что $0.02 против $0.50 — это коэффициент двадцать пять, независимо от скидки. Именно это сочетание — дешёвый вывод и почти бесплатные чтения из кэша — делает высокочастотный цикл доступным, и именно на этот целевой ориентир модель явно и создавалась.

Но тарифная сетка — это лишь половина стоимости. Собственное проектное допущение Grok 4.7 состоит в том, что трудная задача заслуживает длительного прохода рассуждения, и независимый рейтинг показывает, во что это обходится, когда задача достаточно трудна: $3,74 за выполненную задачу индекса против $0,72 у GPT-6.1 Sol и — на том же рейтинге — полного отсутствия Mercury 3. Grok 4.7 тратит токены на размышления. Mercury 3 почти ничего не тратит за токен и обещает думать быстро. Это не конкурирующие утверждения; это конкурирующие бюджеты.

Что на самом деле даёт длинный проход рассуждений

Grok 4.7 — это не быстрая модель, которая стала медленнее. Это осознанная ставка на то, что многочасовая работа — агентные циклы программирования, анализ больших объёмов документов, профессиональные готовые материалы — вознаграждает модель, которая продолжает работать, и независимые результаты показывают, что эта ставка окупается в определённых областях, а не повсеместно.

• GDPval-AA, экономически ценная работа с знаниями — Grok 4.7 Elo 1711.07, второй по величине показатель среди сравниваемых здесь моделей и выше, чем 1593.85 у GPT-6.1 Sol

• SciCode — 0.5741, впереди и GPT-6.1 Sol (0.5417), и Qwen3.8 Max (0.5208)

• HLE — 0.4314

• AA-LCR длинноконтекстное рассуждение — 0.7667

• Terminal-Bench 4.0 — 0.2576, самый слабый показатель в своей собственной колонке

• AutomationBench — 0.6556, самая сильная из четырёх моделей в этой серии

• Индекс интеллекта — 46.4 при xhigh, по данным Artificial Analysis

• Стоимость одной задачи индексации — $3.74

Этот профиль — сильный в интеллектуальной работе и автоматизации, слабый в программировании в терминальном стиле — не является профилем универсального флагмана, и знать это полезнее, чем рейтинг. Команда, которая проводит долгие автономные сессии программирования и выбирает для них Grok 4.7, выбирает его вопреки собственным измерениям.

У Mercury 3 нет сопоставимой колонки. Опубликованные доказательства Inception имеют иной характер: тест навигации Mind2Web из 50 задач в собственном тестовом окружении, где модель выполнила 50% задач, плюс отзывы партнёров от TinyFish AI, RevisionDojo, Octen AI и Lorikeet. По состоянию на 20 октября 2026 г. у неё нет записи в Artificial Analysis, а значит, все заявления о возможностях Mercury 3 в этом материале, помимо скорости и цены, основаны на данных поставщика и не воспроизведены. Это не повод её отвергать — модель возрастом девять дней без независимой оценки находится в нормальном состоянии, а освещение на раннем этапе — именно то, ради чего существует этот блог. Это повод сохранить разные подписи для двух колонок.

Три рабочих нагрузки — три ответа

Очередь поддержки или голосовой агент. Каждая миллисекунда — это ожидающий клиент, и модель должна быть достаточно дешёвой, чтобы работать с каждым сообщением. Mercury 3 выигрывает по опубликованным цифрам: 1,068 токена в секунду, $0.70 за вывод по прайсу, $0.02 за кэшированный ввод, «мгновенный» уровень, полностью пропускающий рассуждения. Grok 4.7 может выполнять эту работу, но при $6.00 за вывод с проходом рассуждений по умолчанию вы платите за обдумывание, которого разговору не нужно. Это тот случай, для которого Inception создала модель, и все цитаты партнёров — из продукта такого типа.

Многочасовой агент для программирования или исследований. Задача выполняется без участия человека, транскрипт разрастается за несколько сотен тысяч токенов, и модель должна удерживать план на протяжении множества шагов. Здесь релевантные возможности Grok 4.7 — окно в 500K, рассуждения xhigh и измеренная производительность в интеллектуальном труде, а релевантный контраргумент — окно Mercury 3 в 1M: больше места, гораздо дешевле за токен, но пока нет доказательств, что она удерживает план на длинном горизонте. Отметьте также, что Grok 4.7 удваивает все тарифы при превышении 200 000 входных токенов для всего запроса, тогда как Mercury 3 не публикует надбавку за длинные запросы. На действительно длинном транскрипте номинальный 8,6-кратный разрыв в стоимости выходных токенов может сократиться до менее чем 5-кратного — и именно в этом режиме отсутствие бенчмарка у Mercury 3 начинает вредить, потому что ценовое преимущество появляется ровно там, где её возможности подтверждены меньше всего.

Всё, что должно читать изображение. Grok 4.7 принимает изображения. В документации Mercury 3 единственным поддерживаемым форматом указан текст. Это не вопрос цены, и никакое количество токенов в секунду на это не отвечает.

Причина запускать оба, а не выбирать один

Разделение на удивление чёткое, потому что две модели дают сбои в разных направлениях: Mercury 3 — дешёвая и неизмеренная, Grok 4.7 — дорогая и измеренная, а их диапазоны модальностей и рассуждений едва пересекаются. Это скорее очертания задачи маршрутизации, а не решение о закупке.

Grok 4.7 доступен на OrcaRouter по прайсовой цене SpaceXAI с наценкой 0%, включая удвоенный тариф для запросов свыше 200K, так что стоимость опробования политики равна стоимости прямого вызова поставщика. Mercury 3 нет на роутере; он обслуживается через собственный API Inception и несколько сторонних платформ, и ему девять дней. Здесь DSL маршрутизации оправдывает себя так, как редко бывает: отправляйте запросы мгновенного канала — короткие промпты, строгие бюджеты задержки, без изображений — в Mercury 3, оставляйте всё, что требует зрения или рассуждений xhigh, на Grok 4.7, и пусть автоматическое переключение при сбое ловит случай, когда очередь новой модели переполняется. Политику можно выразить; доказательства для неё даст следующий месяц трафика.

На что обратить внимание перед перемещением бюджета

Два сигнала изменили бы это сравнение, и оба они конкретны.

• Запись Mercury 3 на Artificial Analysis. Одна оценка Intelligence Index и один показатель стоимости выполнения задачи показали бы, достаточно ли близка дешёвая быстрая модель к Grok 4.7 в интеллектуальной работе, чтобы оправдать направление на неё реального трафика. Без этого 1 068 токенов в секунду — это факт о пропускной способности, а не утверждение о возможностях.

• Расход токенов Grok 4.7 на ваших собственных рабочих нагрузках. Прогон индекса на 240 миллионов токенов — это синтетический бенчмарк; очередь поддержки и агент для программирования расходуют очень разные объёмы. Прежде чем предполагать, что ставка $6.00 определяет ваш счёт, измерьте количество выходных токенов на одну завершённую задачу в течение одной репрезентативной недели.

То, что следует игнорировать, тем временем, — это любое сравнение, которое ставит две модели в одну колонку таблицы лидеров, не отмечая, что одна из них никогда не была в этой таблице. Интересный факт о Mercury 3 не в том, что она быстрая — Inception уже год выпускает быстрые диффузионные модели, — а в том, что она быстрая с окном 1M по цене, при которой экономика на один запрос становится тривиальной. Интересный факт о Grok 4.7 не в том, что она возглавляет таблицу, потому что это не так; а в том, что это самая сильная в автоматизации модель в этом наборе, и она платит за это токенами. Это разные продукты, и правильное количество их для запуска, вероятно, не одно.