Mercury 3 vs Mistral Large 4: две незавершённые модели и обещания, связанные с каждой из них

Ни одна из этих моделей не завершена, и характер их незавершённости противоположен. Mercury 3 была выпущена Inception Labs 19 октября 2026 года как поставляемый продукт по цене $0,20 за миллион входных токенов и $0,70 за миллион выходных, и у неё нет независимой оценки какого-либо рода — ни балла Artificial Analysis, ни стороннего тестового стенда, ничего. Mistral Large 4 была анонсирована Mistral 6 октября 2026 года как публичная предварительная версия по цене $1,36 и $4,18 за миллион токенов, и у неё есть независимый балл 38 в Artificial Analysis Intelligence Index и измеренная стоимость $1,13 за задачу индекса, но её веса — которые Mistral обещала выложить «до конца месяца» — не были опубликованы на Hugging Face на момент написания, а собственный прогон обучения с подкреплением в предварительной версии всё ещё продолжался на момент анонса.Документированные сбои ИИ и инциденты с агентами, стоящие за подобными релизами, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, степень достоверности и флаг оспаривания.

Итак, сравнение идёт между моделью, все числа которой заявлены производителем, и моделью, числа которой не все окончательные. Они также относятся к разным продуктовым категориям: Mercury 3 — это чисто текстовая диффузионная языковая модель с контекстом в миллион токенов и заявленной пропускной способностью 1 068 токенов в секунду, тогда как Mistral Large 4 — это нативно мультимодальная смесь экспертов с 1 трлн параметров и 52 млрд активных параметров, обученная на 3 800 GPU NVIDIA Grace Blackwell во французских дата-центрах и явно позиционируемая вокруг европейского суверенитета в ИИ. Если ваша нагрузка текстовая, а ограничение — стоимость, эта разница решающа ещё до обращения к каким-либо бенчмаркам. Если нет, эти две модели едва ли конкурируют.

Mercury 3, и конкретно то, чего не хватает.

Модель Inception — третье поколение ее ставки на параллельное декодирование. Вместо одного токена за прямой проход Mercury выполняет денойзинг блока позиций и фиксирует их вместе — отсюда и более 1000 токенов в секунду. По данным Inception, Mercury 3 более чем в 40 раз превосходит Mercury 1 по общему числу параметров; контекстное окно выросло с 260 000 до 1 000 000 токенов, потолок вывода составляет 131 072 токена, а работает она со скоростью 1068 токенов в секунду на неуточненном оборудовании NVIDIA.

Что отсутствует — так это любые измерения, которые Inception не проводила. Единственный структурированный результат по качеству в анонсе — это тест агента на живых сайтах: 50 задач навигации Mind2Web на реальных веб-сайтах внутри собственного производственного стенда Inception, где Mercury 3 выполнила 50% — 25 задач — что, по словам Inception, «значительно больше, чем GPT-6.1-Sol», при том же объёме токенов и количестве шагов. Это интереснее таблицы бенчмарков, потому что сайты были живыми, и менее заслуживает доверия по той же причине, по которой всегда не заслуживает доверия демо вендора: Inception выбирала стенд, цели и систему оценки. По состоянию на 20 октября 2026 года для Mercury 3 нет страницы Artificial Analysis, поэтому нет ни нейтрального показателя пропускной способности, ни нейтральной стоимости одной задачи, ни нейтральной кривой recall для этого окна в миллион токенов.

Последствие здесь конкретное, а не философское. Контекст на миллион токенов с неизмеренной кривой полноты — это утверждение о ёмкости: токены помещаются, и никто не установил, какую их часть модель действительно использует. Mercury 2.5 набрал 12 баллов в Artificial Analysis Intelligence Index, что говорит о том, где находилось предыдущее поколение, и ничего — об этом.

Mistral Large 4, и конкретно то, что осталось незавершённым

Модель Mistral — это совершенно иное предложение, и в анонсе о ней говорится необычно конкретно. Это нативно мультимодальная модель с 1 триллионом параметров и 52 млрд активных параметров — разреженная смесь экспертов, поэтому большая часть триллиона не задействуется при обработке каждого отдельного токена. Она работает с документами, диаграммами, естественными изображениями, техническими чертежами и спутниковыми снимками в гигапиксельном разрешении, а обучалась на данных, охватывающих более 160 языков, включая все официальные языки ЕС.

• Кодирование — 61,7% на DeepSWE v1.1, 59,4% на SWE-Atlas-QnA, 28,3% на Terminal-Bench 4, что даёт совокупный индекс Coding Agent Index 49,8%. Все данные предоставлены Mistral.

• Агенты и кибербезопасность — 59,9% в AutomationBench, 1 393 Elo в AA-Briefcase, 82% в тесте на воспроизведение и исправление реальных уязвимостей, который, по словам Mistral, лидирует среди всех моделей, 93% в Cybench и 93,3% устойчивости к атакам в B3 от Lakera.

• Зрение — 42% в Dense 200 на visual grounding, немного опережая GPT-6 Astra с 41%.

• Оценка людьми — 3,74 из 5 в слепом тестировании программирования от Surge AI, второе место среди пяти моделей после Claude Opus 5 с 4,22. Исследование проводила независимая сторона; Mistral заказала и опубликовала его.

• Независимый агрегированный показатель — 38 баллов по индексу Artificial Analysis Intelligence Index, 66-е место из 217, при $1.13 за задачу индекса, 67.5 выходных токенов в секунду и 1.65 секунды до первого токена.

• Статус — предварительный просмотр, веса обещаны к концу октября 2026 года, RL-прогон на момент анонса всё ещё продолжается.

К классификации стоит отнестись внимательно. В собственной документации Mistral поколение v26.10 указано как «Open» и как модель с открытыми весами; на странице Artificial Analysis, прочитанной 20 октября, по-прежнему говорится «proprietary» и «веса модели не находятся в открытом доступе». Оба утверждения верны — просто в разное время: лицензия — это намерение, а весов пока нет на диске. Тем, кто планирует развертывание исходя из предположения, что Mistral Large 4 можно будет скачать в ноябре, следует учесть, что у обещания есть дата, но пока нет репозитория.

Две тарифные карты — и цифра, которая делает разрыв меньше, чем кажется

На бумаге Mercury 3 значительно дешевле: $0.70 за миллион выходных токенов против $4.18 и $0.20 за входные против $1.36. Это шестикратный разрыв по прайс-листу или двенадцатикратный в течение стартового окна Mercury по $0.10 и $0.35, при этом собственные промо-цены Mistral на уровне $0.68 и $2.09 сокращают его примерно до шестикратного.

Именно в показателе на один ответ разрыв сжимается ещё сильнее, и это единственное число в статье, которое измерил кто-то помимо вендора, продающего модель. Artificial Analysis оценивает Mistral Large 4 Preview в $1.13 за одно задание Intelligence Index. У Mercury 3 нет эквивалента, поэтому единственный способ построить такой показатель — предположить объём токенов; и более ранние сравнения Mercury показали, почему это допущение важно: модель, которая тратит 31,000 выходных токенов там, где другая тратит 193,000, может быть в 20 раз дороже за токен и всё равно дешевле за ответ. При цене $0.70 за миллион Mercury 3 понадобилось бы около 1,6 млн выходных токенов, чтобы одна задача стоила $1.13. Она столько не потратит. При любом реалистичном объёме она оказывается гораздо ниже $1.13, и в этом честная суть её аргумента: преимущество по стоимости за токен здесь выдерживает поправку на ответ — в отличие от случая с GPT-6 Sol.

• Контекст — {{1}}Mercury 3{{/1}}: 1,000,000 токенов согласно документации Inception. {{2}}Mistral Large 4{{/2}}: 1,000,000 согласно каталогу моделей Mistral, против 524,288 в протестированной конфигурации Artificial Analysis.

• Мультимодальность — Mercury 3: текст на входе, текст на выходе, никаких изображений ни за какие деньги. Mistral Large 4: документы, диаграммы, фотографии, технические чертежи, спутниковые снимки.

• Скорость — Mercury 3: 1 068 токенов в секунду по данным производителя. Mistral Large 4: 67,5 токена в секунду по данным Artificial Analysis, при этом время до первого токена составляет 1,65 секунды, что действительно быстро для модели такого размера.

• Веса — Mercury 3: не опубликованы, а организация Inception на Hugging Face не имеет репозиториев моделей. Mistral Large 4: обещаны к концу октября, пока не опубликованы.

• Управление — Mercury 3: нет опубликованного заявления о данных для обучения или развёртывании в ЕС. Mistral Large 4: обучена в европейских дата-центрах, развёртывание под управлением Европы, все официальные языки ЕС.

Строку о длинном контексте стоит прочитать дважды. В документации Mistral указан миллион токенов; Artificial Analysis тестировала при 524 288. Это не противоречие — провайдеры тестируют при той степени двойки, которую поддерживает их стенд, — но напоминание о том, что заявленный размер контекста — это максимум, а не проверенная возможность, и качество воспроизведения информации в длинном контексте у Mistral Large 4 тоже не публиковалось для полного окна.

Где европейский аргумент действительно обретает вес

Аргумент о суверенитете в этой модели — не украшение; именно из-за него несколько покупателей выберут её вместо чего-то более дешёвого и лучшего. Обученная на GPU Blackwell во французских дата-центрах, управляемая из Европы, многоязычная на всех официальных языках ЕС — для покупателя из госсектора или регулируемого европейского предприятия это сочетание может перевесить двенадцать пунктов индекса интеллекта, потому что альтернативу, возможно, вообще не удастся закупить.

Mercury 3 не предлагает ничего из этого. Inception не опубликовала никаких сведений о том, где работает модель, на каких данных она обучалась или какие условия хранения применяются, кроме упоминания о том, что корпоративные клиенты могут приобрести выделенные мощности, автомасштабирование, средства контроля соответствия требованиям и настраиваемое хранение. Это правильные вещи для продажи предприятию, и они не то же самое, что опубликованная позиция по обработке данных.

В европейской истории есть ещё одна деталь, которую стоит отметить, а не разрешить: обещание открытых весов. Если Mistral опубликует веса в конце октября, европейский покупатель получит то, чего ни одна американская лаборатория сейчас не предлагает в таком масштабе, — мультимодальную модель, близкую к передовому уровню, которая может работать внутри их собственного периметра, на их собственном оборудовании, без участия поставщика в пути запроса. Это принципиально иной продукт, чем preview-API, и именно поэтому отсутствующий репозиторий значит больше, чем недостающие баллы в бенчмарках.

Обе эти модели сняты с нашего каталога, что меняет рекомендацию.

Mercury 3 отсутствует в каталоге OrcaRouter, как и Mistral Large 4 — наш API моделей не возвращает ничего ни для одной из них, при всех вариантах slug, которые мы пробовали. Это достаточно необычно, чтобы сказать прямо, потому что это означает, что это сравнение не может закончиться фразой «использовать оба с одним ключом». Любой, кто вызывает любую из этих моделей, обращается напрямую к поставщику или к одной из нескольких сторонних платформ, которые её размещают.

Что слой маршрутизации всё ещё делает в такой ситуации — это та часть, которая не требует хостинга самой модели: он держит модели, которые мы маршрутизируем, за единым OpenAI-совместимым эндпоинтоми позволяет задать правило о том, какой трафик куда идёт. Если веса Mistral выйдут в конце октября, интересная архитектура — это не «использовать Mistral Large 4 для всего», а самостоятельно развёрнутый путь Mistral для документов, которые не могут покинуть ваш периметр, передовая модель через маршрутизацию для работы, которая может, и правило, которое выбирает между ними. То же правило охватывает Mercury 3, если Inception выпустит её туда, где мы сможем до неё добраться, и охватывает случай, когда у любого из вендоров заканчивается акционное ценообразование, у которого для Mercury 3 нет объявленной даты.

Кому что следует выбирать, и что изменило бы ответ

Выбирайте Mercury 3, если работа текстовая, объём большой, а ответы дёшево проверять. Тарифная сетка в шесть–двенадцать раз дешевле, чем у Mistral Large 4, в зависимости от действующих цен, окно контекста имеет тот же заявленный размер, а отсутствие нейтральной оценки — это риск, который можно измерить по собственной доле ошибок в течение дня. Вы отказываетесь от всех форм ввода, кроме текста, и от любой возможности аудировать поведение модели перед развёртыванием.

Выбирайте Mistral Large 4, если входные данные включают изображения, чертежи или сканы; если закупки требуют европейского обучения и эксплуатации; если время до первого токена в 1,65 секунды важнее сырой пропускной способности; или если обещание открытых весов — это фактическая причина вашего интереса, и в этом случае дождитесь репозитория, а не анонса. Вы жертвуете шестикратным преимуществом в цене и любыми притязаниями на звание самого быстрого доступного решения.

Две даты позволили бы закрыть большинство открытых вопросов в этом материале. Первая — конец {{1}}октября{{/1}}, когда {{2}}Mistral{{/2}} либо опубликует веса, либо нет. Вторая — когда {{3}}Artificial Analysis{{/3}} проведёт оценку {{4}}Mercury 3{{/4}}, что заменит все цифры поставщиков в первом разделе на измеренные. Ни одна из дат не объявлена. До их наступления можно обоснованно утверждать, что {{5}}Mercury 3{{/5}} — более дешёвый текстовый движок, а {{6}}Mistral Large 4{{/6}} — более полноценный продукт, и что оба продаются на основе заявлений, которые покупателю сейчас приходится принимать на веру.