Mercury 3 vs GLM-5.5: Jämförelsen som sökfrågan efterfrågar, genomförd mot modellen som faktiskt finns

Det finns ingen GLM-5.5. Z.ai:s utgivningslogg slutar vid GLM-5.3-Flash den 26 augusti 2026, dess dokumentationsindex räknar upp GLM-5.3, GLM-5.3-Flash och GLM-5.2, de fyra nyaste repona i Hugging Face-organisationen zai-org är GLM-5.3-serien som skapades den 25 augusti, Artificial Analysis har ingen sida under det namnet, och vår egen katalog returnerar model-not-found för z-ai/glm-5.5. Fem ytor, kontrollerade igen i dag, alla negativa. Så en sida med titeln "Mercury 3 vs GLM-5.5" kan göra en av två saker: hitta på ett specifikationsblad för en modell som aldrig har funnits, eller berätta vad namnet troligen syftar på och köra den jämförelse som faktiskt kan genomföras. Den här sidan gör det andra. De dokumenterade AI-felen och agentincidenterna bakom lanseringar som den här samlas i OrcaRouter AI Incident Archive där varje post har egna källor, allvarlighetsgrad, konfidensgrad och en flagga för omtvistade uppgifter.

Modellen som finns är GLM-5.3, som Z.ai släppte den 18 augusti 2026, med öppna vikter som följde den 25 augusti. Bredvid den finns Mercury 3, som Inception Labs släppte den 19 oktober 2026 som en diffusionsspråkmodell med en kontext på 1 M token och ett påstående om en genomströmning på 1 068 token per sekund. Det är en riktig duell med en verklig fråga i sig: en beprövad kodningsmodell med öppna vikter till $1,26/$3,96 mot en omätt hastighetsmodell till $0,35 för utdata under dess lanseringsfönster. Versionsnumret i titeln är fel. Jämförelsen därunder är det inte.

Varför namnet överhuvudtaget finns

GLM-5.5 är en prognos, inte ett tillkännagivande. Den går tillbaka till en analysprognos som cirkulerade i juni 2026 och placerade Z.ai:s nästa flaggskepp i ett augustifönster; augusti avslutades med GLM-5.3 i stället. Analytiker som följer Z.ai:s utgivningstakt förväntar sig nu att nästa utgåva numreras 5.4, inom ett fönster som löper ungefär från 8 oktober till 9 november. I dag är det den 20 oktober – inom det fönstret, utan att något har släppts.

Den här bloggen har behandlat namnet ett dussin gånger, alltid med samma slutsats, och frestelsen med en ny Mercury-lansering är att behandla den saknade motståndaren som tillstånd att hoppa över artikeln. Det är den inte: frågan är verklig, och det användbara svaret är en jämförelse mot den modell som Z.ai faktiskt säljer. Det som följer listar vad som skulle behöva framträda innan titeln blir korrekt, och kör sedan siffrorna som finns.

Fem saker som skulle göra GLM-5.5 till en modell

• En API-identifierare – z-ai/glm-5.5 som löses upp i vilken offentlig katalog som helst. Vår returnerar model-not-found, och det gör även glm-5.4.

• En rad i prislistan – ett pris på z.ai:s API-sida för modeller. Sidan listar för närvarande GLM-5.3 ($1.40/$4.40), GLM-5.3-Flash ($0.15/$0.50), GLM-5.3-FlashX ($0.37/$1.25) och tidigare modeller, och inget över 5.3.

• Ett inlägg i versionsinformationen – docs.z.ai:s sida New Released dateras per inlägg och sträcker sig som längst till 2026-08-26.

• Ett repository med vikter eller ett uttryckligt meddelande om att inga vikter finns – de nyaste textrepo-na i zai-org-flödet är alla daterade 2026-08-25.

• Ett daterat oberoende kort – artificialanalysis.ai/models/glm-5-5 returnerar 404 medan glm-5-3 returnerar en fullständig sida.

Vilken som helst av dessa skulle vara en stark signal. Att alla fem förekommer tillsammans är vad en release ser ut som; att ingen förekommer är vad en prognos ser ut som. Kontrollen kan köras om, och den bör köras om snarare än att man litar på den, eftersom ett negativt fynd förfaller i samma stund som leverantören släpper en version.

Den faktiska specifikationskontrasten

• Pris — Mercury 3 $0.10/$0.35 per miljon vid lansering, $0.20/$0.70 enligt listpris. GLM-5.3 $1.26/$3.96 i vår katalog, vilket är 10 % under Z.ai:s eget listpris på $1.40/$4.40.

• Kontext – båda 1M token. Mercury 3 har ett tak för utdata på 131 072 token; GLM-5.3 begränsar utdata till 128 000.

• Arkitektur — Mercury 3 är en diffusionsmodell som genererar tokens parallellt; Inception uppger att den är mer än 40 gånger större än Mercury 1 utan att ange något absolut antal parametrar. GLM-5.3 är en mixture-of-experts-transformer vars publicerade detaljer Z.ai håller på familjenivå.

• Hastighet — Mercury 3 på 1 068 tok/s, Inceptions siffra, ej reproducerad. GLM-5.3 på 88,4 tok/s utdata uppmätt i vår egen playground-trafik under sju dagar, med en median för end-to-end-latens på 3,3 sekunder.

• Oberoende poäng — GLM-5.3 får 44,8 på Artificial Analysis's Intelligence Index och 74,8 på dess Coding-index, och rankas på 14:e plats inom kodning bland de modeller den följer. Mercury 3 har ingen Artificial Analysis-sida.

• Uppgiftsresultat — GLM-5.3 redovisar 83,9 % på Terminal-Bench 2.1 och 41,9 % på Terminal-Bench 4.0, 91,7 % på GPQA Diamond och 50,3 % på τ²-Banking, allt enligt Artificial Analysis. Mercury 3 publicerar inga numeriska uppgiftsresultat; dess enda strukturerade resultat är 50 % slutförande på 50 live Mind2Web-navigeringsuppgifter.

• Vikter — GLM-5.3 är öppen, med checkpoints på Hugging Face från och med 25 augusti. Mercury 3:s vikter är inte publicerade och Inception har inte åtagit sig att publicera dem.

• Modaliteter – text in, text ut på båda.

Den enda punkten där GLM-5.3 otvetydigt är det starkare köpet är också den billigaste att verifiera: den har uppmätts. Ett kodindex på 74,8 och en poäng på 83,9 i Terminal-Bench 2.1 säger vad modellen gör på uppgifter du kan namnge. Mercury 3 säger att den slår Claude Haiku 5.5 utan att ange med hur mycket, på vad eller vid vilken av dess fyra ansträngningsnivåer.

Vad 1 068 tokens per sekund är värt, och för vem

Mercurys snabbhetsargument är inte att det slutför en kodningsuppgift snabbare i faktisk tid – en modell som tar fler steg eller behöver ett nytt försök kan förlora det racet oavsett genomströmning. Argumentet är att enskilda turer kommer tillbaka medan en person fortfarande tittar på skärmen. Inceptions egna kundcitat gör detta tydligt: handledningstips på ungefär en sekund, sökgenerering på median 0,9 sekunder, supportssvar som förblir samtalsmässiga.

GLM-5.3 på 88,4 tokens per sekund är en normal autoregressiv hastighet och skulle vara obehaglig för någon av dem. Den är helt tillräcklig för en agent som körs i sex minuter och rapporterar tillbaka, vilket är den typ av arbetsbelastning som dess benchmarkprofil beskriver – kodning på reponivå, flerstegsingenjörsarbete, verktygsanvändning över långa tidshorisonter.

Det är den verkliga skiljelinjen mellan dessa två modeller, och det handlar inte om pris. Det handlar om huruvida en människa väntar. Om ja, är Mercury 3:s genomströmning produkten och dess saknade benchmarks en risk som du kan begränsa med en återförsöksbudget. Om inte, är GLM-5.3:s uppmätta kompetens värd det elvafaldiga pristillägget för utdata, eftersom ett felaktigt svar från en bakgrundsagent kostar mer än de tokens den sparade.

Kostnad för en arbetsbelastning med kodningsagent

Kodagenter är indatatunga: en lång repokontext, verktygsdefinitioner och konversationshistorik i varje steg. Ta 300 miljoner inputtokens och 12 miljoner outputtokens per dag, vilket motsvarar ett litet team som kör agenter kontinuerligt. På Mercury 3 till lanseringspriset är det $30 för indata och $4,20 för utdata, eller $34,20. Till listpris, $60 och $8,40, eller $68,40.

Med GLM-5.3 till vår katalogtaxa kostar samma trafik $378 i indata och $47,52 i utdata, eller $425,52 per dag. Z.ai:s listpris skulle vara $420 och $52,80, eller $472,80. Så prispåslaget är ungefär 6,2 gånger vid Mercurys listpris och 12,4 gånger under lanseringsfönstret.

Nu till den ärliga motvikten: om Mercury 3:s slutförandegrad för en verklig kodningsuppgift är väsentligt lägre än GLM-5.3:s, kollapsar den multipeln. En modell som slutför två tredjedelar av uppgifterna behöver 50 % fler försök, och varje försök skickar om repository-kontexten. Vid ett underskott på 33 % faller den effektiva premien till cirka 4 gånger – fortfarande stor, fortfarande verklig och inte längre ett beslut du kan fatta utan att mäta. Resultatet från Mind2Web visar att Mercury kan navigera på en live-webbplats; det säger ingenting om huruvida den kan landa en patch.

Frågan om öppna vikter, som inte är en prisfråga

GLM-5.3:s vikter finns på Hugging Face, vilket innebär att modellen kan självhostas, finjusteras på din egen kodbas eller låsas för att skyddas mot avveckling. För ett team vars konkurrensfördel ligger i en finjustering är det hela argumentet, och inget pris för en hostad tjänst kan konkurrera med det. Mercury 3 erbjuder ingen sådan väg: det är en API-produkt, och företagsnivån i tillkännagivandet handlar om dedikerad kapacitet och datalagring snarare än om att ge dig vikterna.

Motargumentet är ekonomiskt. Att själv driva en modell av GLM-5.3-klass kostar mer i GPU:er och drift än 1,26 dollar per miljon indatatoken för de flesta team, och den öppna licensen är en försäkring snarare än en plan. Den spelar roll när leverantören ändrar villkoren, och den spelar ingen roll en tisdag.

Att köra de två sida vid sida

GLM-5.3 finns i vår katalog som z-ai/glm-5.3 för $1,26/$3,96 — leverantörens listpris med 0 % påslag, så när Z.ai ändrar sitt pris slår ändringen igenom hos oss samma dag i stället för vid nästa faktureringscykel. Mercury 3 finns inte i vår katalog; vårt modell-API returnerar model-not-found för samtliga Inception-modeller, så vägen dit går via Inceptions egen plattform, som ger nya konton 100 miljoner gratis tokens. Vi dirigerar GLM-5.3 och vi dirigerar inte Mercury 3, och skillnaden i hur du når respektive modell följer av det snarare än av en preferens.

Sättet att avgöra den här matchen med din egen trafik i stället för med ett lanseringsinlägg är en blind routningsdelning: skicka hälften av agentens steg till Mercury 3 via Inceptions nyckel på en fast effort-nivå, hälften till z-ai/glm-5.3, och jämför slutförandegrad och totalkostnad per avslutad uppgift snarare än per token. En OpenAI-kompatibel endpoint täcker GLM-sidan tillsammans med fler än 200 andra modeller, med automatisk failover, så om den nya leverantörens första månad är ojämn är din fallback redan inkopplad. Routnings-DSL:en kan hålla delningen som en regel så att det är en konfigurationsändring i stället för en kodändring när svaret kommer tillbaka.

Vad ska man göra medan GLM-5.5 fortfarande bara är ett namn

Om du har kommit hit för att leta efter GLM-5.5 är det sanningsenliga svaret att Z.ai inte har släppt det och att numret är en prognos. Håll ett öga på sidan med versionsinformation och flödet på Hugging Face; när ett repository dyker upp blir namnet en modell och den här jämförelsen blir föråldrad på det bra sättet. Analytiker förväntar sig nästa flaggskepp i fönstret 8 oktober – 9 november, de flesta av dem numrerade 5.4, och i dag ligger inom det fönstret utan att något har publicerats.

Om du behöver fatta beslutet i dag står valet mellan en sansad öppenviktsmodell för kodning till ungefär sex till tolv gånger priset och en mycket snabbare textmodell utan publicerade benchmarkresultat. Välj GLM-5.3 för arbete vars resultat du inte kommer att läsa innan det levereras. Välj Mercury 3 för arbete där en person väntar och ett nytt försök är billigt. Och budgetera Mercury 3 till dess listpris, eftersom rabatten som får den att verka gratis är det enda numret som Inception inte har lovat att behålla.