Mercury 3 vs GPT-6 Astra: 28 gånger priset för utdata, köpt en ansträngningsnivå i taget

Mercury 3 och GPT-6 Astra skiljer sig 28 gånger åt i utpris – 0,35 USD per miljon under Inceptions lanseringsfönster mot 50,00 USD från O​penAI – och ungefär 18 gånger åt motsatt håll när det gäller genomströmning. De två siffrorna är lätta att citera och nästan värdelösa i sig, eftersom Astra inte är en enda modell till ett enda pris. Det är en resonemangsstege: fem ansträngningsnivåer, en indexpoäng som klättrar från 46 i botten till 53 i toppen, och en räkning som klättrar med den. Mercury 3 har också en slags stege – fyra ansträngningsinställningar och en standard i botten – men ingen oberoende poäng på någon av dem. Så den verkliga frågan i den här jämförelsen är inte om Astra är värd 28 gånger Mercury 3. Det är hur långt upp på Astras stege du faktiskt behöver klättra, och om arbetet du gör över huvud taget behöver en stege. De dokumenterade AI-felen och agentincidenterna bakom lanseringar som den här samlas i the OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och omtvistad flagga.

Siffran som avgör detta, och det är inte priset

Artificial Analysis mäter GPT-6 Astra till 53 på sitt Intelligence Index vid modellens högsta ansträngningsinställning, rankad som sjua bland de 216 modellerna i indexet, till en beräkningskostnad på cirka 3,26 dollar per indexuppgift. Kör man samma svit vid den lägsta ansträngningsinställningen är poängen 46. De fem nivåerna, i ordning, är 46, 50, 51, 52 och 53.

Läs den stegen två gånger. Den första läsningen är att det översta steget bara ligger sju poäng över det nedersta, i en svit där sju poäng är mycket — modellerna under Astra och modellerna över den åtskils av mindre marginaler än så. Den andra läsningen är att fjärde steget, på 52, ligger inom en poäng från toppen och förmodligen är billigare. Om din uppgift inte behöver den sista poängen väljer du inte mellan Mercury 3 och en modell med 53 poäng; du väljer mellan Mercury 3 och en med 52 poäng, och priset för att komma dit är en parameter snarare än en annan modell.

Mercury 3 erbjuder inget sådant val, eftersom det inte finns något att klättra mot. Det finns ingen indexpoäng vid omedelbar, låg, medel eller hög. Inceptions eget jämförande påstående – att Mercury 3 överträffar GPT-6 Luna och Claude Haiku 5.5 – är ett påstående om snabbnivån, framfört utan marginaler, och dess enda strukturerade kvalitetsresultat är 50 % slutförande på 50 live Mind2Web-navigeringsuppgifter i sin egen agentharness. Det är ett verkligt resultat och ett litet urval, och det säger inte var Mercury 3 skulle hamna på ett index med 216 modeller om det togs in i morgon.

Vad $50 per output-token faktiskt innehåller

GPT-6 Astra tar emot text, bilder och filer, har ett kontextfönster på 1,05 miljoner token och returnerar upp till 128K token. Dess standardprislista är $10.00 per miljon indata och $50.00 per miljon utdata, med cachad indata till $1.00. Över 272 000 indatatoken prissätter den om hela förfrågan till $20.00 och $75.00, cachad indata till $2.00 – gränsen är inte en marginell nivå, den är en växel som fördubblar hela räkningen. Batch- och flexbearbetning halverar priserna; snabbläge fördubblar dem. Resonemang är alltid på och går från låg till max.

Det finns två fällor i det stycket. Gränsen på 272 000 token innebär att en begäran på 280 000 token kostar dubbelt så mycket som en begäran på 270 000 token, utan delvis kredit – så kontexttrimning nära gränsen är värd mer ingenjörsinsats än vad de flesta team lägger på den. Och det som OpenAI marknadsför som "GPT-6 Astra Pro" är inte en separat modell eller en separat SKU; det är pro-inställningen på resonemangsvredet, vilket innebär att den går att nå från samma slutpunkt till samma taxor och inte är något man behöver ett nytt avtal för att använda.

Mercury 3 kostar, som jämförelse, $0,20 och $0,70 enligt listpris, halverat under lanseringsperioden till $0,10 och $0,35, med cachad indata på $0,02 och $0,01. Ett kontextfönster på 1 miljon tokens, en maximal utdata på 131 072, inga nivåer, ingen gräns, ingen batchmultiplikator. Priskortet är fyra rader långt. Den enkelheten är värd något i sig — en kostnadsmodell som du kan hålla i huvudet driver inte iväg.

Kostnadsmodellen som ingen kör: tokens per uppgift, inte pris per token

Astras pris per token är det minst intressanta talet när det gäller Astras kostnad. Artificial Analysis rapporterar att en fullständig Intelligence Index-körning på Astra förbrukar totalt cirka 60 miljoner utdatatoken, och att en indexuppgift kostar cirka 3,26 dollar. Dividera det ena med det andra och du får förhållandet som spelar roll: Astra lägger en hel del på att tänka innan det lägger något på att svara.

Mercury {{1}}3{{/1}} är prissatt fjorton gånger lägre än Astra vid lansering och 71 gånger lägre på Mercurys prislista jämfört med Astras standardpris. Men jämförelsen av pris per token förutsätter att de två modellerna producerar jämförbara tokenantal för samma uppgift, och allt som är känt om diffusionsavkodning talar för att de inte gör det. En diffusionsmodell löser ett block av positioner under ett fast antal avbrusningspass; dess utdatans längd är en egenskap hos svaret, inte hos en intern monolog som rullas ut före svaret. Astras utdatans längd domineras av monologen.

Det skär åt båda hållen, och båda hållen är värda att nämna. På en resonemangstung uppgift där Astra gör av med 100 000 resonemangstoken för att få rätt svar är Mercury 3:s fördel långt större än 14x, eftersom Mercury 3 inte betalar för monologen alls – men huruvida den når samma svar utan en är just den öppna frågan. På en kortsvarsuppgift där Astra svarar med trehundra token vid låg ansträngning inträffar aldrig monologen, och jämförelsen reduceras till prislistan: 14x vid lansering, 71x enligt Mercurys lista.

Sätt en verklig arbetsbelastning på den. Tio miljoner indatatokens och två miljoner utdatatokens per dag, en blandning av support och sammanfattning. Med Astra till standardpriser blir det 100 dollar för indata och 100 dollar för utdata – 200 dollar per dag, cirka 6 000 dollar i månaden. Med Mercury 3 till listpris är det 2 dollar och 1,40 dollar – 3,40 dollar per dag, cirka 102 dollar i månaden. Till lanseringspriser är det hälften av det igen. Samma trafik, 59 gånger så hög kostnad, och frågan om Astras svar är 59 gånger bättre är en som ingen för närvarande kan besvara med en siffra.

Där en router faktiskt gör nytta i den här matchningen

GPT-6 Astra finns i OrcaRouters katalog. Den är tillgänglig via samma OpenAI-kompatibla endpoint som resten av modellerna vi dirigerar, till OpenAIs listpriser utan något påslag från vår sida — $10.00 för indata, $50.00 för utdata, $1.00 för cachade data, och långkontextnivån till $20.00 och $75.00 över 272 000-token-gränsen — med både chat completions och Responses API tillgängliga, beroende på vilket format din kod redan använder.

Mercury 3 finns inte i katalogen. Vårt modell-API returnerar inget för någon Inception-modell, så att anropa den innebär att gå till Inceptions egen plattform, där nya konton för närvarande får 100 miljoner gratis tokens, eller till en av de inferensplattformar som Inception listar. Vi vill hellre säga det än låta en jämförelseartikel antyda en väg vi inte har.

Vad routinglagret ger dig här är en andra ratt av ett annat slag än Astras effort-nivåer. De fem effort-nivåerna är Astras egen ratt, och att klättra på den kostar pengar på varje steg. Routing låter dig välja hur sällan du betalar Astra överhuvudtaget: skicka huvuddelen av trafiken till en modell i det snabba skikt vi faktiskt routar – GPT-6 Luna till $0.10 och $0.50, eller Claude Haiku 5.5 till $1.00 och $5.00 – och reservera Astra på high eller max för den andel förfrågningar som faktiskt är svåra, med automatisk failover om en leverantör försämras och routnings-DSL:en för att uttrycka uppdelningen som en regel i stället för en kodgren. Besparingen ligger inte i Astras taxa; den ligger i hur ofta du undviker den.

Det är för övrigt också det ärliga sättet att utvärdera Mercury 3. Placera den på snabbspåret tillsammans med Luna och Haiku 5.5, där Inceptions egen jämförelse placerar den, och se om den vinner på dina uppgifter. Att jämföra den direkt med Astra är att jämföra en modell utan indexpoäng med en modell på sjunde steget i ett index med 216 modeller, och resultatet kommer att säga dig mer om missmatchningen än om någon av modellerna.

En detalj som ett routinglager inte bör avrunda, och det gör vi inte: Astras prislista har en gräns vid 272 000 indatatokens som prissätter om hela förfrågan, och ett batchläge som halverar den. Det är inte marginella justeringar, och en vidarebefordran till listpris är bara värd något om den även för vidare de besvärliga delarna.

Jämförelsen som skulle avgöra saken

Det som skulle avgöra Mercury 3 mot GPT-6 Astra är inte ett lanseringsinlägg och inte den här artikeln. Det är en enda siffra: Mercury 3:s position på samma index som Astra ligger på, vid en angiven effort-inställning, på samma testsvit, mätt av någon som inte är Inception. Tills det finns är varje jämförelse mellan dessa två en jämförelse mellan en mätt modell och en omätt modell, och den mätta bör som standard få fördelen av tvivlet — inte av hänsyn till O​penAI, utan för att en poäng du kan kontrollera är värd mer än en genomströmningssiffra du inte kan.

Den användbara hållningen under tiden är den som Astras egen stege antyder. Det mesta arbetet behöver inte den översta stegen av något. Rikta huvuddelen av din trafik mot den billigaste modellen som klarar din kvalitetsribba, behåll den dyra stegen för de förfrågningar som inte klarar den, och behandla Mercury 3 som en kandidat för den billiga vägen snarare än som ett alternativ till den dyra. Om det visar sig att den klarar ribban för en fjortondel av priset, kommer du att få reda på det på dina egna uppgifter, vilket är den enda sviten vars resultat du faktiskt kan agera på.