Mercury 3 vs MiniMax M3: Ett nummer mot ett helt facit

Inception släppte Mercury 3 den 19 oktober 2026 med en enda prestandasiffra – 1 068 tokens per sekund – och inget benchmarkresultat av något slag. MiniMax släppte MiniMax M3 den 1 juni 2026 med en benchmarktabell från leverantören, en nedladdningsbar checkpoint och, fyra månader senare, ett publicerat resultat från en oberoende utvärderare. Ställ de två sida vid sida och den intressanta frågan är inte vilken modell som är snabbare eller billigare. Det är att en av dessa modeller kan granskas av någon annan än dess skapare i dag, och den andra kan inte. Den asymmetrin är hela jämförelsen, och den överlever varje prissänkning som något av labben tillkännager. De dokumenterade AI-felen och agentincidenterna bakom släpp som detta finns samlade i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omstritt.

De två modellerna råkar också vara tillräckligt nära på papperet för att valet ska vara verkligt. Båda kör ett fönster på en miljon tokens. Båda ligger i den billiga prisklassen. Båda är byggda på arkitekturer som är ovanliga för sin klass – diffusion för Mercury 3, sparse attention över en mixture of experts för MiniMax M3 – och båda hävdar att arkitekturen är det som ger dem deras ekonomi.

Två lanseringsinlägg, två olika typer av bevis

Läs Inceptions tillkännagivande som ett dokument. Det framför ett skalningsargument: Mercury 3 är mer än 40 gånger större än Mercury 1 i totala parametrar, uppmätt intelligens ökade ungefär trefaldigt från Mercury 1 (mini) till Mercury 3, och modellen är "lika snabb" som sin minsta förfader. Det framför ett jämförande kvalitetspåstående: Mercury 3 är "minst lika bra som frontier-modeller optimerade för hastighet, som GPT-6 Luna och Claude Haiku 5.5". Och det rapporterar exakt ett uppgiftsresultat, från Inceptions egen web-agent-harness, på 50 live Mind2Web-navigeringsuppgifter, där modellen slutförde 50 procent. Vart och ett av dessa är rapporterat av leverantören och inget namnger en benchmark-svit, en marginal eller en hårdvarukonfiguration.

Läs materialet från M​iniMax som ett dokument, och det har den motsatta formen. Det finns en benchmarktabell med namngivna sviter och procenttal – SWE-Bench Pro 59.0, Terminal-Bench 2.1 66.0, BrowseComp 83.5, OSWorld-Verified 68.70 – plus ett modellkort, plus vikter på Hugging Face, plus en oberoende listning från Artificial Analysis som ger modellen 29 på dess Intelligence Index. Leverantörens siffror är fortfarande leverantörens siffror, och vi har inte sett dem reproducerade. Men modellen kan laddas ned, köras och mätas av vem som helst som vill, vilket är anledningen till att den oberoende siffran överhuvudtaget finns.

Den skillnaden i vad som publicerades är inte en marknadsföringsdetalj. Den avgör vilken typ av rådgivning någon kan ge dig om dessa två modeller. För MiniMax M3 finns en uppmätt genomströmningssiffra, en uppmätt kostnad per indexuppgift, en uppmätt rankning. För Mercury 3 finns ett påstående.

Specifikationerna, med respektive sidas källa bifogad

• Pris per miljon token — Mercury 3: $0.20 in och $0.70 ut enligt listpris, halverat till $0.10 och $0.35 medan lanseringsrabatten pågår, jämfört med MiniMax M3: $0.30 och $1.20 för förfrågningar med upp till 512K indatatoken

• Cachad indata — Mercury 3 $0.02 per miljon, $0.01 under lanseringsfönstret jämfört med MiniMax M3 $0.06 per miljon

• Kontextfönster — Mercury 3 1 000 000 tokens vs. MiniMax M3 1 048 576

• Maximal utdata – Mercury 3 131 072 tokens vs MiniMax M3 512 000 tokens på vår egen katalogsida; M​iniMax publicerar ingen siffra för maximal utdata, så den siffran är vår, inte leverantörens

Indatamodalitet – Mercury 3 endast text jämfört med MiniMax M3 text, bild och video

• Arkitektur — Mercury 3 är en diffusionsspråkmodell som förfinar tokenblock parallellt, medan MiniMax M3 är en mixture of experts, ungefär 428B totalt och ungefär 23B aktiva per token, med M​iniMax Sparse Attention

• Vikter — Mercury 3 stängd, endast API vs MiniMax M3 nedladdningsbar under M​iniMax Community License

• Genomströmning – Mercury 3: 1 068 tokens per sekund, leverantörsrapporterat på ej namngiven NVIDIA-hårdvara vid en ospecificerad batchstorlek och effort-inställning, mot MiniMax M3: 106,4 tokens per sekund uppmätt av Artificial Analysis

• Independent Intelligence Index — Mercury 3: ingen post per den 20 oktober 2026 jämfört med MiniMax M3 29, rankad 23:a av 121 modeller i den revision som gällde den dagen

• Resonemangskontroll — Mercury 3 har fyra ansträngningsinställningar, från instant till high, med low som standard när parametern utelämnas, jämfört med MiniMax M3 som har en thinking-parameter med lägena enabled, adaptive och disabled

• Verktygsanrop och strukturerade utdata – båda stöds på en OpenAI-kompatibel chat completions-slutpunkt

Två av de raderna behöver ett förbehåll bifogas innan de citeras någonstans. Siffran 1 068 är en leverantörsmätning utan ett angivet testramverk, så den är inte jämförbar med en siffra som tagits fram av en oberoende utvärderare enligt en fast metodik. Och Artificial Analysis räknar om poängen för sitt index med jämna mellanrum; siffran 29 ovan är avläsningen den 20 oktober 2026, och MiniMax M3 har gett ett annat värde i tidigare revisioner. Siffrorna i det indexet ändras; det faktum att det finns en sådan för M3 men inte för Mercury 3 ändras inte.

Vad 1,068 tokens per sekund innebär på förfrågningsnivå

Tokens per sekund är ett dåligt mått att fatta några beslut utifrån, eftersom ingen köper tokens. De köper slutförda förfrågningar. Omvandla båda siffrorna till det användaren faktiskt upplever – hur lång tid det tar att generera ett svar på tusen tokens.

Vid Inceptions hävdade 1 068 tokens per sekund tar ett svar på 1 000 tokens cirka 0,94 sekunder att generera. Vid MiniMax M3:s uppmätta 106,4 tar samma svar cirka 9,4 sekunder. Om man inkluderar en uppmätt tid till första token på 1,13 sekunder för M3 är gapet mellan de två upplevelserna ungefär tiofaldigt, innan någon ens lägger till nätverkslatens, köbildning eller en leverantörs egen overhead.

Så är det med Mercury 3, och det är ett verkligt fall. En tiofaldig skillnad i genereringstid är skillnaden mellan ett söksvar som känns omedelbart och ett som känns som en sidladdning. Hela Inceptions produktlinje är uppbyggd kring detta: företaget säljer Mercury Voice för tid till första svarstoken, Mercury Decide för klassificering och positionerar flaggskeppet inom support, undervisning, sök och webbagenter – alla arbetsbelastningar där ett långsamt svar är en trasig produkt snarare än en något sämre sådan.

Vad den tiofaldiga siffran inte säger dig är huruvida Mercury 3 är något bra. Mind2Web-resultatet – 50 procents slutförande på 50 liveuppgifter, "betydligt mer än GPT-6.1-Sol" – är den enda strukturerade kvalitetssignalen som Inception publicerade, och 50 uppgifter är ett så litet urval att en enda svår webbplats flyttar procenttalet med två punkter. Testramverket är Inceptions eget. Jämförelsemodellen namnges utan en poäng. Det är en genuin signal om att modellen kan styra en webbläsare, och det är inte ett mått som du kan använda i ett upphandlingsbeslut.

Vad MiniMax M3:s rekord egentligen säger

M3:s oberoende bild är glamourlös och användbar. Ett Intelligence Index på 29 mot en median på 19 för modeller i dess jämförelseklass, 106,4 output-tokens per sekund mot en median på 77,4, en tid till första token på 1,13 sekunder mot en median på 1,70 sekunder, och en kostnad på 0,51 dollar för att köra indexet per modell. Det är en modell som ligger klart över genomsnittet i kvalitet för sin klass, tydligt över genomsnittet i hastighet för sin storlek och billig att köra.

Delpoängen som cirkulerar från tredje parts återpublicering av samma indexfamilj ger en mer specifik bild: stark på dokumentförståelse och instruktionsföljsamhet, svagare på autonomt agentarbete i flera steg. Gapet mellan dess kodnings- och agentiska delpoäng är den största interna spridningen i dess historik. Om din arbetsbelastning är "läs det här långa dokumentet och svara exakt", har M3 god evidens. Om den är "kör i tjugo minuter och leverera", är evidensen tunnare och pekar åt andra hållet.

För Mercury 3 finns inget motsvarande stycke att skriva, eftersom data inte finns. Artificial Analysis har ingen Mercury 3-sida – dess index listar fortfarande Mercury 2.5 och Mercury 2 – så en dag efter lanseringen har modellen ingen oberoende poäng, ingen oberoende hastighetssiffra och inget kostnad-per-uppgift-tal. Inceptions jämförelseset (GPT-6 Luna, Claude Haiku 5.5) är det snabba segmentet snarare än frontlinjen, vilket är rätt jämförelseobjekt för en latensprodukt, men påståendet har ingen marginal och inga testnamn.

Prisgapet är mindre än prislappen antyder

Reflexen är att kalla Mercury 3 för budgetalternativet och M3 för det dyra. Per token är det sant till sin riktning och mycket mindre dramatiskt än det ser ut: input är 1,5 gånger billigare på Mercury 3, output 1,7 gånger billigare. Det är inte en annan liga. Det är en annan hylla.

Kör en konkret arbetsbelastning. Ta en support- eller sökassistent som hanterar 10 000 svar per dag, var och en med 1 500 indatatoken av hämtad kontext och promptstruktur samt 300 utdatatoken. Det är 15 miljoner indatatoken och 3 miljoner utdatatoken dagligen.

• Mercury 3 till listpris — 15 × $0.20 plus 3 × $0.70, eller $5.10 per dag

• Mercury 3 till introduktionspriset — 15 × 0,10 $ plus 3 × 0,35 $, eller 2,55 $ per dag

• MiniMax M3 till dess taxa för små förfrågningar — 15 × $0.30 plus 3 × $1.20, eller $8.10 per dag

Den dagliga skillnaden mellan de två listpriserna är alltså ungefär tre dollar för tiotusen konversationer. Om Mercury 3:s tokeneffektivitet vid dess standardinställning för låg ansträngning är sämre än M3:s – och ingen utanför Inception vet, eftersom det inte finns något uppmätt antal utdatatoken för Mercury 3 – kan den skillnaden på tre dollar minska eller vändas vid verklig trafik. Detta är det specifika skälet till att en modell som inte har poängsatts är svår att budgetera för: du kan inte beräkna kostnaden per slutförd uppgift utan en uppmätt slutförandegrad och en uppmätt verbositet.

Raden för cachelagrad indata spelar större roll än rubriken för agentarbetslaster, eftersom agenter skickar samma systemprompt och verktygsdefinitioner igen vid varje steg. Mercury 3:s $0,02 per miljon cachelagrade tokens gör att en inledning på 20 000 tokens kostar fyra tiotusendels dollar per anrop. M3:s $0,06 kostar tre gånger så mycket, vilket fortfarande är litet – men på en körning med femtio steg är skillnaden cent, inte bråkdelar av ett cent, och det är i agenttrafik som centen multipliceras.

Licens, avsluta och det du inte kan ladda ner

MiniMax M3 distribueras under MiniMax Community License. Icke-kommersiell användning är gratis; kommersiell användning kräver att man visar "Built with MiniMax M3", en engångsavisering när årsintäkterna understiger 20 miljoner dollar, och skriftligt förhandstillstånd när de överstiger det, samt efterlevnad av en bilaga om förbjuden användning. Det är en juridisk granskning snarare än en formalitet, men det är en licens du kan läsa innan du bygger.

Mercury 3 har ingen licens att läsa, eftersom det inte finns något att licensiera. Det är stängt. Det är inte automatiskt diskvalificerande – de flesta team som anropar en modell via ett API rör aldrig vikterna – men det förändrar vad som händer om Inception ändrar sitt pris, sina villkor eller sin tillgänglighet. Utvägen är en migrering, inte en ny driftsättning.

Ännu en asymmetri värd att benämna: M3 har en historik på fyra månader. Den har funnits i vår katalog tillräckligt länge för att samla in trafik- och latenspercentiler, och dess prislista har varit stabil. Mercury 3 är en dag gammal, dess lanseringspris har inget publicerat slutdatum, och dess föregångarmodeller är redan stängda för nya användare – Inceptions egen migreringsnotis säger att Mercury 2 och Mercury 2.5 slutar ta emot nya registreringar och att befintliga kunder förlorar åtkomsten den 15 november 2026. En leverantör som pensionerar en modellinje så snabbt säger dig något om hur den förväntar sig att du ska konsumera dess produkter.

Där en router ändrar aritmetiken

Den här matchningen är ett bra argument för att inte välja alls under den första veckan. MiniMax M3 finns på OrcaRouter till $0,30 för indata och $1,20 för utdata per miljon tokens, leverantörens listpris utan påslag, tillsammans med över 200 andra modeller bakom en OpenAI-kompatibel slutpunkt. Mercury 3 finns inte i vår katalog — en kontroll av vårt modell-API ger ingenting för någon Inception-modell — så den som vill anropa den går till Inceptions egen plattform eller till en av de tredjepartsvärdar som Inception listar. Vi säger hellre det rakt ut än antyder en väg vi inte har.

Mönstret som passar en icke uppmätt, ovanligt snabb release är en tvåvägsdesign. Lägg den latenskritiska nivån på Mercury 3 via leverantören och behåll den uppmätta reservvägen på M3 eller en annan modell som vi tillhandahåller, med automatisk failover inkopplad så att en 429 eller en försämrad endpoint inte slår ut funktionen. Routnings-DSL:en finns just för att uppdelningen ska kunna vara en regel snarare än en förgrening i din kodbas, och eftersom leverantörernas listpriser förs vidare oförändrade, når en prissänkning från Inception eller en ändring av M​iniMax-nivån din faktura samma dag som den tillkännages i stället för vid nästa avtal.

Det den designen inte ger dig är en kvalitetsgaranti på Mercury 3-sidan. Ingenting gör det, ännu.

Regeln att tillämpa den här veckan

• Om svaret måste komma inom ungefär en sekund och ett felaktigt svar går att rätta till – sökförslag, supporttriage, handledningstips, agentsteg med en eskaleringsväg – är Mercury 3 värd en veckas utvärdering enbart utifrån latenspåståendet. Budgetera utifrån listpriset, inte utifrån lanseringsrabatten på 50 procent, eftersom rabatten inte har något publicerat slutdatum.

• Om du behöver veta hur bra modellen är innan du bestämmer dig är MiniMax M3 den enda av dessa två som låter dig ta reda på det. Det är också den enda du kan ladda ner, kvantisera, finjustera eller köra på din egen hårdvara.

• Om din arbetsbelastning läser video eller bilder är jämförelsen över. M3 hanterar dem; Mercury 3 gör det inte.

• Om du optimerar kostnaden per slutförd uppgift snarare än kostnaden per token ger ingen av modellerna dig det tal du behöver ännu — M3 eftersom dess agentiska svaghet är mätt och verklig, Mercury 3 eftersom ingenting om dess slutförandebeteende har mätts överhuvudtaget.

Det man ska hålla ögonen på är inte priset på Mercury 3. Det är den första oberoende utvärderingen av Mercury 3, när den nu kommer. Om genomströmningspåståendet går att reproducera i närheten av 1 068 token per sekund i en neutral testmiljö och kvaliteten ligger i den Haiku-klass som Inception hävdar, upphör detta att vara en duell och blir en migrationsfråga för varje latensbunden produkt på webben. Om den landar på den vanliga nedskrivningen från leverantörs- till oberoende mätning och kvaliteten bara är konkurrenskraftig, då är den ärliga sammanfattningen den ovan: en snabb, billig, obeprövad modell mot en långsammare, billig och beprövad modell — och för de flesta team är det den beprövade sidan som får ta produktionsvägen tills den andra sidan har en siffra.