Mercury 3 vs Mistral Large 4: Två oavslutade modeller och löftena som är knutna till var och en

Ingen av dessa modeller är färdig, och sätten på vilka de är ofärdiga är motsatta. Mercury 3 släpptes av Inception Labs den 19 oktober 2026 som en lanserad produkt till $0,20 per miljon input-tokens och $0,70 per miljon output, och den har ingen oberoende utvärdering av något slag – inget Artificial Analysis-poäng, ingen tredjeparts testrigg, ingenting. Mistral Large 4 annonserades av Mistral den 6 oktober 2026 som en offentlig förhandsversion till $1,36 och $4,18 per miljon, och den har ett oberoende poäng på 38 på Artificial Analysis Intelligence Index och en uppmätt kostnad på $1,13 per indexuppgift, men dess vikter – som Mistral lovade skulle släppas "i slutet av månaden" – hade inte publicerats på Hugging Face när detta skrevs, och förhandsversionens egen träningskörning med förstärkningsinlärning pågick fortfarande vid annonseringen. De dokumenterade AI-felen och agentincidenterna bakom lanseringar som denna samlas i OrcaRouter AI Incident Archive där varje post har egna källor, allvarlighetsgrad, konfidensgrad och flagga för omstridd status.

Så jämförelsen står mellan en modell vars siffror alla är leverantörsrapporterade och en modell vars siffror inte alla är slutgiltiga. De tillhör också olika produktkategorier: Mercury 3 är en textbaserad diffusionsspråkmodell med en kontext på en miljon tokens och ett påstått genomflöde på 1 068 tokens per sekund, medan Mistral Large 4 är en inbyggt multimodal mixture-of-experts-modell med 1 biljon parametrar och 52 miljarder aktiva parametrar, tränad på 3 800 NVIDIA Grace Blackwell-GPU:er i franska datacenter och uttalat positionerad kring europeisk AI-suveränitet. Om din arbetsbelastning är text och din begränsning är kostnad, är den skillnaden avgörande innan någon benchmark konsulteras. Om inte, konkurrerar de två modellerna knappt.

Mercury 3, och det specifika som saknas

Inceptions modell är den tredje generationen av dess satsning på parallell avkodning. I stället för en token per framåtpassning avbrusar Mercury ett block av positioner och committar dem tillsammans, vilket är källan till över 1 000 token per sekund. Enligt Inception har Mercury 3 mer än 40 gånger så många totala parametrar som Mercury 1, med ett kontextfönster som vuxit från 260 000 till 1 000 000 token och ett tak för utdata på 131 072 token, och den körs i 1 068 token per sekund på ospecificerad NVIDIA-hårdvara.

Det som saknas är varje mätning som Inception inte har utfört. Annonseringens enda strukturerade kvalitetsresultat är ett agenttest mot live-webbplatser: 50 Mind2Web-navigeringsuppgifter mot riktiga webbplatser i Inceptions eget produktionsramverk, där Mercury 3 klarade 50 % – 25 uppgifter – vilket enligt Inception är "betydligt mer än GPT-6.1-Sol" vid samma tokenvolym och samma antal steg. Det är mer intressant än en benchmarktabell eftersom webbplatserna var live, och mindre trovärdigt av samma anledning som en leverantörsdemo alltid är: Inception valde ramverket, målen och poängsättningen. Det finns ingen Artificial Analysis-sida för Mercury 3 den 20 oktober 2026, så det finns ingen neutral genomströmningssiffra, ingen neutral kostnad per uppgift och ingen neutral recall-kurva för det fönstret på en miljon token.

Konsekvensen är konkret snarare än filosofisk. Ett kontextfönster på en miljon token med en omätt recall-kurva är ett kapacitetspåstående: tokens ryms, och ingen har fastställt hur stor del av dem modellen faktiskt använder. Mercury 2.5 fick 12 på Artificial Analysis Intelligence Index, vilket säger var den tidigare generationen låg och ingenting om den här.

Mistral Large 4, och den specifika sak som är oavslutad

Mistrals modell är en helt annan historia, och tillkännagivandet är ovanligt specifikt om den. Det är en nativt multimodal modell med 1 biljon parametrar och 52 miljarder aktiva parametrar – gles mixture-of-experts, så större delen av biljonen utför inget arbete för en given token. Den hanterar dokument, diagram, naturliga bilder, tekniska ritningar och satellitbilder i gigapixelupplösning, och den tränades på data som omfattar mer än 160 språk, inklusive alla officiella EU-språk.

• Kodning – 61,7 % på DeepSWE v1.1, 59,4 % på SWE-Atlas-QnA, 28,3 % på Terminal-Bench 4, vilket ger ett kombinerat Coding Agent Index på 49,8 %. Alla uppgifter från Mistral.

• Agenter och cyber — 59,9 % på AutomationBench, 1 393 Elo på AA-Briefcase, 82 % på ett test för reproduktion och patchning av verkliga sårbarheter som Mistral säger ligger före alla modeller, 93 % på Cybench och 93,3 % motståndskraft mot attacker på Lakera B3.

• Vision — 42 % på Dense 200 visuell grundning, knappt före GPT-6 Astra på 41 %.

• Mänsklig utvärdering – 3,74 av 5 i Surge AI:s blinda kodningsbedömning, näst bäst av fem modeller efter Claude Opus 5 på 4,22. En tredje part genomförde studien; Mistral beställde och publicerade den.

• Oberoende aggregerat resultat — 38 på Artificial Analysis Intelligence Index, rankad 66:a av 217, till 1,13 USD per indexuppgift, 67,5 utdatatoken per sekund och 1,65 sekunders tid till första token.

• Status – förhandsvisning, vikter utlovade senast i slutet av oktober 2026, RL-körningen pågick fortfarande vid tillkännagivandet.

Det är värt att vara försiktig med klassificeringen. Mistrals egen dokumentation anger v26.10-generationen som "Open" och open-weight; sidan hos Artificial Analysis, läst den 20 oktober, anger fortfarande "proprietary" och "modellvikterna är inte offentligt tillgängliga". Båda är korrekta vid olika tidpunkter: licensen är avsikten, men vikterna finns ännu inte på disk. Den som planerar en driftsättning utifrån antagandet att Mistral Large 4 kommer att kunna laddas ner i november bör notera att löftet har ett datum men ännu inget repository.

De två prislistorna, och siffran som gör klyftan mindre än den ser ut

På papperet är Mercury 3 dramatiskt billigare: 0,70 USD per miljon utdata mot 4,18 USD, och 0,20 USD för indata mot 1,36 USD. Det är en sexfaldig skillnad till listpris, eller tolvfaldig under Mercury's lanseringsfönster vid 0,10 USD och 0,35 USD, medan Mistrals egen kampanjprissättning på 0,68 USD och 2,09 USD minskar den till ungefär sexfaldig.

Siffran per svar är där det pressas ytterligare, och det är det enda numret i den här artikeln som mättes av någon annan än leverantören som säljer modellen. Artificial Analysis anger Mistral Large 4 Preview till 1,13 dollar per Intelligence Index-uppgift. Mercury 3 har ingen motsvarighet, så det enda sättet att konstruera en sådan siffra är att anta en tokenvolym – och de tidigare Mercury-jämförelserna visade varför det antagandet spelar roll: en modell som gör av med 31 000 utdatatoken där en annan gör av med 193 000 kan vara 20 gånger dyrare per token och ändå billigare per svar. Till 0,70 dollar per miljon skulle Mercury 3 behöva ungefär 1,6 miljoner utdatatoken för att kosta 1,13 dollar för en enda uppgift. Den kommer inte att göra av med så mycket. Vid varje realistisk volym landar den långt under 1,13 dollar, vilket är den ärliga kärnan i dess argument: fördelen per token överlever korrigeringen per svar här på ett sätt som den inte gjorde mot GPT-6 Sol.

• Kontext — Mercury 3: 1,000,000 tokens enligt Inceptions dokumentation. Mistral Large 4: 1,000,000 enligt Mistrals modellförteckning, jämfört med 524,288 i Artificial Analysis testade konfiguration.

• Multimodalitet – Mercury 3: text in, text ut, inga bilder till något pris. Mistral Large 4: dokument, diagram, fotografier, tekniska ritningar, satellitbilder.

• Hastighet — Mercury 3: 1 068 tokens per sekund, leverantörsmätt. Mistral Large 4: 67,5 tokens per sekund enligt Artificial Analysis, med en tid till första token på 1,65 sekunder som är genuint snabb för en modell av denna storlek.

• Vikter — Mercury 3: inga publicerade, och Inceptions Hugging Face-organisation har inga modellförråd. Mistral Large 4: utlovad till slutet av oktober, ännu inte publicerad.

• Styrning — Mercury 3: ingen publicerad redogörelse för träningsdata eller EU-driftsättning. Mistral Large 4: tränad i europeiska datacenter, driftsättning med europeisk drift, alla officiella EU-språk.

Raden om lång kontext är den man bör läsa två gånger. Mistrals dokumentation anger en miljon token; Artificial Analysis testade vid 524 288. Det är ingen motsägelse – leverantörer testar vid vilken tvåpotens deras testramverk än stöder – men det är en påminnelse om att en kontextsiffra är ett maximum, inte en testad förmåga, och Mistral Large 4:s förmåga att återkalla information över lång kontext har inte heller publicerats för hela fönstret.

Där det europeiska argumentet faktiskt biter

Suveränitetsargumentet är inte en prydnad på den här modellen; det är anledningen till att flera köpare väljer den framför något billigare och bättre. Tränad på Blackwell-GPU:er i franska datacenter, driftsatt från Europa och flerspråkig för alla officiella EU-språk – för en köpare inom offentlig sektor eller ett reglerat europeiskt företag kan den kombinationen väga tyngre än tolv poäng i intelligensindex, eftersom alternativet kanske inte går att upphandla över huvud taget.

Mercury 3 erbjuder inget av detta. Inception har inte publicerat något om var modellen körs, vilken data den tränades på eller vilka villkor för datalagring som gäller, utöver att notera att företagskunder kan köpa dedikerad kapacitet, autoskalning, efterlevnadskontroller och konfigurerbar datalagring. Det är rätt saker att sälja till en företagskund, och de är inte detsamma som en offentliggjord hållning till databehandling.

Det finns ännu en hake i den europeiska berättelsen som är värd att flagga snarare än att lösa: löftet om öppna vikter. Om Mistral publicerar vikterna i slutet av oktober får en europeisk köpare något som ingen amerikansk labb för närvarande erbjuder i den här skalan – en multimodal modell nära forskningsfronten som kan köras inom deras egen perimeter, på deras egen hårdvara, utan någon leverantör i anropsvägen. Det är en väsentligt annorlunda produkt än ett förhands-API, och det är anledningen till att det saknade repositoriet betyder mer än de saknade benchmarkpoängen.

Båda dessa modeller har tagits bort från vår katalog, vilket förändrar rekommendationen.

Mercury 3 finns inte i OrcaRouters katalog, och det gör Mistral Large 4 inte heller — vårt modell-API returnerar ingenting för någon av dem, oavsett vilken slug-variant vi än provade. Det är tillräckligt ovanligt för att säga rakt ut, eftersom det innebär att den här jämförelsen inte kan sluta med "lägg båda på en nyckel". Den som anropar någon av modellerna går direkt till leverantören, eller till en av flera tredjepartsplattformar som hostar den.

Vad ett routningslager fortfarande gör i den situationen är den del som inte kräver att man hostar modellen: det håller de modeller vi faktiskt routar bakom en enda OpenAI-kompatibel endpoint, och det låter dig uttrycka en regel om vilken trafik som går vart. Om Mistrals vikter landar i slutet av oktober är den intressanta arkitekturen inte "använd Mistral Large 4 till allt" — det är en självhostad Mistral-väg för de dokument som inte kan lämna din perimeter, en routad frontier-modell för det arbete som kan, och en regel som avgör mellan dem. Samma regel hanterar Mercury 3 om Inception släpper den någonstans vi kan nå, och den hanterar fallet där endera leverantörens kampanjpriser tar slut, vilket för Mercury 3 inte har något annonserat datum.

Vem bör välja vilket, och vad skulle förändra svaret

Välj Mercury 3 om arbetet är text, volymen är hög och svaren är billiga att verifiera. Prislistan är sex till tolv gånger billigare än Mistral Large 4 beroende på vilka priser som gäller, kontextfönstret har samma angivna storlek, och avsaknaden av ett neutralt betyg är en risk som du kan mäta i din egen felfrekvens inom en dag. Det du ger upp är alla former av indata som inte är text, och möjligheten att granska modellens beteende innan du distribuerar den.

Välj Mistral Large 4 om indata innehåller bilder, teckningar eller skanningar; om upphandlingen kräver europeisk träning och drift; om 1,65 sekunder till första token spelar större roll än rå genomströmning; eller om löftet om öppna vikter är den egentliga anledningen till att du är intresserad, i så fall vänta på repositoriet i stället för tillkännagivandet. Det du ger upp är en faktor sex i pris och varje anspråk på att vara det snabbaste som finns.

Två datum skulle avgöra de flesta av de öppna frågorna i den här artikeln. Det första är slutet av oktober, då Mistral antingen publicerar vikterna eller inte. Det andra är när Artificial Analysis kör Mercury 3, vilket skulle ersätta varje leverantörssiffra i det första avsnittet med en uppmätt sådan. Inget av datumen har annonserats. Tills de inträffar är den försvarbara sammanfattningen att Mercury 3 är den billigare textmotorn och Mistral Large 4 är den mer kompletta produkten, och att båda säljs med påståenden som köparen för närvarande måste ta på tro.