Mercury 3 vs Reflection Beam: Den snabbaste slutna modellen möter den snabbaste öppna

Reflection Beam kom med en siffra som gick att kontrollera, och Mercury 3 kom med en siffra som inte gick att kontrollera. Beam får 335,1 output-tokens per sekund av Artificial Analysis, med en tid till första token på 0,80 sekunder och ett Intelligence Index på 30 – fjärde snabbast av 78 uppmätta modeller, tjugonde av 121 i kvalitet. Mercury 3 uppger 1 068 tokens per sekund och har ingen oberoende poäng av något slag, en dag efter att Inception släppte den 19 oktober 2026. Så det rättvisa sättet att inleda den här jämförelsen är inte ”vilken är snabbare” utan ”vad händer med gapet när den omätta sidan blir mätt”.De dokumenterade AI-felen och agentincidenterna bakom lanseringar som denna samlas i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, förtroendegrad och flagga för omtvistade uppgifter.

Anledningen till att den här kombinationen spelar roll bortom ett datablad är att båda modellerna säljer samma sak. Mercury 3 är en diffusionsbaserad språkmodell som förfinar tokenblock parallellt; Reflection Beam är en gles mixture-of-experts-modell med 501 miljarder parametrar totalt och bara 23 miljarder aktiva per token. Olika knep, samma vad: att nästa strid står om kostnaden för inferens, inte om kapacitetens övre gräns. Beam annonserades den 5 oktober 2026 och dess vikter släpptes under Apache 2.0 den 16 oktober; Mercury 3 lanserades nio dagar senare som ett slutet API. Den ena kan du ladda ner och mäta själv. Den andra kan du bara anropa och lita på.

Vad varje sida faktiskt har sagt officiellt

Beams resultat är tillräckligt detaljerat för att gå att argumentera emot. Ett Intelligence Index på 30, placerat på tjugonde plats av 121 modeller och över medianen på 19 som Artificial Analysis registrerar för jämförbara modeller med öppna vikter. En uppmätt hastighet på 335,1 utdatatokens per sekund och 0,80 sekunder till första token, båda mot en jämförbar median på nära 77 tokens per sekund och 1,70 sekunder. En publicerad taxa på 0,70 USD per miljon indatatokens och 2,10 USD per miljon utdatatokens med 84 procents cacherebatt, vilket landar på 0,57 USD i beräkningskostnad per indextask. Och en utförlighetssiffra på 79 miljoner utdatatokens för att slutföra indexet, tionde lägsta av 47 utvärderade modeller, mot en median på 140 miljoner. Den sista siffran är effektivitetsanspråket som för första gången dyker upp i någon annans testramverk, och det är den mest intressanta siffran i någon av modellernas filer.

Mercury 3:s resultat är däremot tre påståenden och ett litet experiment. Påståendena: 1 068 tokens per sekund på NVIDIA-GPU:er; mer än 40 gånger parametrarna i Mercury 1 med ungefär tre gånger så hög uppmätt intelligens; och kvalitet ”i nivå med eller bättre än hastighetsoptimerade frontier-modeller som GPT-6 Luna och Claude Haiku 5.5”. Experimentet: 50 skarpa Mind2Web-navigeringsuppgifter i Inceptions egen harness för webbagenter, 50 procent slutförda, ”betydligt fler än GPT-6.1-Sol”, vid samma tokenvolym och samma antal steg och därför en bråkdel av kostnaden. Inget av detta har oberoende reproducerats, och Artificial Analysis har ingen Mercury 3-sida alls.

Den asymmetrin är inte en kritik av Inceptions ingenjörskonst. Det är ett uttalande om vad du kan besluta i dag. För Beam kan du beräkna kostnaden per slutförd uppgift, eftersom någon mätte slutförande och ordrikedom. För Mercury 3 kan du beräkna kostnaden per token och inget annat.

Specifikationsbladet, med källhänvisningarna kopplade till varje rad

• Pris per miljon — Mercury 3 $0,20 in och $0,70 ut enligt listpris, $0,10 och $0,35 under lanseringsrabatten jämfört med Beam $0,70 in och $2,10 ut

• Cachad indata – Mercury 3 $0.02 per miljon enligt listpris jämfört med Beam, en rabatt på 84 procent på indataavgiften, eller ungefär $0.11 per miljon

• Genomströmning — Mercury 3 1 068 token per sekund, leverantörens uppgift, maskinvara ej angiven vs Beam 335,1 token per sekund, uppmätt av Artificial Analysis

• Tid till första token — Mercury 3 inte publicerad vs Beam 0,80 sekunder, uppmätt

• Intelligensindex — Mercury 3 har ingen post per den 20 oktober 2026 jämfört med Beam 30, rankad 20:e av 121

• Kostnad per indexuppgift — Mercury 3 kan inte beräknas utan en poäng jämfört med Beam $0.57

• Utdataverbositet på indexet — Mercury 3 inte publicerad vs Beam 79 miljoner tokens, 10:e snålaste av 47

• Kontextfönster — Mercury 3: 1 000 000 token med maximal utdata på 131 072 jämfört med Beam: 1 048 576 token med maximal utdata på 131 072

• Parametrar — Mercury 3 ej angivna, beskrivs endast som mer än 40 gånger Mercury 1 jämfört med Beam 501B med totalt 501B, 23B aktiva per token

• Inmatningsmodalitet – endast text i båda fallen

Resonemangsstyrning — Mercury 3 har fyra inställningar från instant till high, med low som standard, jämfört med Beam som har en obligatorisk resonemangsinsats med fem nivåer, och Reflections dokumentation anger max som standard

• Vikter — Mercury 3 stängd vs Beam Apache 2.0, i BF16, FP8 och en NVFP4-version på 273 GiB

• Egen drift — Mercury 3 endast med dedikerad kapacitet för företag, jämfört med Beam, en referensdistribution av fyra NVIDIA B300-GPU:er på NVLink, med stöd för vLLM, SGLang, Transformers och Dynamo från dag ett

En varning om prisraden. Mercury 3:s rabatt har inget publicerat slutdatum, så siffran som blir kvar i planeringen är $0.20/$0.70, inte $0.10/$0.35. Beams $0.70/$2.10 är en aktuell prislista som publicerats av utvärderaren och av Reflections egen plattform.

Skillnaden som spelar roll är 335 mot 1 068.

Om Inceptions siffra håller under en neutral testrigg är Mercury 3 ungefär tre gånger snabbare än den snabbaste uppmätta modellen med öppna vikter i fältet, och det gör den till en tredjedel av Beams indatapris och en tredjedel av dess utdatapris. Den kombinationen – snabbare och billigare – är argumentet för Mercury 3 i en enda mening, och det är en stark mening.

Problemet är att meningen helt och hållet vilar på en siffra utan angiven metodik. Inception säger inte vilken GPU, vilken batchstorlek, vilken inställning för resonemangsansträngning, eller huruvida mätningen är enkelström eller aggregerad. Alla fyra val förändrar en genomströmningssiffra med multiplar. Den rabatt som bör tillämpas är inte hypotetisk: när Mercury 2.5 lanserades var leverantörens genomströmningssiffra väsentligt högre än de 706 tokens per sekund som Artificial Analysis sedan mätte i sitt eget testramverk. Det är den normala spridningen mellan leverantör och oberoende aktör i den här kategorin, inte ond tro – men det är den spridning man bör utgå från.

Tillämpa en reduktion på tre till ett och Mercury 3 landar nära 350 tokens per sekund: i nivå med Beams uppmätta värde, till en tredjedel av priset, med ett okänt kvalitetsbetyg. Tillämpa en reduktion på två till ett och den är med god marginal den snabbaste modellen som något av labben har lanserat till det här priset. Hur som helst ändras jämförelsen från ”tre gånger snabbare” till ”någonstans mellan lika snabb som Beam och tre gånger så snabb, och billigare än Beam hur som helst”.

Det finns en andra asymmetri som gömmer sig i samma par av siffror. Beams 0,80 sekunder till första token mäts på en resonemangsmodell som som standard använder sin högsta ansträngningsinställning – vilket innebär att modellen tänker på riktigt innan den ger ifrån sig något och ändå returnerar den första token på under en sekund. Det är ett mer imponerande ingenjörsresultat än det råa genomströmningstalet, och det är den typen av sak som bara en oberoende testrigg hittar.

Tjugotre miljarder aktiva parametrar är det verkligt intressanta på Beams sida

Siffran 501B på Beams kort är mestadels inte användbar. Med 23 miljarder aktiva per token väcker modellen ungefär 4,6 procent av sig själv för varje given token, en aktiveringskvot som är aggressiv även enligt nuvarande standarder för öppna vikter. Arkitekturanteckningarna nämner sammanflätad lokal och global attention, finkorniga routade experter, SandwichNorm och FP8/FP4-serveringsbyggen, men den praktiska konsekvensen är enklare: Beam får plats på en nod med fyra GPU:er. Det är en serveringsprofil, inte en forskningskuriositet.

Det förklarar också resultatet för verbositet. En modell som gör av med 79 miljoner utdata-tokens för att slutföra ett index mot en median på 140 miljoner utför samma arbete på ungefär hälften av utdata-tokenen, och det är utdata-tokenen som kostnaden ligger i. Reflections eget argument är effektivitet vid inferenstid snarare än jämbördighet vid fronten, och företaget säger lika mycket i sitt lanseringsmaterial – det medger att man ligger efter Kimi K3 och G​LM när det gäller rå kapacitet. Den oberoende datan stöder både medgivandet och effektivitetsargumentet samtidigt.

Mercury 3:s effektivitetsargument är av ett annat slag. Det handlar inte om att göra av med färre tokens; det handlar om att producera dem snabbare, och Inceptions skalningsberättelse – 40 gånger parametrarna i dess första modell, tre gånger den uppmätta intelligensen, samma hastighet – är ett påstående om att diffusionens parallellism ger ett genomflöde som autoregressiva modeller inte kan matcha. Det är ett trovärdigt och intressant argument. Det är också helt självrapporterat, och det säger ingenting om huruvida modellen gör av med fler tokens än en jämförbar autoregressiv modell för att nå samma svar. Ingen har publicerat någon siffra för Mercury 3:s verbositet, eftersom det inte finns någon utvärdering av Mercury 3 att hämta den från.

Kostnad per slutfört jobb, genomräknad

Ta en agentisk kodningsuppgift: en repository-kontext på 200 000 token, en patch och förklaring på 4 000 token som utdata, och 5 000 körningar per dag i ett team.

• Mercury 3 till listpris — 1 000 miljoner indatatoken till $0,20 är $200; 20 miljoner utdata till $0,70 är $14. Ungefär $214 per dag.

• Mercury 3 till lanseringspriset – cirka $107 per dag.

• Beam enligt dess publicerade pris — 1 000 miljoner input till $0,70 är $700; 20 miljoner output till $2,10 är $42. Ungefär $742 per dag, före cacherabatten på 84 procent, vilket spelar enorm roll här eftersom repository-kontext är precis den typ av inledning som cachas. Med en realistisk cacheträffsfrekvens för kontexten krymper inputraden mot $112 och dygnstotalen landar nära $154.

Den aritmetiken är anledningen till att båda dessa modeller finns. I en väl cachad agentisk arbetsbelastning ligger de två inom 40 procent av varandra – Beam något billigare i ett bra cachescenario, Mercury 3 billigare i ett dåligt – och båda är en bråkdel av vad en frontiermodell skulle ta för samma trafik. Kostnadsargumentet skiljer dem inte åt. Det som skiljer dem åt är att Beams siffra är reproducerbar medan Mercury 3:s är ett listpris mot en okänd slutförandegrad.

Licensfrågan, som inte är nära

Beams vikter är nedladdningsbara under Apache 2.0 i tre precisioner, plus en 1,93B utkastmodell för spekulativ avkodning, och Reflection uppger att det inte begränsar destillering, finjustering, kvantisering eller sammanslagning. Det finns ett konformitetsverktyg — beam-verifier — som kör en testsvit mot vilken aktiv Beam-slutpunkt som helst och sedan utvärderar den mot de viktigaste benchmarkarna, vilket innebär att en köpare kan kontrollera en leverantörs siffror i stället för att lita på dem. Självhosting eliminerar helt frågan om kostnad per token och omvandlar den till en fråga om GPU-timmar.

Mercury 3 erbjuder inget av det. Det är stängt, det är enbart API, och dess företagsnivå lägger till dedikerad kapacitet och konfigurerbar datalagring i stället för vikter. För en arbetsbelastning där modellen är en komponent i en produkt du säljer är det ett beroende snarare än en leveranskedja.

Det finns också signalen från leverantörens historik. Inceptions egen migreringsnotis säger att Mercury 2 och Mercury 2.5 är stängda för nya användare, och att befintliga kunder förlorar åtkomst den 15 november 2026 – mindre än en månad efter att Mercury 3 släpptes. Ett företag som pensionerar två generationer så snabbt talar om hur det förväntar sig att dess modeller ska konsumeras: som kortlivade uthyrda tjänster. Reflection har än så länge gjort det motsatta och lämnat över artefakten.

Var en router passar in, med tanke på att ingen av modellerna finns i vår katalog

Varken Mercury 3 eller Reflection Beam tillhandahålls av OrcaRouter. En kontroll mot vårt modell-API ger inget för någon av dem, och vi kommer inte att beskriva en rutt som vi inte har. Det vi däremot erbjuder är lagret runt dem: mer än 200 modeller bakom en enda OpenAI-kompatibel slutpunkt, till leverantörens listpris utan påslag, med automatisk failover och ett routnings-DSL för att kombinera modeller till ett enda anrop.

För just detta par utför det lagret två uppgifter. Den första är jämförelse. Om du vill veta om en modell med öppna vikter på 300 tokens per sekund är tillräckligt snabb för din produkt innan du satsar på något av detta, är det ärliga testet att köra arbetsbelastningen mot modeller som du redan kan anropa – Kimi K3 för $3.00/$15.00 med 1,048,576 tokens kontext, GLM 5.2 för $1.40/$4.40, Qwen 3.8-Max för $2.00/$6.00 – och mäta vad dina användare faktiskt märker. Den andra är reservlösning. En självhostad Beam-distribution och en leverantörshostad Mercury 3 är två olika felmoder; att placera produktionsvägen bakom en router med felöverväxling innebär att en försämring av en slutpunkt blir en loggad händelse i stället för ett avbrott. Eftersom leverantörernas listpriser förs vidare oförändrade, når en prissänkning från Reflection eller en rabatt från Inception din faktura samma dag som den tillkännages.

Beslutet, genom begränsning snarare än genom poäng

• Om du behöver att modellen ska vara en tillgång — granskningsbar, finjusterbar, körbar på din egen hårdvara och överleva leverantören — är Beam det enda alternativet här. Apache 2.0, en 273 GiB-build som får plats på en nod och en verifierare för att kontrollera vilken leverantör som helst mot Reflections siffror. Det är ett komplett svar på en fråga som Mercury 3 inte alls kan svara på.

• Om du behöver lägsta möjliga latens på ett slutet API och en människa väntar, är Mercury 3 det mer intressanta valet, och dess pris gör utvärderingen billig. Lås effort-inställningen uttryckligen när du testar det, eftersom standardvärdet är lågt och Inceptions påståenden inte säger vilken inställning som gav dem.

• Om du behöver känna till kvaliteten innan du fattar beslut har Beam en siffra och Mercury 3 har inte. En 30 på ett index över 121 modeller är mediokert – det är inte en frontier-poäng och Reflection hävdar inte att det är det – men det är en lägsta nivå som du kan designa mot.

• Om din arbetsbelastning är agentisk och långvarig är Beams obligatoriska resonemang med standardinställningen maximal ansträngning dyrt per anrop, medan Mercury 3:s standardinställning för låg ansträngning är billig per anrop. Vilken som är billigare per slutfört jobb beror på en slutförandegrad som ingen har mätt för Mercury 3.

Det enskilt mest användbara som skulle kunna hända med den här jämförelsen är en oberoende mätning av Mercury 3. Om den landar nära 1 068 med ett konkurrenskraftigt kvalitetsbetyg har Inception lanserat den snabbaste billiga modellen på området, och Beams effektivitetsberättelse blir en berättelse om öppenhet snarare än om rå hastighet. Om den landar nära Beams 335 med ett resultat i mitten av tabellen, då är den snabbaste modellen med öppna vikter och den snabbaste slutna modellen lika snabba, och de avgörande frågorna blir pris, licens och huruvida man vill äga artefakten – tre frågor som Beam för närvarande har bättre svar på.