Mercury 3 กับ Grok 4.6: ตัวหนึ่งถูกแทนที่แล้ว อีกตัวยังไม่ถูกวัด และทั้งคู่ขายด้วยจุดขายเรื่องความเร็ว

ข้อเท็จจริงที่เป็นประโยชน์ข้อแรกเกี่ยวกับการเปรียบเทียบ Mercury 3 กับ Grok 4.6 คือ Grok 4.6 ไม่ใช่ Grok รุ่นปัจจุบัน SpaceXAI เปิดตัวมันเมื่อวันที่ 12 สิงหาคม 2026 ในราคา $2.00 ต่อโทเคนอินพุตหนึ่งล้านโทเคน และ $6.00 ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน และนับจากนั้นได้เปิดตัว Grok 4.7; ปัจจุบัน Artificial Analysis ทำเครื่องหมายว่า 4.6 ล้าสมัยและชี้ให้ผู้อ่านไปยังรุ่นที่ใหม่กว่า ในทางตรงกันข้าม Mercury 3 เพิ่งเปิดตัวได้เพียงสองวัน: Inception Labs เปิดตัวเมื่อวันที่ 19 ตุลาคม 2026 ในราคา $0.20 และ $0.70 ต่อหนึ่งล้านโทเคน โดยลดครึ่งหนึ่งในช่วงเปิดตัวซึ่งไม่มีการประกาศวันสิ้นสุด และยังไม่มีบุคคลที่เป็นกลางรายใดวัดผลมันเลย ดังนั้น การวางกรอบการเปรียบเทียบคู่นี้อย่างตรงไปตรงมาไม่ใช่คำถามว่า "ควรใช้ตัวไหนในสองตัวนี้" แต่คือว่าทั้งสองถูกขายโดยเน้นตัวเลขความเร็วเป็นหลัก ตัวเลขความเร็วทั้งสองเป็นตัวเลขคนละชนิดกัน และหนึ่งในสองผลิตภัณฑ์กำลังจะถูกถอดออกจากแคตตาล็อก ขณะที่อีกผลิตภัณฑ์ยังไม่ถูกทดสอบโดยใครก็ตามที่ไม่ได้ทำงานให้บริษัทผู้สร้างมันความล้มเหลวของ AI และเหตุการณ์เกี่ยวกับเอเจนต์ที่มีการบันทึกไว้ซึ่งอยู่เบื้องหลังการเปิดตัวเช่นนี้ ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง ระดับความเชื่อมั่น และสถานะข้อโต้แย้งของตนเอง

นั่นทำให้สิ่งนี้เป็นการเปรียบเทียบในเรื่องการวัด ซึ่งบังเอิญเป็นสิ่งที่มีประโยชน์ที่สุดที่ควรรู้ก่อนคุณจะกำหนดราคาของทั้งสองตัว Mercury 3 เป็นโมเดลภาษาชนิด diffusion — โดยมันจะลดสัญญาณรบกวนของบล็อกตำแหน่งแล้วยืนยันตำแหน่งเหล่านั้นพร้อมกัน แทนที่จะปล่อยทีละโทเคนต่อรอบ — และ Inception รายงานว่าได้ 1,068 โทเคนต่อวินาทีบนฮาร์ดแวร์ NVIDIA มากกว่าจำนวนพารามิเตอร์ทั้งหมดของ Mercury 1 ถึง 40 เท่า หน้าต่างบริบทขยายจาก 260,000 เป็น 1,000,000 โทเคน และเพดานเอาต์พุต 131,072 โทเคน Grok 4.6 เป็นโมเดล frontier แบบดั้งเดิมที่สร้างขึ้นสำหรับการทำงานแบบ agentic ที่ยาวนาน พร้อมบริบท 500,000 โทเคน รองรับอินพุตข้อความ รูปภาพ และไฟล์ และส่วนลดแคช 75% ที่ $0.50 ต่อการอ่านหนึ่งล้านครั้ง

ตัวเลขความเร็วทั้งสองตัววัดอะไรกันแน่

ค่า 1,068 โทเคนต่อวินาทีของ Inception เป็นตัวเลขปริมาณงานส่งออก (output throughput) ซึ่งคือความเร็วที่โทเคนออกจากโมเดลเมื่อโมเดลเริ่มสร้างโทเคนเหล่านั้นแล้ว Artificial Analysis วัดปริมาณเดียวกันนี้สำหรับ Grok 4.6 และได้ 65.4 โทเคนต่อวินาที เมื่ออ่านสองตัวเลขนี้เทียบกัน Mercury 3 ดูเร็วกว่าถึงสิบหกเท่า นั่นคือความแตกต่างที่มีอยู่จริง และยังไม่ใช่ความแตกต่างทั้งหมด เพราะปริมาณงานส่งออกเป็นเพียงหนึ่งในสามตัวเลขที่งบประมาณความหน่วง (latency budget) ประกอบขึ้นมา

ข้อที่สองคือเวลาถึงโทเคนแรก และตรงนี้ภาพกลับดูไม่ค่อยเป็นผลดีต่อกรอบการเล่าเรื่องเท่าไรนักและน่าสนใจมากขึ้น Artificial Analysis บันทึกค่ามัธยฐานเวลาถึงโทเคนแรกของ Grok 4.6 ไว้ที่ 37.19 วินาทีบนเวิร์กโหลดที่ทดสอบ เทียบกับค่ามัธยฐาน 3.75 วินาทีของโมเดลต่าง ๆ บนบอร์ดของตน ข้อมูลเทเลเมทรี playground เจ็ดวันของเราเองระบุว่า p50 ของ Grok 4.6 อยู่ที่ 8.00 วินาทีในช่วงหนึ่งวันที่它有ตัวอย่างข้อมูล ไม่มีตัวเลขใดในสองตัวนี้ที่เป็นปัญหาหรือข้อได้เปรียบของ Mercury 3 — Inception ไม่ได้เผยแพร่ตัวเลขเวลาถึงโทเคนแรกเลยแม้แต่ตัวเดียว และตัวเลขความหน่วงจากบุคคลที่สามชุดเดียวในประกาศของบริษัทคือคำรับรองจากลูกค้า: Octen รายงานค่ามัธยฐานเวลาสร้างที่ 0.9 วินาที และค่ามัธยฐานการตอบสนองแบบ end-to-end ที่ 2.2 วินาที RevisionDojo รายงานว่าคำตอบส่งกลับมา "ในเวลาประมาณหนึ่งวินาที" และ Lorikeet กล่าวว่า Mercury 3 เอาชนะโมเดลอื่นด้านความหน่วง พร้อมกับได้คะแนนสูงกว่าในการประเมินของตน สิ่งเหล่านี้เป็นสัญญาณที่มีประโยชน์ และเป็นการอ้างคำพูดทางการตลาด บนเวิร์กโหลดที่ไม่มีใครนอกสามบริษัทนั้นสามารถตรวจสอบได้

ตัวเลขตัวที่สามคือตัวที่ตัดสินว่าโมเดลที่เร็วใช้งานได้จริงหรือไม่ และนั่นคืออัตราข้อผิดพลาด บนโครงสร้างพื้นฐานของเราเองในช่วงเจ็ดวันที่ผ่านมา เส้นทางการให้บริการของ GPT-5.6 Sol บันทึกอัตราข้อผิดพลาดที่ 0.05% Grok 4.6 ในวันเดียวที่มีข้อมูลเทเลเมตรี — 17 ตุลาคม 2026 — บันทึกไว้ที่ 86.7% นั่นคือตัวอย่างเพียงหนึ่งวันบนโมเดลที่ใช้งานจริงมาตั้งแต่เดือนสิงหาคม ดังนั้นจึงเป็นคำเตือนเกี่ยวกับเส้นทางการให้บริการมากกว่าคำตัดสินเกี่ยวกับตัวโมเดล และมันเป็นตัวเลขแบบที่ไม่มีวันปรากฏบนหน้าของผู้จำหน่ายเลย สำหรับ Mercury 3 ไม่มีอัตราข้อผิดพลาดเลย เพราะไม่มีเส้นทางให้วัด

เอกสารข้อมูลจำเพาะ พร้อมแหล่งที่มาที่แนบไว้ในแต่ละบรรทัด

• ราคา — Mercury 3: $0.20 / $0.70 ต่อล้าน, $0.10 / $0.35 ตอนเปิดตัว, ไม่ได้ประกาศวันสิ้นสุด, อินพุตที่แคชไว้ลด 90% Grok 4.6: $2.00 / $6.00 ต่อล้านสูงสุด 200,000 โทเค็น, $4.00 / $12.00 สำหรับคำขอทั้งหมดที่เกินกว่านั้น, การอ่านจากแคช $0.50

บริบทและเอาต์พุต — Mercury 3: อินพุต 1,000,000, เอาต์พุต 131,072 Grok 4.6: อินพุต 500,000 โดยไม่มีเพดานเอาต์พุตที่เผยแพร่บนหน้าโมเดลของเราสำหรับโมเดลนี้

• รูปแบบข้อมูล — Mercury 3: ข้อความเท่านั้น Grok 4.6: รับข้อความ รูปภาพ และไฟล์เข้า ส่งออกเป็นข้อความ

• ปริมาณงาน — Mercury 3: 1,068 โทเค็นต่อวินาที วัดโดย Inception Grok 4.6: 65.4 โทเค็นต่อวินาทีตาม Artificial Analysis; 256 โทเค็นต่อวินาทีในเพลย์กราวด์ของเราเองในวันที่它有ตัวอย่าง

• คะแนนอิสระ — Mercury 3: ไม่มี ไม่มีหน้า Artificial Analysis อยู่ Grok 4.6: 44 บน Artificial Analysis Intelligence Index อยู่ในอันดับที่ 37 จาก 217 โมเดล และ 76.8 บนดัชนีการเขียนโค้ด อยู่ในอันดับที่ 5 จาก 138

• สถานะ — Mercury 3: เปิดตัวได้สองวัน ยังไม่ได้วัดผล Grok 4.6: ถูกเลิกใช้บนบอร์ดของ Artificial Analysis แล้ว แทนที่ด้วย Grok 4.7

การเปรียบเทียบด้านบริบทคือส่วนที่พลิกลำดับตามปกติ Mercury 3 มีหน้าต่างขนาดเป็นสองเท่าของ Grok 4.6 — หนึ่งล้านโทเคนเทียบกับครึ่งล้านโทเคน — และทำได้ในราคาอินพุตเพียงหนึ่งในสิบ บนกระดาษ นี่ไม่ใช่การแข่งขันที่สูสีสำหรับงานเอกสารยาว ในทางปฏิบัติ หน้าต่างขนาด 500,000 โทเคนนั้นใหญ่กว่าเอกสารเดี่ยวเกือบทุกฉบับที่ใคร ๆ ประมวลผลอยู่แล้ว และคำถามที่น่าสนใจเกี่ยวกับหน้าต่างหนึ่งล้านโทเคนบนโมเดลที่ยังไม่ได้วัดผล ไม่ใช่ว่ามันมีอยู่จริงหรือไม่ แต่คือคุณภาพยังคงอยู่ตลอดทั้งหน้าต่างหรือไม่ Artificial Analysis วัดความสามารถในการเรียกคืนข้อมูลบริบทยาวอย่างชัดเจน และ Grok 4.6 ได้ 80.3 ในส่วนนั้น Mercury 3 ไม่มีตัวเลขที่เทียบเท่า ซึ่งหมายความว่าหน้าต่างหนึ่งล้านโทเคนที่มีเส้นกราฟการเรียกคืนข้อมูลที่ไม่ทราบนั้นเป็นการอ้างถึงความจุ มากกว่าการอ้างถึงความสามารถ

สิ่งที่ราคาของ Grok 4.6 จ่ายไปนั้นได้อะไรมาจริง ๆ

Grok 4.6 มีต้นทุนสูงกว่า Mercury 3 สิบเท่าสำหรับอินพุต และประมาณเก้าเท่าสำหรับเอาต์พุตที่ราคาลิสต์ และคำตอบที่ตรงไปตรงมาว่าสิ่งนั้นแลกมาด้วยอะไรคือ ตำแหน่งที่วัดได้บนฮาร์เนสที่เป็นกลาง อินพุตแบบมัลติโมดัล และต้นทุนต่อคำตอบที่เผยแพร่ อย่างหลังมีประโยชน์ที่สุด Artificial Analysis ระบุว่า Grok 4.6 อยู่ที่ $1.48 ต่องาน Intelligence Index ซึ่งเป็นตัวเลขที่รวมจำนวนโทเคนที่โมเดลต้องใช้เพื่อทำชุดทดสอบให้เสร็จไว้แล้ว และเป็นตัวเลขต่อคำตอบเพียงตัวเดียวในการเปรียบเทียบทั้งหมดนี้ที่มีอยู่สำหรับทั้งสองโมเดล

ในทางกลับกัน อัตราค่าเอาต์พุต $0.70 ของ Mercury 3 เป็นตัวเลขต่อโทเคนที่ไม่มีตัวเลขเทียบเคียงต่อคำตอบ หากงานหนึ่งของ Mercury 3 ใช้ปริมาณเอาต์พุตเท่ากับงานหนึ่งของ Grok 4.6 ก็จะมีต้นทุนประมาณหนึ่งในสิบเท่านั้น หากใช้ปริมาณถึงสามเท่า — ซึ่งเป็นไปได้สำหรับโมเดลที่ใช้ความพยายามในการให้เหตุผลระดับต่ำเป็นค่าเริ่มต้นกับงานที่ Grok ทำด้วยความพยายามสูงกว่า — ก็จะมีต้นทุนประมาณหนึ่งในสาม และเหตุผลเชิงกลยุทธ์ก็อ่อนลงจาก "ถูกกว่าหนึ่งหลัก" ไปเป็น "ส่วนลดที่มีนัยสำคัญบนโมเดลที่ยังไม่ได้รับการพิสูจน์" ยังไม่มีใครบอกได้ว่าข้อใดเป็นความจริงในตอนนี้ นี่ไม่ใช่การเลี่ยงคำตอบเชิงวาทศิลป์ แต่เป็นการวัดเฉพาะเจาะจงที่ยังขาดอยู่

ตัวเลขของ Grok 4.6 เอง แม้จะต้องตีความอย่างระมัดระวัง ก็แข็งแกร่งในจุดที่การทำงานแบบเอเจนต์ระยะยาวต้องการ: 94.9 บน GPQA Diamond, 42.9 บน Humanity's Last Exam, 80.3 ในการเรียกคืนบริบทยาว และดัชนีการเขียนโค้ดที่ 76.8 ซึ่งจัดให้อยู่อันดับที่ห้าจาก 138 โมเดล ผลการรันเหล่านี้เป็นของ Artificial Analysis ไม่ใช่ของ SpaceXAI ซึ่งเป็นเหตุผลที่ทำให้เปรียบเทียบกับ Mercury 3 ได้เลย — และ Mercury 3 ซึ่งไม่มีผลการรันเช่นนั้น จึงไม่อาจเปรียบเทียบได้

ปัญหาของโมเดลที่ถูกแทนที่ ซึ่งเป็นการตัดสินใจที่แท้จริง

การเลือก Grok 4.6 ในวันนี้ เท่ากับคุณเลือกโมเดลที่ผู้ให้บริการเองได้แทนที่มันไปแล้ว Grok 4.7 อยู่ในแคตตาล็อกของเราแล้ว และหน้าเพจของ Grok 4.6 บน Artificial Analysis ก็ระบุอย่างชัดเจนให้ผู้อ่านไปที่โมเดลนั้นแทน สำหรับงานที่คุณกำลังจะพัฒนาต่อยอด การเริ่มต้นบนโมเดลที่ถูกเลิกใช้งานแล้วเท่ากับคุณตัดสินใจว่าจะต้องย้ายระบบในภายหลัง คำถามเดียวคือจะย้ายเมื่อไหร่ และคำตอบมักคือ "ตอนที่ระบบเกิดเหตุขัดข้อง"

นั่นไม่ได้ทำให้ Mercury 3 เป็นตัวเลือกที่ปลอดภัย โมเดลอายุสองวันที่ยังไม่ได้ประเมินผล กับโมเดลที่เลิกใช้แล้วอายุเก้าสัปดาห์เป็นความเสี่ยงคนละแบบ และทั้งคู่ก็ไม่ใช่ตัวเลือกความเสี่ยงต่ำในการจับคู่นี้ สิ่งที่การเปรียบเทียบนี้ยืนยันได้จริงนั้นแคบกว่าและมีประโยชน์กว่า: ถ้าคุณต้องการโมเดลที่ผ่านการประเมินผล พร้อมต้นทุนต่อคำตอบที่มีเอกสารระบุไว้ และรองรับอินพุตแบบหลายรูปแบบ Grok 4.7 คือเวอร์ชันปัจจุบันของสิ่งนั้น และ 4.6 คือรุ่นก่อนหน้าในราคาเดียวกัน ถ้าคุณต้องการโทเค็นแบบข้อความล้วนที่ถูกที่สุดที่มีให้ใช้ที่ไหนก็ได้ พร้อมหน้าต่างหนึ่งล้านโทเค็น Mercury 3 คือตัวเลือกนั้น โดยมีข้อแม้ว่าตัวเลขที่ถูกที่สุดบนการ์ดของมันคือโปรโมชันที่ไม่มีวันสิ้นสุด

Grok 4.7 อยู่ในแคตตาล็อกของ OrcaRouter ในอัตราของ SpaceXAI เอง อยู่เบื้องหลังเอนด์พอยต์ที่เข้ากันได้กับ OpenAI แบบเดียวกับทุกสิ่งอื่นที่เราให้บริการ โดยไม่มีการบวกกำไรเพิ่มเข้าไป และมีการ failover อัตโนมัติข้ามผู้ให้บริการเมื่อเส้นทางใดเส้นทางหนึ่งติด rate limit — ซึ่งเมื่อพิจารณาจากอัตราข้อผิดพลาดที่ telemetry ของเราบันทึกไว้บนเส้นทางให้บริการของ 4.6 เมื่อวันที่ 17 ตุลาคม นี่ไม่ใช่ประโยชน์ในทางทฤษฎีเท่านั้น Mercury 3 ไม่ได้อยู่ในแคตตาล็อก: API โมเดลของเราคืนค่าเปล่าสำหรับโมเดลใด ๆ ของ Inception ดังนั้นใครก็ตามที่เรียกใช้งานจะถูกส่งไปยังแพลตฟอร์มของ Inception ซึ่งบัญชีใหม่จะได้รับโทเค็นฟรี 100 ล้านโทเค็น หรือไปยังแพลตฟอร์มของบุคคลที่สามหลายแห่งที่ให้บริการโมเดลดังกล่าว

รูปแบบการกำหนดเส้นทางที่เหมาะกับคู่นี้ไม่ใช่การแบ่งตามราคา แต่เป็นการแบ่งตามสิ่งที่คุณยอมให้ล้มเหลวได้ จงย้ายทราฟฟิกของโมเดลที่เลิกใช้แล้วไปยังโมเดลปัจจุบัน วางงานแบบข้อความล้วนเพียงสัดส่วนที่จำกัดไว้บน Mercury 3 เก็บโมเดลที่ผ่านการวัดผลไว้เป็นตัวสำรอง และให้ระบบ failover จัดการกับกรณีที่เส้นทางใหม่มีวันที่แย่สัดส่วนดังกล่าวคือค่าคอนฟิก; ตัวสำรองคือกฎการกำหนดเส้นทาง; การตัดสินใจว่าจะขยายหรือลดสัดส่วนนั้น อาศัยอัตราข้อผิดพลาดของคุณเองภายในหนึ่งสัปดาห์

ทำอะไรดีวันจันทร์

หากงานเป็นข้อความยาว ปริมาณมาก และคำตอบตรวจสอบได้ เรตการ์ดของ Mercury 3 ก็คุ้มค่าที่จะลองแบบจำกัดขอบเขตในสัปดาห์นี้ — โทเคนฟรี 100 ล้านบนแพลตฟอร์มของ Inception ครอบคลุมการทดสอบนี้ได้ และหน้าต่าง 1 ล้านโทเคนหมายความว่าคุณส่งเอกสารทั้งฉบับได้ แทนที่จะเดาแบบแบ่งเป็นส่วน ๆ ให้จับตาสองเรื่อง: จำนวนโทเคนเอาต์พุตต่องานจะพุ่งเกิน baseline ของ Sol หรือ Grok ที่คุณมีหรือไม่ และคุณภาพจะลดลงช่วงท้ายของบริบท{long}หรือไม่ ทั้งสองอย่างวัดได้ภายในหนึ่งวัน และไม่ต้องใช้ benchmark ของใครเลย

ถ้างานเกี่ยวข้องกับภาพ ทำงานหลายชั่วโมงโดยมีเครื่องมืออยู่ในลูป หรือต้องถูกต้องตั้งแต่ครั้งแรก คำตอบในคู่นี้ไม่ใช่ Grok 4.6 แต่คือ Grok 4.7 หรือหนึ่งในโมเดลแนวหน้าที่ผ่านการวัดผลแล้ว และเหตุผลที่ตรงไปตรงมาคือ 4.6 ถูกเลิกใช้แล้ว และ Mercury 3 ยังไม่ผ่านการวัดผล — เป็นการเลือกระหว่างสองโมเดลที่คุณคงไม่เอาวางตรงหน้าลูกค้าโดยไม่มีตัวสำรองคอยรองรับอยู่ข้างหลัง

ตัวเลขที่จะเปลี่ยนทั้งหมดนี้คือต้นทุนที่เป็นกลางต่องานที่ทำเสร็จหนึ่งงานของ Mercury 3 ตัวเลขเพียงตัวเดียว บนฮาร์เนสที่สร้าง $1.48 ของ Grok จะเปลี่ยนความไม่แน่นอนหลักของบทความนี้ให้เป็นอัตราส่วน จนกว่ามันจะมีอยู่ จุดยืนที่ป้องกันได้คือแบบที่น่าเบื่อ: โทเค็นราคาถูกนั้นมีจริง ข้ออ้างเรื่องความเร็วนั้นสมเหตุสมผลและมาจากแหล่งเดียว และสิ่งเดียวที่คุณตรวจสอบได้ด้วยตัวเองคืออัตราความผิดพลาดของคุณเองบนทราฟฟิกของคุณเอง