Mercury 3 กับ Grok 4.7: สองนาฬิกา ไม่ใช่สองโมเดล

ลองถามว่า Mercury 3 กับ Grok 4.7 มีอะไรที่เหมือนกัน คำตอบคือนาฬิกา ทั้งคู่ถูกขายโดยชูเรื่องระยะเวลาที่งานหนึ่งใช้ และทั้งคู่ให้ความหมายกับมันในทางตรงกันข้าม Mercury 3 ซึ่งเปิดตัวโดย Inception เมื่อวันที่ 19 ตุลาคม 2026 ถูกสร้างมาให้ตอบภายในไม่ถึงหนึ่งวินาที: โมเดล diffusion ที่สร้าง 1,068 โทเคนต่อวินาทีบน NVIDIA GPUs, หน้าต่าง 1M โทเคน และการตั้งค่าการให้เหตุผลสี่ระดับ ซึ่งขั้นที่เร็วที่สุดเรียกว่า "instant" Grok 4.7 ซึ่งเปิดตัวโดย SpaceXAI เมื่อวันที่ 21 กันยายน 2026 ถูกสร้างมาให้ทำงานต่อไปได้: หน้าต่าง 500,000 โทเคน, บันไดการให้เหตุผลที่ไปได้สูงสุดถึง xhigh และการวัดผลอิสระที่แสดงว่าโมเดลใช้โทเคนเอาต์พุตประมาณ 240 ล้านโทเคนเพื่อทำ Artificial Analysis Intelligence Index ให้เสร็จสิ้น ด้วยต้นทุน $3.74 ต่องาน โมเดลหนึ่งมองว่า latency คือตัวผลิตภัณฑ์ อีกโมเดลมองว่าระยะเวลาคือตัวผลิตภัณฑ์ การเปรียบเทียบทั้งสองบนเส้นคะแนนเดียวจึงพลาดคำถามเดียวที่สำคัญ — ว่าเวิร์กโหลดของคุณกำลังอยู่บนนาฬิกาเรือนไหนกันแน่ ปลายทั้งสองข้างของนโยบายแบบแยกส่วนสามารถอยู่เบื้องหลังคีย์เดียวได้ โดยมี การ failover อัตโนมัติ คอยรับช่วงเลนที่ช้า ความล้มเหลวของ AI และเหตุการณ์เกี่ยวกับเอเจนต์ที่มีเอกสารบันทึกไว้ซึ่งอยู่เบื้องหลังการเปิดตัวแบบนี้ ถูกรวบรวมไว้ใน OrcaRouter AI Incident Archive ซึ่งแต่ละรายการมีแหล่งที่มาของตัวเอง ระดับความรุนแรง เกรดความเชื่อมั่น และธงข้อโต้แย้ง

นาฬิกาทั้งสองเรือน ราคา

เริ่มจากสิ่งที่การ์ดอัตราค่าบริการระบุไว้ เพราะความแตกต่างนั้นมากพอที่จะเปลี่ยนสิ่งที่คุณสร้างได้:

• อินพุต — Mercury 3 $0.20 ต่อ 1M ในราคาตามรายการ ($0.10 ตอนเปิดตัว) เทียบกับ Grok 4.7 $2.00 ต่อ 1M

• เอาต์พุต — Mercury 3 $0.70 ต่อ 1M ในราคาปกติ ($0.35 ตอนเปิดตัว) เทียบกับ Grok 4.7 $6.00 ต่อ 1M

• อินพุตที่แคชไว้ — Mercury 3 $0.02 ต่อ 1M ($0.01 ตอนเปิดตัว) เทียบกับ Grok 4.7 $0.50 ต่อ 1M

• บริบท — 1,000,000 โทเค็น เทียบกับ 500,000

• เอาต์พุตสูงสุดในการตอบกลับครั้งเดียว — 131,072 โทเค็น เมื่อเทียบกับผู้ให้บริการที่ไม่มีเพดานที่เผยแพร่; การ์ดของเราเองสำหรับ grok-4.7 ระบุ 450,000

• รูปแบบการป้อนข้อมูล — ข้อความเท่านั้น เทียบกับข้อความและรูปภาพ

• การตั้งค่าการให้เหตุผล — ทันที, ต่ำ, ปานกลาง, สูง เทียบกับ ต่ำ, ปานกลาง, สูง, xhigh

• อัตราการประมวลผล — 1,068 โทเคนต่อวินาที โดยผู้ขายเป็นผู้รายงาน เทียบกับผู้ขายไม่เปิดเผยข้อมูล

• การปรับราคาคำขอแบบยาว — ไม่มีการเผยแพร่ เทียบกับอัตราทุกอัตราที่เพิ่มเป็นสองเท่าเมื่อเกิน 200,000 โทเค็นอินพุต โดยนำไปใช้กับคำขอทั้งรายการ

• น้ำหนัก — ปิดทั้งสองด้าน

หากดูเฉพาะบรรทัดราคาเอาต์พุต Mercury 3 ดูราวกับเศษจากการปัดเศษเมื่อเทียบกับ Grok 4.7: $0.70 เทียบกับ $6.00 หรือ $0.35 ในช่วงเปิดตัว หากดูบรรทัดราคาแคช ช่องว่างกลับกว้างขึ้นแทนที่จะแคบลง เพราะ $0.02 เทียบกับ $0.50 คือ 25 เท่า ไม่ว่าจะมีส่วนลดอย่างไรก็ตาม การรวมกันนั้น — เอาต์พุตราคาถูกและการอ่านแคชที่แทบไม่มีค่าใช้จ่าย — คือสิ่งที่ทำให้ลูปความถี่สูงจ่ายได้ และนั่นคือเป้าหมายการออกแบบที่โมเดลนี้ถูกสร้างมาอย่างชัดเจน

แต่ราคาต่อหน่วยเป็นเพียงครึ่งหนึ่งของต้นทุนเท่านั้น สมมติฐานการออกแบบของ Grok 4.7 เองคือปัญหาที่ยากสมควรได้รับการคิดวิเคราะห์แบบยาว และกระดานจัดอันดับอิสระแสดงให้เห็นว่าสิ่งนั้นมีต้นทุนเท่าใดเมื่อปัญหายากพอ: 3.74 ดอลลาร์ต่องานดัชนีที่เสร็จสมบูรณ์หนึ่งงาน เทียบกับ 0.72 ดอลลาร์สำหรับ GPT-6.1 Sol และบนกระดานเดียวกันนั้น ไม่มีรายการ Mercury 3 อยู่เลย Grok 4.7 ใช้โทเค็นเพื่อคิด Mercury 3 ใช้แทบไม่มีอะไรต่อโทเค็นและสัญญาว่าจะคิดอย่างรวดเร็ว สิ่งเหล่านี้ไม่ใช่ข้อกล่าวอ้างที่แข่งขันกัน แต่เป็นงบประมาณที่แข่งขันกัน

สิ่งที่รอบการให้เหตุผลที่ยาวนานให้ผลจริง ๆ

Grok 4.7 ไม่ใช่โมเดลเร็วที่ช้าลง แต่เป็นการเดิมพันโดยเจตนาว่างานที่ใช้เวลาหลายชั่วโมง—ลูปการเขียนโค้ดแบบเอเจนต์ การวิเคราะห์ที่เน้นเอกสารจำนวนมาก และผลงานระดับมืออาชีพ—จะให้ผลตอบแทนกับโมเดลที่ทำต่อไปได้ และผลลัพธ์อิสระแสดงให้เห็นว่าการเดิมพันนี้ให้ผลคุ้มค่าในบางจุดเฉพาะ มากกว่าจะได้ผลทั่วทั้งกระดาน

• GDPval-AA งานความรู้ที่มีคุณค่าทางเศรษฐกิจ — Grok 4.7 มี Elo 1711.07 ซึ่งสูงเป็นอันดับสองในบรรดาโมเดลที่นำมาเปรียบเทียบกันที่นี่ และสูงกว่า 1593.85 ของ GPT-6.1 Sol

• SciCode — 0.5741 ซึ่งนำหน้าทั้ง GPT-6.1 Sol (0.5417) และ Qwen3.8 Max (0.5208)

• HLE — 0.4314

• AA-LCR การให้เหตุผลด้วยบริบทแบบยาว — 0.7667

• Terminal-Bench 4.0 — 0.2576 ซึ่งเป็นตัวเลขที่ต่ำที่สุดในคอลัมน์ของตัวเอง

• AutomationBench — 0.6556 ซึ่งเป็นโมเดลที่แข็งแกร่งที่สุดในบรรดาโมเดลทั้งสี่รุ่นในซีรีส์นี้

• Intelligence Index — 46.4 ที่ xhigh ตามข้อมูลของ Artificial Analysis

• ต้นทุนต่องานการจัดทำดัชนี — $3.74

โปรไฟล์แบบนั้น — เก่งงานความรู้และระบบอัตโนมัติ แต่อ่อนการเขียนโค้ดสไตล์เทอร์มินอล — ไม่ใช่โปรไฟล์ของโมเดลเรือธงอเนกประสงค์ และการรู้สิ่งนี้มีประโยชน์กว่าการรู้แค่อันดับ ทีมที่รันเซสชันการเขียนโค้ดอัตโนมัติยาว ๆ แล้วเลือก Grok 4.7 สำหรับงานเหล่านั้น กำลังเลือกมันสวนทางกับผลการวัดของตัวเอง

Mercury 3 ไม่มี{{1}}คอลัมน์{{/1}}ที่เทียบเคียงได้ หลักฐานที่เผยแพร่ของ Inception แตกต่างในเชิงประเภท: การทดสอบการนำทาง Mind2Web จำนวน 50 งานในแฮร์เนสของตนเอง ซึ่งทำภารกิจสำเร็จ {{2}}50% ของงาน{{/2}} พร้อมคำรับรองจากพันธมิตร ได้แก่ TinyFish AI, RevisionDojo, Octen AI และ Lorikeet ยังไม่มีรายการใน Artificial Analysis ณ วันที่ {{3}}20 ตุลาคม 2026{{/3}} ซึ่งหมายความว่าข้อกล่าวอ้างด้านความสามารถทุกข้อในบทความนี้เกี่ยวกับ Mercury 3 นอกเหนือจากความเร็วและราคาเป็นข้อมูลที่ผู้ขายรายงานและยังไม่มีการทำซ้ำ นั่นไม่ใช่เหตุผลที่จะปัดตกมัน — โมเดลที่เปิดตัวมาเก้าวันและยังไม่มีคะแนนอิสระถือเป็นสถานะปกติ และการรายงานข่าวช่วงเริ่มต้นก็เป็นสิ่งที่บล็อกนี้ตั้งขึ้นมาเพื่อเผยแพร่พอดี แต่มันเป็นเหตุผลที่ควรคงการติดป้ายกำกับของทั้งสองคอลัมน์ให้แตกต่างกัน

สามเวิร์กโหลด สามคำตอบ

คิวสนับสนุนหรือเอเจนต์เสียง ทุกมิลลิวินาทีคือลูกค้าที่กำลังรอ และโมเดลต้องมีต้นทุนต่ำพอที่จะรันกับทุกข้อความ Mercury 3 ชนะในเรื่องนี้ด้วยตัวเลขตามที่เผยแพร่: 1,068 โทเคนต่อวินาที เอาต์พุต $0.70 ตามราคาลิสต์ อินพุตแคช $0.02 พร้อมระดับ "instant" ที่ข้ามการให้เหตุผลไปเลย Grok 4.7 ทำงานนี้ได้ แต่ด้วยเอาต์พุต $6.00 พร้อมการให้เหตุผลเริ่มต้น จึงเป็นการจ่ายสำหรับการไตร่ตรองที่บทสนทนาไม่ต้องการ นี่คือกรณีที่ Inception สร้างโมเดลนี้มา และคำรับรองจากพาร์ตเนอร์ทั้งหมดมาจากผลิตภัณฑ์รูปแบบนี้

เอเจนต์เขียนโค้ดหรือวิจัยที่ทำงานหลายชั่วโมง งานจะรันแบบไม่มีคนเฝ้า ทรานสคริปต์โตเกินหลายแสนโทเค็น และโมเดลต้องถือแผนไว้ตลอดหลายขั้นตอน ที่นี่หน้าต่าง 500K ของ Grok 4.7 การใช้เหตุผลระดับ xhigh และความแข็งแกร่งด้านงานองค์ความรู้ที่วัดได้คือคุณสมบัติที่เกี่ยวข้อง และหน้าต่าง 1M ของ Mercury 3 คือข้อโต้แย้งที่เกี่ยวข้อง: พื้นที่มากกว่า ถูกกว่าต่อโทเค็นมาก แต่ยังไม่มีหลักฐานว่าจะถือแผนไว้ตลอดขอบฟ้ายาวได้ สังเกตด้วยว่า Grok 4.7 คูณสองอัตราทุกอัตราเมื่ออินพุตเกิน 200,000 โทเค็นสำหรับทั้งคำขอ ขณะที่ Mercury 3 ไม่ประกาศค่าธรรมเนียมเพิ่มสำหรับคำขอยาว บนทรานสคริปต์ที่ยาวจริง ช่องว่างเอาต์พุต 8.6× ตามชื่ออาจแคบลงเหลือต่ำกว่า 5× — และนั่นคือสภาวะที่การไม่มี benchmark ของ Mercury 3 เริ่มสร้างความเสียหาย เพราะข้อได้เปรียบด้านต้นทุนมาถึงตรงจุดที่ความสามารถของมันยังพิสูจน์น้อยที่สุด

ทุกอย่างที่ต้องอ่านภาพ Grok 4.7 รับภาพได้ เอกสารของ Mercury 3 ระบุว่าข้อความเป็นรูปแบบเดียวที่รองรับ นี่ไม่ใช่คำถามเรื่องราคา และไม่ว่าจะมีโทเค็นต่อวินาทีมากแค่ไหนก็ไม่สามารถตอบคำถามนี้ได้

เหตุผลที่ควรรันทั้งสองแทนที่จะเลือก

การแบ่งแยกนี้สะอาดผิดปกติ เพราะโมเดลทั้งสองล้มเหลวคนละทิศทาง: Mercury 3 ราคาถูกและไม่มีการวัดผล ส่วน Grok 4.7 ราคาแพงและมีการวัดผล และช่วงด้านมอดัลลิตีและการให้เหตุผลของทั้งสองแทบไม่ทับซ้อนกัน นี่คือรูปร่างของปัญหาการจัดเส้นทาง มากกว่าการตัดสินใจจัดซื้อ

Grok 4.7 อยู่บน OrcaRouter ในราคาตามรายการของ SpaceXAI โดยบวกเพิ่ม 0% รวมถึงอัตราที่สูงกว่า 200K ซึ่งเพิ่มเป็นสองเท่า ดังนั้นต้นทุนในการลองใช้นโยบายหนึ่งจึงเท่ากับต้นทุนในการเรียกผู้ให้บริการโดยตรง Mercury 3 ไม่ได้อยู่บนเราเตอร์นี้ แต่ให้บริการผ่าน API ของ Inception เองและแพลตฟอร์มของบุคคลที่สามหลายแห่ง และมีอายุได้เก้าวันแล้ว DSL สำหรับการกำหนดเส้นทางพิสูจน์คุณค่าได้ในกรณีนี้ในแบบที่แทบไม่ค่อยเกิดขึ้น: ส่งคำขอในเลนแบบทันที — พรอมป์ต์สั้น งบเวลาตอบสนองที่เข้มงวด ไม่มีรูปภาพ — ไปยัง Mercury 3 เก็บทุกสิ่งที่ต้องใช้ความสามารถด้านภาพหรือการให้เหตุผลระดับ xhigh ไว้บน Grok 4.7 และปล่อยให้การสลับไปใช้ระบบสำรองอัตโนมัติรองรับกรณีที่คิวของโมเดลใหม่เกิดหน่วงขึ้นมา นโยบายนี้สามารถแสดงออกมาได้ ส่วนหลักฐานที่สนับสนุนนโยบายนี้คือสิ่งที่ปริมาณการใช้งานในเดือนหน้าจะเป็นผู้มอบให้

สิ่งที่ควรจับตาก่อนย้ายงบประมาณ

สัญญาณสองประการจะทำให้การเปรียบเทียบนี้เปลี่ยนไป และทั้งสองประการก็เฉพาะเจาะจง

• รายการ Mercury 3 บน Artificial Analysis คะแนน Intelligence Index หนึ่งค่าและตัวเลขต้นทุนต่องานหนึ่งค่าจะบอกคุณได้ว่าโมเดลราคาถูกที่เร็วตัวนี้ใกล้เคียงกับ Grok 4.7 ในงานความรู้มากพอที่จะคุ้มกับการส่งทราฟฟิกจริงไปให้หรือไม่ หากไม่มีข้อมูลนี้ 1,068 โทเคนต่อวินาทีก็เป็นเพียงข้อเท็จจริงด้านปริมาณงาน ไม่ใช่ข้ออ้างเรื่องความสามารถ

• การใช้โทเค็นของ Grok 4.7 กับเวิร์กโหลดของคุณเอง การรันดัชนีขนาด 240 ล้านโทเค็นเป็นเบนช์มาร์กแบบสังเคราะห์ คิวสนับสนุนและเอเจนต์เขียนโค้ดใช้ปริมาณที่แตกต่างกันมาก ให้วัดโทเค็นเอาต์พุตต่องานที่เสร็จสมบูรณ์ในหนึ่งสัปดาห์ที่เป็นตัวแทน ก่อนจะสรุปว่าอัตรา $6.00 เป็นตัวกำหนดบิลของคุณ

สิ่งที่ไม่ควรสนใจ ในทางกลับกัน คือการเปรียบเทียบใดก็ตามที่นำทั้งสองโมเดลไปวางในคอลัมน์เดียวกันของตารางจัดอันดับ โดยไม่ระบุว่าหนึ่งในนั้นไม่เคยติดกระดานจัดอันดับเลย ข้อเท็จจริงที่น่าสนใจเกี่ยวกับ Mercury 3 ไม่ใช่ความเร็ว — Inception ปล่อยโมเดล diffusion ที่เร็วออกมาหนึ่งปีแล้ว — แต่คือความเร็วพร้อมหน้าต่าง 1M ในราคาที่ทำให้เศรษฐศาสตร์ต่อคำขอแทบไม่มีนัยสำคัญ ข้อเท็จจริงที่น่าสนใจเกี่ยวกับ Grok 4.7 ไม่ใช่การขึ้นอันดับหนึ่งในชาร์ต เพราะมันไม่ได้ขึ้น แต่คือมันเป็นโมเดลที่แข็งแกร่งที่สุดด้านระบบอัตโนมัติในชุดนี้ และแลกสิ่งนั้นมาด้วยโทเคน สิ่งเหล่านี้เป็นผลิตภัณฑ์ที่แตกต่างกัน และจำนวนที่เหมาะสมในการรันน่าจะไม่ใช่หนึ่ง