Mercury 3 vs Mercury 2.5 Preview: การอัปเกรดมีกำหนดเส้นตาย และนั่นคือวันที่ 15 พฤศจิกายน

นี่คือการเปรียบเทียบโมเดลที่หาได้ยาก ซึ่งโมเดลรุ่นเก่ากำลังถูกปิดใช้งานในขณะที่คุณอ่านอยู่ Mercury 2.5 Preview เปิดให้ใช้งานจริงเมื่อวันที่ 31 สิงหาคม 2026; จากนั้นถูกแทนที่โดย Mercury 2.5 เวอร์ชันที่วางจำหน่ายเมื่อวันที่ 8 กันยายน; และเมื่อ Inception เปิดตัว Mercury 3 เมื่อวันที่ 19 ตุลาคม 2026 ก็ได้ประกาศด้วยว่า Mercury 2 และ Mercury 2.5 ปิดรับผู้ใช้ใหม่ โดยลูกค้าปัจจุบันยังคงเข้าถึงได้เพียงถึงวันที่ 15 พฤศจิกายน 2026 เท่านั้น ดังนั้นคำถามจึงไม่ใช่ว่า Mercury 3 ดีกว่าพรีวิวที่มันพัฒนามาจากหรือไม่ — การขยายขนาดพารามิเตอร์ 40 เท่าและหน้าต่างบริบทที่เพิ่มขึ้นสี่เท่าตอบคำถามนั้นในสเปกชีตแล้ว คำถามคือ การย้ายไปยัง Mercury 3 แท้จริงแล้วมีต้นทุนเท่าไร คณะกรรมการอิสระพูดอะไรเกี่ยวกับโมเดลที่คุณกำลังจะจากไป และคำกล่าวอ้างเปิดตัวของ Mercury 3 เองนั้น คณะกรรมการดังกล่าวได้โต้แย้งไปแล้วมากน้อยเพียงใดในรุ่นก่อนหน้า กำหนดเส้นตายคือ 26 วันนับจากวันนี้ หากโมเดลที่คุณเลือกเป็นหนึ่งในโมเดลที่เราให้บริการ การรักษาวินัยการกำหนดค่าแบบเดียวกันก็ใช้ได้กับ ปลายทางที่เข้ากันได้กับ OpenAI ของเรา ในราคาตามรายการของผู้ให้บริการโดยบวกเพิ่ม 0% ดังนั้นการสลับระบบก็เป็นเพียงการเปลี่ยนแปลงการกำหนดค่าเช่นกันที่นี่ ความล้มเหลวของ AI และเหตุการณ์เกี่ยวกับเอเจนต์ที่ได้รับการบันทึกไว้ซึ่งอยู่เบื้องหลังการเปิดตัวเช่นนี้ ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง เกรดความเชื่อมั่น และสถานะข้อโต้แย้งของตนเอง

มีอะไรเปลี่ยนแปลงไประหว่างเวอร์ชันพรีวิวกับเวอร์ชันเรือธง

Inception มีความสม่ำเสมอผิดปกติในเรื่องโครงสร้างไลน์อัปของตนตลอดการเปิดตัวสามรุ่นในเจ็ดสัปดาห์ ซึ่งทำให้ระบุส่วนต่างได้ง่าย:

• การเปิดตัว — Mercury 2.5 Preview, 31 สิงหาคม 2026 (ถูกแทนที่ด้วย Mercury 2.5 เมื่อวันที่ 8 กันยายน) เทียบกับ Mercury 3, 19 ตุลาคม 2026

• หน้าต่างบริบท — 260,000 โทเค็นบน Mercury 2.5 เทียบกับ 1,000,000 บน Mercury 3 เพิ่มขึ้น 3.8 เท่า

• เอาต์พุตสูงสุด — 65,536 โทเค็น เทียบกับ 131,072 เพิ่มขึ้นเป็นสองเท่าพอดี

• ราคาเอาต์พุตตามราคาป้าย — $0.75 เทียบกับ $0.70 ต่อล้าน ลดลง 6.7% ไม่ใช่การลดลงที่หวือหวา

• ราคาอินพุตตามที่ระบุในรายการ — $0.20 ทั้งสองรายการ; บรรทัดอินพุตไม่เปลี่ยนแปลงเลย

• อินพุตที่แคชไว้ — $0.02 สำหรับทั้งสอง

• ส่วนลดช่วงเปิดตัว — Mercury 2.5 มีส่วนลดแนะนำตัว 80%; Mercury 3 เปิดตัวพร้อมส่วนลด 50% ดังนั้นอินพุต $0.10 และเอาต์พุต $0.35 ตลอดช่วงโปรโมชั่น

• ทรูพุต — มีการอ้างว่า Mercury 2.5 Preview ทำได้ 1,107 โทเคนต่อวินาที เทียบกับ 1,068 โทเคนต่อวินาทีสำหรับ Mercury 3; โมเดลที่ใหม่และใหญ่กว่ามากนั้นกลับช้ากว่าเล็กน้อยตามตัวเลขของผู้จำหน่ายเอง

• ขนาด — Mercury 3 ได้รับการระบุว่ามีขนาดใหญ่กว่า Mercury 1 มากกว่า 40 เท่าในแง่จำนวนพารามิเตอร์ทั้งหมด; Inception ไม่ได้เผยแพร่จำนวนพารามิเตอร์แบบสัมบูรณ์สำหรับทั้งสองโมเดล

• รูปแบบ — ข้อความเท่านั้น ทั้งสองทาง

• น้ำหนัก — ปิดทั้งสองด้าน

สองบรรทัดในรายการนั้นสมควรได้รับการพิจารณามากกว่าการมองผ่านๆ บรรทัดแรกคือราคา การย้ายจากรุ่นสืบทอดที่วางจำหน่ายแล้วของพรีวิวไปยังรุ่นเรือธงช่วยลดราคาเอาต์พุตลงห้าเซนต์ต่อล้านโทเคน และไม่เปลี่ยนสิ่งอื่นใดบนการ์ดข้อมูล — ซึ่งหมายความว่าการย้ายรุ่นนี้ไม่ได้ขายด้วยราคาเลย จุดขายของ Mercury 3 ต้องอยู่ที่ความสามารถและบริบท ไม่อย่างนั้นก็ไม่ใช่ข้อโต้แย้งที่มีน้ำหนัก บรรทัดที่สองคืออัตราการประมวลผล: โมเดลที่ใหญ่กว่าช้ากว่า 39 โทเคนต่อวินาทีเมื่อดูจากตัวเลขของ Inception เอง ดังนั้นการอัปเกรดจึงไม่ได้ซื้อความเร็วดิบ แต่ซื้อพื้นที่

พื้นที่คือผลิตภัณฑ์จริง ๆ ในที่นี้ 260K ถึง 1M คือความแตกต่างระหว่างบทสนทนาที่ต้องสรุปกับบทสนทนาที่ไม่ต้องสรุป ส่วนเอาต์พุต 65K ถึง 131K คือความแตกต่างระหว่างคำตอบกับเอกสาร หากเวิร์กโหลด Mercury 2.5 ของคุณไม่เคยเข้าใกล้บริบท 200K โทเคน เหตุผลในการย้ายตั้งแต่เนิ่น ๆ ก็มีน้ำหนักน้อย หากมันตัดทอนข้อมูลเป็นประจำ Mercury 3 กำลังแก้ปัญหาของคุณ และกำหนดเวลาก็เป็นของขวัญ

ส่วนของคำตัดสินที่ไม่มีใครพิมพ์ลง: สิ่งที่คณะกรรมการพูดเกี่ยวกับ 2.5

Mercury 2.5 มีบันทึกผลงานที่เป็นอิสระ และบันทึกนั้นไม่ได้ใจดีเลย บน Artificial Analysis ตามที่อ่านเมื่อวันที่ 20 ตุลาคม 2026:

• Intelligence Index — 12.3 วัดจริง ไม่ใช่ประมาณการ

• AA-Omniscience — −39.5 โดยมีอัตราการสร้างข้อมูลเท็จ 80.3% ในการทดสอบความรู้

• Terminal-Bench 4.0 — 0.0

SciCode — 0.3854

• การสอบครั้งสุดท้ายของมนุษยชาติ — 0.1177

• AA-LCR การให้เหตุผลด้วยบริบทขนาดยาว — 0.7167

• GDPval-AA — Elo 474.8

• ต้นทุนต่องานดัชนี — $0.1167 ซึ่งถูกที่สุดในซีรีส์บทความห้าตอนนี้ โดยถูกกว่าถึงหกเท่า

นั่นคือโมเดลที่มีโปรไฟล์เฉพาะเจาะจงมาก: ราคาถูก เร็ว และอ่อนแอในงานที่เน้นความรู้ซึ่งเป็นสิ่งที่ผู้ช่วยทั่วไปถูกตัดสินจากโดยตรง มันเป็นโปรไฟล์ขององค์ประกอบด้านความหน่วง (latency) มากกว่าโมเดลสำหรับการให้เหตุผล ซึ่งสอดคล้องกับวิธีที่ Inception วางตำแหน่งไลน์ผลิตภัณฑ์นี้มาโดยตลอด — เสียง การสนับสนุน การค้นหา การติว — และไม่สอดคล้องกับวิธีที่พรีวิวนี้ถูกสื่อนำเสนอในช่วงเวลานั้น นอกจากนี้ยังมีค่าใช้จ่าย $0.1167 ต่อหนึ่งงาน index ซึ่งไม่ใช่การพิมพ์ผิดและไม่ใช่ข้อเสนอสุดคุ้ม: โมเดลที่ตอบเร็วแต่ผิดนั้นมีต้นทุนต่ำต่อหนึ่งงาน แต่มีต้นทุนสูงต่อหนึ่งผลลัพธ์

เรื่องนี้สำคัญสำหรับ Mercury 3 เพราะกระดานคะแนนเดียวกันไม่มีรายการสำหรับ Mercury 3 รุ่นเรือธงมีอายุได้เก้าวัน และสมาชิกเพียงหนึ่งเดียวของตระกูลที่ได้รับการวัดผลได้คะแนน 12.3 นั่นไม่ได้ทำนายคะแนนของ Mercury 3 — การขยายขนาด 40 เท่าพร้อมการฝึกโมเดลรอบใหม่ถือเป็นโมเดลที่แตกต่างกัน และ Inception อ้างว่าความสามารถทางปัญญาเพิ่มขึ้น 3 เท่าจาก Mercury 1 (mini) ไปเป็น Mercury 3 — แต่มันหมายความว่าประวัติผลงานอิสระของตระกูลนี้ในปัจจุบันประกอบด้วยผลการวัดที่อ่อนเพียงค่าเดียวและหนึ่งช่องที่ไม่มีข้อมูล ใครก็ตามที่วางแผนจะย้ายระบบในเดือนพฤศจิกายน ควรถือว่า Mercury 3 ยังไม่มีการวัดผลจนกว่ากระดานคะแนนจะระบุเป็นอย่างอื่น และออกแบบการย้ายระบบเพื่อให้โมเดลที่ยังไม่มีการวัดผลไม่สามารถทำให้เส้นทางการผลิตล่มได้

การโยกย้ายจริง ๆ แล้วเกี่ยวข้องกับอะไรบ้าง

กลไกเป็นส่วนที่ง่ายอยู่แล้ว และ Inception ก็ทำให้มันง่ายกว่าที่ผู้จำหน่ายส่วนใหญ่ทำเสียอีก โมเดลนี้เข้ากันได้กับ OpenAI-API ดังนั้นรูปแบบของ endpoint จึงไม่เปลี่ยนแปลง สิ่งที่เปลี่ยนคือ:

• ตัวระบุโมเดล Mercury 3 เป็น ID ใหม่ ไม่ใช่การเพิ่มเวอร์ชันจาก ID ที่มีอยู่เดิม

• งบประมาณบริบท หน้าต่าง 1M เปิดโอกาสให้ใช้พรอมป์ต์ที่หน้าต่าง 260K ไม่สามารถรับได้ และไปป์ไลน์ที่เริ่มส่งคำขอขนาด 600K โทเค็นมีโปรไฟล์ต้นทุนที่แตกต่างออกไป แม้จะใช้อัตราต่อโทเค็นเดียวกันก็ตาม

• {{1}}การตั้งค่าการให้เหตุผล{{/1}} Mercury 3 มีให้เลือก {{2}}instant, low, medium และ high{{/2}}; ระดับขั้นของ Mercury 2.5 สั้นกว่า คำขอที่ละเว้นการตั้งค่านี้จะไปใช้ {{3}}ค่าเริ่มต้น{{/3}} ซึ่งอาจไม่ใช่ค่าที่งบประมาณ latency ของคุณถูกกำหนดไว้โดยอิงจากค่านั้น

• อุณหภูมิ Mercury 3 รองรับ 0.5 ถึง 1.0 ค่าใดที่ต่ำกว่า 0.5 ซึ่งพรอมต์ 2.5 ของคุณพึ่งพาไว้นั้นจะต้องถูกจำกัดค่า

• Structured outputs และ tool calling ทั้งสองรองรับบน Mercury 3 และทั้งคู่เป็นฟีเจอร์ที่พฤติกรรมแตกต่างกันอย่างละเอียดเมื่อขยายขนาดขึ้น 40 เท่า — จึงคุ้มค่าที่จะทำ regression test ระดับ schema มากกว่าการตรวจด้วยตาเปล่า

• เพดานเอาต์พุต 131,072 โทเค็นนั้นมากพอจนการสร้างที่หลุดการควบคุมอาจทำให้เสียเงินจริงก่อนที่จะหยุด ควรกำหนดเพดานไว้อย่างชัดเจน

วิธีที่ประหยัดในการทำสิ่งนี้คือ shadow deployment: ทำสำเนาทราฟฟิกส่วนหนึ่งของ Mercury 2.5 ไปยัง Mercury 3 ด้วยพรอมป์เดียวกัน บันทึกเอาต์พุตทั้งสอง แล้วเปรียบเทียบกันด้วยเมตริกที่คุณสนใจจริง ๆ — ความสำเร็จของงาน ไม่ใช่ความคล้ายของโทเค็น ทำแบบนี้หนึ่งสัปดาห์แล้วจึงสลับ วันที่ 15 พฤศจิกายนให้เวลาคุณพอสำหรับรอบเดียวแบบนี้และไม่มากไปกว่านั้น ดังนั้นให้เริ่มจาก call site ที่มีปริมาณสูงสุด ไม่ใช่จุดที่น่าสนใจที่สุด

โปรดสังเกตทิศทางของ fallback ด้วย ในช่วง shadow period การกำหนดค่าที่ปลอดภัยคือใช้ Mercury 3 เป็น primary และ Mercury 2.5 เป็น failover ไม่ใช่กลับกัน: หากโมเดลใหม่ทำงานผิดพลาด โมเดลเก่ายังตอบได้ และหากโมเดลเก่าถูกปลดออกจากใต้เท้าคุณ โมเดลใหม่ก็รับทราฟฟิกอยู่แล้ว บันทึกของ Inception เองระบุว่าลูกค้าปัจจุบันยังเข้าถึงได้ "until November 15, 2026" ซึ่งอ่านได้ว่าเป็นการหยุดแบบตายตัวมากกว่าการหยุดแบบผ่อนปรนไปป์ไลน์ที่มี fallback เพียงโมเดลเดียวซึ่งมีวันหมดอายุ ย่อมไม่มี fallback หลังจากวันนั้น

OrcaRouter ไม่ได้กำหนดเส้นทางให้กับ Mercury 3 หรือ Mercury 2.5 — ทั้งสองรุ่นไม่ได้อยู่ในแคตตาล็อกของเรา และทั้งคู่ให้บริการผ่าน API ของ Inception เองรวมถึงแพลตฟอร์มของบุคคลที่สามอีกหลายแห่ง ดังนั้นบทความนี้จึงเป็นหนึ่งในไม่กี่บทความในซีรีส์นี้ที่คำแนะนำด้านการกำหนดเส้นทางเกี่ยวข้องกับรูปแบบของการผสานรวม มากกว่าจะเกี่ยวกับเอนด์พอยต์ของเรา: ไม่ว่าคุณจะใช้ผู้ให้บริการรายใด ให้ใส่ตัวระบุโมเดลและการตั้งค่าการให้เหตุผลไว้ในการกำหนดค่าแทนที่จะฝังไว้ในโค้ด เพื่อให้การเปลี่ยนผ่านในเดือนพฤศจิกายนเป็นการเปลี่ยนแปลงการกำหนดค่า ไม่ใช่การดีพลอย

ใครควรลงมือตอนนี้ ใครควรรอก่อน

ย้ายเลยตอนนี้หาก: ทราฟฟิก Mercury 2.5 ของคุณมีความหน่วงเป็นCriticalและมีปริมาณมหาศาล พรอมป์ของคุณชนเพดาน 260K เป็นประจำ คุณต้องการเอาต์พุตที่ยาวกว่า 65K โทเค็น หรือคุณใช้ผู้ให้บริการที่จะปลดระวาง 2.5 ให้คุณในวันที่ 15 พฤศจิกายน ไม่ว่าคุณจะพร้อมหรือไม่ ในกรณีเหล่านี้ การย้ายระบบไม่ใช่ทางเลือก และการตัดสินใจเดียวที่เหลืออยู่คือจะทดสอบให้ดีเสียก่อนหรือไม่ ทดสอบให้ดีเสียก่อน

รอ — แต่ยังเตรียมพร้อมไว้ — หาก: Mercury 2.5 เป็นส่วนประกอบรอง ภาระงานของคุณพอดีอยู่ใน 260K อย่างสบาย ๆ หรือคุณต้องการคุณภาพที่วัดได้ก่อนตัดสินใจ การรอไม่ได้หมายถึงการไม่ทำอะไรเลย: นำการตั้งค่า identifier และ reasoning ใส่ในคอนฟิกตอนนี้ รันการเปรียบเทียบแบบ shadow และยังไม่สลับจนกว่ารายการ Artificial Analysis จะปรากฏ หรือถึงวันที่ 10 พฤศจิกายน แล้วแต่อย่างใดจะเกิดก่อน

ไปดูที่อื่นเลยถ้า:งานของคุณต้องใช้ความสามารถด้านภาพ การป้อนไฟล์ หรือการให้เหตุผลที่ต้องใช้ความรู้หนัก ๆ โดยมีระดับความสามารถขั้นต่ำที่ประกาศไว้ Mercury 3 รองรับข้อความเท่านั้นและยังไม่มีการให้คะแนน โมเดลที่มีดัชนีอิสระและรองรับการป้อนภาพเป็นตัวเลือกที่ปลอดภัยกว่าสำหรับการซื้อ และการลดราคาเอาต์พุต 6.7% ก็ไม่เพียงพอที่จะชดเชยรูปแบบข้อมูลที่ขาดไป

เดดไลน์นั่นแหละคือข่าวจริง

ถ้าตัดกรอบการเปิดตัวออกไป สิ่งที่ Inception ประกาศเมื่อวันที่ 19 ตุลาคมก็คือกำหนดการปลดระวางที่มีโมเดลพ่วงมาด้วย Mercury 2.5 Preview เป็นพรีวิวที่มีอายุได้ห้าสัปดาห์ Mercury 2.5 ใช้งานในฐานะโมเดลที่พร้อมให้บริการได้หกสัปดาห์ก่อนจะปิดไม่ให้ผู้ใช้ใหม่เข้าถึง และวันสิ้นสุดสำหรับลูกค้าปัจจุบันคือวันที่ 15 พฤศจิกายน นั่นเป็นจังหวะที่รวดเร็วสำหรับผู้ขายที่ขอให้องค์กรต่างๆ พัฒนาต่อยอดบนโมเดลนี้ และเป็นข้อเท็จจริงที่สำคัญที่สุดต่อการตัดสินใจสำหรับใครก็ตามที่ใช้งานตระกูลโมเดลนี้ในสภาพแวดล้อมโปรดักชัน ซึ่งสำคัญกว่าการเพิ่มขนาดคอนเท็กซ์ 3.8 เท่า เพราะการเพิ่มขนาดคอนเท็กซ์คือโอกาส whereas วันปลดระวางคือข้อจำกัด

ข้อโต้แย้งคือ ความถี่ในการออกรุ่นนั้นซื้ออะไรที่เป็นจริงมาให้: บริบท 1M tokens, เพดานเอาต์พุตที่เป็นสองเท่า และอัตราเอาต์พุตที่ถูกกว่าโมเดลที่มันเข้าแทนที่เล็กน้อย โดยทั้งหมดนี้ในราคาอินพุตเดียวกัน พร้อมเอนด์พอยต์ที่เข้ากันได้กับ OpenAI ทำให้การสลับเปลี่ยนเป็นเรื่องของการตั้งค่าไม่ใช่โค้ด โมเดลดิฟฟิวชันถูกคาดหมายว่าจะชนกำแพงด้านคุณภาพเมื่อขยายขนาด และข้ออ้างของ Inception ก็คือพวกมันไม่ได้เป็นเช่นนั้น คำถามเปิดที่บทความนี้ตอบไม่ได้คือข้ออ้างนั้นจะผ่านการประเมินที่เป็นอิสระหรือไม่ และนั่นคือเหตุผลที่ควรทดสอบแบบ shadow แทนที่จะสลับใช้งานจริงเพียงเพราะความแข็งแรงของโพสต์เปิดตัว

สิ่งที่ไม่เปิดคือปฏิทิน ถ้า Mercury 2.5 กำลังมีอะไรก็ตามที่คุณให้ความสำคัญ แผนการโยกย้ายก็มีอยู่ ไม่ว่าคุณจะเขียนมันลงไปหรือไม่ และมันครบกำหนดในไม่ถึงสี่สัปดาห์