Mercury 3 กับ Muse Wonder: สามสิบสองวินาทีถึงโทเคนแรก

มีตัวเลขที่วัดได้อยู่ในการเปรียบเทียบนี้ ซึ่งควรจะยุติข้อโต้แย้งก่อนที่มันจะเริ่มขึ้น Artificial Analysis บันทึกเวลาในการได้โทเคนแรกของ Muse Wonder ไว้ที่ 32.08 วินาที Mercury 3 อ้างว่าสร้างเอาต์พุตได้ 1,068 โทเคนต่อวินาทีโดยไม่มีการวัดผลอย่างเป็นอิสระใด ๆ เลย โมเดลหนึ่งใช้เวลาครึ่งนาทีจึงจะเริ่มตอบ ส่วนอีกโมเดลหนึ่งบอกว่ามันเขียนได้พันคำในเวลาที่คุณใช้อ่านประโยคนี้ ในด้านความหน่วง พวกมันไม่ได้อยู่ในหมวดหมู่ผลิตภัณฑ์เดียวกัน และความเหนือกว่าของเบนช์มาร์กไม่ว่าจะมากเพียงใดก็ไม่อาจปิดช่องว่างสามสิบเท่าในเรื่องของเวลาที่อักขระตัวแรกปรากฏขึ้นได้ ความล้มเหลวของ AI และเหตุการณ์ของเอเจนต์ที่ได้รับการบันทึกไว้ซึ่งอยู่เบื้องหลังการเปิดตัวแบบนี้ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยที่แต่ละรายการมีแหล่งที่มา ระดับความรุนแรง เกรดความเชื่อมั่น และธงข้อโต้แย้งของตัวเอง

แต่นั่นคือเวอร์ชันง่ายของเรื่อง และมันทำให้เข้าใจผิดในแง่สำคัญแง่หนึ่ง Muse Wonder ไม่ได้พยายามที่จะเร็ว Meta เปิดตัว Muse Wonder เมื่อวันที่ 12 ตุลาคม 2026 ในฐานะโมเดลการให้เหตุผลระดับแนวหน้า โดยตั้งราคาไว้ที่ 4.00 ดอลลาร์ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และ 20.00 ดอลลาร์ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น และในราคานั้น สิ่งที่คุณกำลังซื้อคือความลึก — โมเดลที่ใช้เวลาคิดสามสิบวินาทีและแก้ปัญหายากได้ถูกต้อง Mercury 3 ซึ่งเปิดตัวโดย Inception เมื่อวันที่ 19 ตุลาคม 2026 มีราคาต่ำกว่ายี่สิบถึงห้าสิบเท่า เพราะมันขายการแลกเปลี่ยนที่ตรงกันข้าม คำถามที่ผู้สร้างผลิตภัณฑ์เผชิญจริง ๆ ไม่ใช่ว่าตัวไหนดีกว่า แต่คือผลิตภัณฑ์ของคุณแลกเปลี่ยนแบบไหน และคุณซื่อสัตย์กับตัวเองหรือไม่ว่ามันเป็นแบบไหนกันแน่

โมเดลทั้งสอง โดยแต่ละโมเดลหนึ่งย่อหน้า

Mercury 3 เป็นโมเดลภาษาแบบ diffusion — Inception เรียกมันว่า dLLM — ซึ่งสร้างโทเคนแบบขนานแทนที่จะทีละโทเคน โดยมีบริบทขนาด 1M โทเคน เอาต์พุตสูงสุด 131,072 โทเคน อินพุตแบบข้อความเท่านั้น รองรับการเรียกใช้เครื่องมือและเอาต์พุตแบบมีโครงสร้างบน endpoint ที่เข้ากันได้กับ OpenAI และมีสี่ระดับความพยายามในการให้เหตุผล (instant, low, medium, high) โดยค่าเริ่มต้นคือ low ราคาตั้งอยู่ที่ 0.20 ดอลลาร์ต่ออินพุตหนึ่งล้านโทเคน และ 0.70 ดอลลาร์ต่อเอาต์พุตหนึ่งล้านโทเคน ปัจจุบันลดครึ่งหนึ่งเหลือ 0.10 และ 0.35 ดอลลาร์ “ในช่วงเปิดตัว” โดยไม่มีวันที่สิ้นสุดที่ประกาศไว้ คำกล่าวอ้างเรื่องคุณภาพของ Inception เป็นการเปรียบเทียบและยังไม่มีการให้คะแนน โดยระบุว่าโมเดลนี้มีคุณภาพเทียบเท่าหรือดีกว่า “โมเดลที่ปรับแต่งความเร็วระดับแนวหน้าอย่าง GPT-6 Luna และ Claude Haiku 5.5” และรายงานผลงานหนึ่งงานจาก agent harness ของบริษัทเอง — อัตราความสำเร็จ 50 เปอร์เซ็นต์จากงาน Mind2Web แบบไลฟ์ 50 งาน

Muse Wonder เป็นโมเดลการให้เหตุผลระดับแนวหน้าของ Meta ซึ่งเปิดตัวในรูปแบบเช็กพอยต์สองตัว: muse-wonder-1.0 ที่เรียกใช้ได้บน Meta Model API และภายใน Muse Code และ muse-wonder-full-1.0 ซึ่งเป็นการกำหนดค่าที่ได้คะแนนสูงกว่า และ Meta ระบุว่าเปิดให้เฉพาะผู้สมัครสมาชิก Muse Code เท่านั้น ทั้งสองรุ่นมีบริบทขนาด 1M โทเค็นและอัตราค่าบริการเดียวกันที่ $4.00/$20.00 พร้อมส่วนลดแคช 95 เปอร์เซ็นต์ การให้เหตุผลเป็นสิ่งบังคับ — ระดับความพยายามไล่ตั้งแต่ต่ำสุดถึงสูงสุด โดยค่าเริ่มต้นคือปานกลาง และโทเค็นการให้เหตุผลคิดค่าบริการเป็นเอาต์พุต อินพุตได้แก่ข้อความ รูปภาพ เสียงพูด และวิดีโอ เอาต์พุตเป็นข้อความ

แต่ละรายการมีต้นทุนจริงในระดับคำขอเท่าใด

ราคาต่อโทเคนเป็นตัวเลขที่มีประโยชน์น้อยที่สุดในการเปรียบเทียบแบบนี้ เพราะโมเดลทั้งสองใช้ปริมาณโทเคนที่แตกต่างกันมากเพื่อทำงานเดียวกัน โมเดลการให้เหตุผลที่ตั้งค่าเริ่มต้นไว้ที่ความพยายามระดับปานกลางและใช้โทเคนเอาต์พุต 130 ล้านโทเคนในการทำ evaluation run ให้เสร็จ จะไม่ได้มีราคาเดียวกันกับโมเดลที่ปรับให้เหมาะกับคำตอบสั้น แม้ก่อนจะนำอัตราค่าบริการมาใช้ก็ตาม ดังนั้นให้คิดราคางานเดียวกันทั้งสองแบบ

ลองนึกถึงผู้ช่วยตรวจเอกสาร: ข้อความสัญญา 20,000 โทเค็นเข้า สรุปแบบมีโครงสร้างและรายการความเสี่ยง 500 โทเค็นออก 2,000 การตรวจสอบต่อวัน

• Mercury 3 ในราคาตามรายการ — โทเค็นอินพุต 40 ล้านโทเค็นในราคา $0.20 คิดเป็น $8.00; โทเค็นเอาต์พุต 1 ล้านโทเค็นในราคา $0.70 คิดเป็น $0.70 ประมาณ $8.70 ต่อวัน

• Mercury 3 ในราคาเปิดตัว — ครึ่งหนึ่งของจำนวนนั้น ประมาณวันละ $4.35

• Muse Wonder — อินพุต 40 ล้านโทเคนในอัตรา $4.00 คิดเป็น $160; เอาต์พุต 1 ล้านโทเคนในอัตรา $20.00 คิดเป็น $20 บวกกับ reasoning tokens ซึ่งคิดค่าใช้จ่ายเป็นเอาต์พุตและ Meta ไม่ให้คุณปิดฟีเจอร์นี้ หากใช้ reasoning tokens แบบอนุรักษ์นิยมที่ 1,000 โทเคนต่อการเรียกหนึ่งครั้ง ค่าใช้จ่ายฝั่งเอาต์พุตจะกลายเป็น 3 ล้านโทเคน หรือ $60 ทำให้รวมต่อวันเป็น $220

นั่นคือช่องว่างถึง 25 เท่าบนทราฟฟิกเดียวกัน และนี่ก็เป็นเวอร์ชันที่ค่อนข้างเอื้อประโยชน์ต่อ Muse Wonder เพราะโมเดลการให้เหตุผลมักใช้โทเคนการคิดมากกว่าหนึ่งพันโทเคนเป็นประจำกับงานที่ต้องอาศัยความรอบคอบ การตั้งค่าความพยายาม (effort setting) เป็นคันโยกเพียงตัวเดียว และเป็นคันโยกที่ส่งผลต่อทั้งต้นทุนและคุณภาพในเวลาเดียวกัน — คุณไม่สามารถลดการคิดลงได้โดยไม่ลดคุณภาพคำตอบลง

นี่คือส่วนที่ทำให้การเปรียบเทียบเป็นมากกว่าการคำนวณทางคณิตศาสตร์ Mercury 3 ไม่ได้เผยแพร่จำนวนโทเค็นเอาต์พุตสำหรับการประเมินใด ๆ ดังนั้นจึงไม่มีใครรู้ว่ามันกระชับหรือเยิ่นเย้อเมื่อเทียบกับงานพื้นฐาน หากปรากฏว่าเป็นโมเดลที่ช่างพูด ค่าใช้จ่ายรายวันจะเปลี่ยนไปเป็นหลายเท่า ไม่ใช่แค่เปอร์เซ็นต์ ช่องว่างยี่สิบห้าเท่าอาจกลายเป็นสิบห้าเท่าหรือสี่สิบเท่าในการใช้งานจริง และไม่มีหลักฐานที่เผยแพร่ไม่ว่าทางใด

คำกล่าวอ้างเรื่องอัตราการประมวลผล และตัวเลขที่บั่นทอนคำกล่าวอ้างนั้น

ตัวเลขพาดหัวของ Inception คือ 1,068 โทเคนต่อวินาทีบน GPU ของ NVIDIA ซึ่งอธิบายว่าเร็วกว่าโมเดลที่นำมาเปรียบเทียบด้วย 4 ถึง 8 เท่า บริษัทไม่ได้ระบุฮาร์ดแวร์ ขนาดแบตช์ การตั้งค่าระดับความพยายาม หรือว่าตัวเลขนั้นเป็นแบบสตรีมเดียวหรือแบบรวม และตัวเลือกทั้งสี่ข้อนี้ทำให้ตัวเลขเปลี่ยนไปได้หลายเท่า ณ วันที่ 20 ตุลาคม 2026 ยังไม่มีการวัด Mercury 3 ที่เป็นอิสระ — Artificial Analysis ยังคงแสดงรายการ Mercury 2.5 และ Mercury 2 และไม่มีหน้า Mercury 3

การวัดโดยอิสระที่มีอยู่สำหรับรุ่นก่อนหน้านี้ให้ข้อคิดที่เป็นประโยชน์ Artificial Analysis ระบุว่า Mercury 2.5 ทำได้ประมาณ 706 โทเคนต่อวินาทีภายใต้ฮาร์เนสของตนเอง นี่คือตัวเลขจากบุคคลที่สามที่เป็นจริงและทำซ้ำได้ และต่ำกว่าตัวเลขที่ผู้ขายเผยแพร่ ณ ตอนเปิดตัวนั้นอย่างมีนัยสำคัญ ช่องว่างนี้เป็นส่วนต่างปกติระหว่างตัวเลขผู้ขายกับตัวเลขอิสระในหมวดนี้ มากกว่าจะเป็นหลักฐานของเจตนาไม่สุจริต — แต่เป็นส่วนต่างที่ควรนำมาปรับลดในใจกับ 1,068 จนกว่าจะมีใครทำซ้ำได้

ในทางกลับกัน Muse Wonder วัดค่าได้ที่ 161 โทเค็นต่อวินาทีสำหรับเอาต์พุต และเวลาในการได้โทเค็นแรกที่วัดได้ 32.08 วินาที ตัวเลขทั้งสองเป็นไปตามการทำงานที่ออกแบบไว้ของโมเดล Meta: โทเค็นแรกมาถึงหลังจากผ่านกระบวนการคิดเป็นเวลานาน และส่วนที่เหลือของคำตอบจะสตรีมออกมาด้วยอัตราระดับกลางๆ สำหรับงานแบบแบตช์ เรื่องนี้ไม่สำคัญ แต่สำหรับงานใดก็ตามที่มีมนุษย์รออยู่ มันคือประสบการณ์ทั้งหมด

ช่องว่างด้านคุณภาพที่วัดได้นั้นกลับสวนทางกัน Muse Wonder ได้ 52 คะแนนบน Artificial Analysis Intelligence Index อยู่อันดับที่ 9 จาก 217 โมเดล ด้วยต้นทุนการประมวลผล $4.52 ต่อหนึ่งงานในดัชนี Mercury 3 ไม่มีคะแนนดัชนี Muse Wonder Full ได้ 56 คะแนนและอยู่อันดับที่ 4 จาก 696 โดยไม่มีราคาเผยแพร่เพราะ Meta ไม่ได้ขายเป็นรายโทเคน ดังนั้นการวางกรอบอย่างตรงไปตรงมาคือ โมเดลระดับแนวหน้าที่มีเพดานที่วัดได้และมีปัญหาความหน่วงที่วัดได้ เมื่อเทียบกับโมเดลราคาประหยัดที่อ้างว่ามีข้อได้เปรียบด้านความหน่วงและไม่มีเพดานที่วัดได้เลย

การใช้เหตุผลเป็นการตัดสินใจด้านผลิตภัณฑ์ ไม่ใช่การตั้งค่า

ความแตกต่างที่ลึกที่สุดระหว่างโมเดลเหล่านี้ไม่ใช่ราคาหรือความเร็ว แต่คือว่าโมเดลนั้นได้รับอนุญาตให้คิดสั้น ๆ หรือไม่

Mercury 3 จะใช้ค่าเริ่มต้นเป็น low effort เมื่อไม่ได้ระบุพารามิเตอร์ reasoning และการตั้งค่าทั้งสี่ระดับมีตั้งแต่ instant ไปจนถึง high ค่าเริ่มต้นนั้นเป็นรายละเอียดที่มักถูกมองข้ามมากที่สุด และมีแนวโน้มมากที่สุดที่จะทำให้การเปรียบเทียบใด ๆ บิดเบี้ยว: โมเดลที่ตอบที่ระดับ low effort จะดูเร็วขึ้นและได้คะแนนต่ำกว่าโมเดลเดียวกันที่ระดับ high และข้อกล่าวอ้างเชิงเปรียบเทียบของ Inception เองก็ไม่ได้ระบุว่าการตั้งค่าใดสร้างผลลัพธ์เหล่านั้น หากคุณเบนช์มาร์ก Mercury 3 ด้วยตัวเอง จงกำหนดระดับ effort อย่างชัดเจน ไม่อย่างนั้นตัวเลขของคุณจะไม่สามารถเปรียบเทียบกับของใครได้ — รวมถึงของ Inception ด้วย

Muse Wonder เป็นสิ่งที่ตรงกันข้ามโดยการออกแบบ การให้เหตุผลเป็นสิ่งบังคับ ค่าเริ่มต้นคือระดับกลาง และไม่มีสวิตช์สำหรับปิดมัน นี่เป็นทางเลือกในการออกแบบโดยเจตนาสำหรับโมเดลที่มุ่งเป้าไปที่งานระดับมืออาชีพและงานแบบเอเจนต์: กรอบแนวคิดของ Meta คือการคิดคือผลิตภัณฑ์ นอกจากนี้ยังหมายความว่าโมเดลไม่มีเส้นทางราคาถูก ทุกการเรียกใช้ต้องจ่ายภาษีการให้เหตุผล และที่ราคา 20 ดอลลาร์ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น ลูปเอเจนต์แบบยาวที่เติมงบประมาณเอาต์พุต 943,718 โทเค็นให้เต็มคือใบแจ้งหนี้ที่หนักหนา

สำหรับผู้สร้าง ผลที่ตามมาในทางปฏิบัติคือโมเดลทั้งสองนี้ไม่สามารถสลับกันภายใต้เทมเพลตพรอมต์เดียวแล้วเปรียบเทียบกันอย่างเป็นธรรมได้ การทำงานเดียวกันให้ออกมาดีบน Mercury 3 หมายถึงการเลือกระดับความพยายาม ส่วนการทำบน Muse Wonder หมายถึงการยอมรับเวลาที่ใช้คิด การเปรียบเทียบจะมีความหมายก็ต่อเมื่อทั้งสองถูกกำหนดให้มีพฤติกรรมที่ได้ผลเหมือนกัน และสำหรับ Mercury 3 พฤติกรรมนั้นไม่ได้มีเอกสารกำกับไว้

เกี่ยวกับกระดานคะแนนของ Meta เอง และเหตุใดจึงไม่ใช่คำตัดสินสุดท้าย

Meta เผยแพร่ตาราง benchmark เมื่อเปิดตัว ซึ่งครอบคลุมทั้งสอง checkpoint พร้อมกับ Claude Fable 5.1, GPT-6 Astra และ Claude Opus 5.5 ในโหมดใช้เหตุผลสูงสุด ตัวเลขทุกตัวเป็นข้อมูลที่ผู้จำหน่ายรายงานเอง สร้างขึ้นในฮาร์เนสของ Meta และยังไม่มีตัวเลขใดได้รับการทำซ้ำอย่างเป็นอิสระ อย่างไรก็ตาม มีสองแถวที่คุ้มค่าจะนำมาใช้ในการเปรียบเทียบนี้ เพราะแสดงให้เห็นว่าโมเดลทำสิ่งที่มันถูกวางขายให้ทำ

• JobBench งานระดับมืออาชีพที่ต้องใช้เวลาและขอบเขตระยะยาว — Muse Wonder Full 75.3, Muse Wonder 30.8, Claude Fable 5.1 27.6, GPT-6 Astra 34.2, Claude Opus 5.5 30.6

• Vals Finance Agent V2 — Muse Wonder Full 59.1, Muse Wonder 10.0, Claude Fable 5.1 6.4, GPT-6 Astra 8.6, Claude Opus 5.5 4.2

• OSWorld V2.1 การใช้งานคอมพิวเตอร์ — Muse Wonder Full 78.4, Muse Wonder 72.6, Claude Fable 5.1 73.1, GPT-6 Astra 66.1, Claude Opus 5.5 75.4

เมื่อ Meta กับผู้ประเมินอิสระให้ข้อมูลไม่ตรงกัน ตัวเลขของฝ่ายอิสระคือตัวเลขที่ควรใช้ในการวางแผน ตารางของ Meta ระบุ Muse Wonder Full ไว้ที่ 59.0 บน Artificial Analysis Index ขณะที่ Artificial Analysis เองเผยแพร่ที่ 56 การต่างกันสามจุดบนดัชนีเดียวกันไม่ใช่เรื่องอื้อฉาว แต่เป็นการยืนยันว่าตัวเลขใดมีระเบียบวิธีรองรับอยู่เบื้องหลัง

Mercury 3 ไม่มีตารางเทียบเคียงที่เทียบได้ให้โต้แย้ง ผลลัพธ์คุณภาพเชิงโครงสร้างเพียงอย่างเดียวของมันคือการทดสอบเอเจนต์ Mind2Web: งานนำทางสด 50 งานในฮาร์เนสโปรดักชันของ Inception เอง ทำสำเร็จ 50 เปอร์เซ็นต์ “มากกว่าอย่างมีนัยสำคัญเมื่อเทียบกับ GPT-6.1-Sol” โดยใช้ปริมาณโทเคนเท่ากันและจำนวนขั้นตอนของเอเจนต์เท่ากัน และthereforeมีต้นทุนต่อโทเคนเพียงเศษเสี้ยว ห้าสิบงานเป็นตัวอย่างเล็ก ๆ ฮาร์เนสเป็นของ Inception และโมเดลที่ใช้เปรียบเทียบถูกระบุชื่อโดยไม่มีคะแนน มันเป็นสัญญาณจริงว่าโมเดลสามารถควบคุมเบราว์เซอร์ได้ด้วยต้นทุนเพียงเศษเสี้ยวของโมเดลระดับแนวหน้าที่ทำงานเดียวกัน มันไม่ใช่เบนช์มาร์ก

อันไหนในสองอันนี้ที่คุณควรประเมินจริง ๆ

โดยปกติแล้ว การตัดสินใจจะขึ้นอยู่กับคำถามข้อเดียว: มีมนุษย์กำลังรอผลลัพธ์นี้อยู่ หรือมีคิวเป็นตัวรับผลลัพธ์นี้ไปดำเนินการต่อ

หากต้องให้มนุษย์รอ Muse Wonder ก็เกือบจะถูกตัดสิทธิ์ด้วยตัวเลขการวัดของมันเอง สามสิบสองวินาทีถึงโทเคนแรกไม่ใช่ความหน่วงที่คุณจะเอาไปวางตรงหน้าลูกค้าได้ และไม่มีใครเลือกมันสำหรับอินเทอร์เฟซแชต Mercury 3 ถูกสร้างมาเพื่อกรณีนี้โดยเฉพาะ และราคาของมันทำให้การทดลองมีต้นทุนต่ำ แม้ว่า throughput จะออกมาเพียงครึ่งหนึ่งของที่อ้างไว้ภายใต้ neutral harness มันก็ยังเร็วกว่าอะไรก็ตามในระดับ frontier หลายเท่า

หากคิวเป็นผู้บริโภคผลลัพธ์นี้ — การประมวลผลเอกสารข้ามคืน, การรันแบบเอเจนต์ที่ส่งมอบรายงาน, เวิร์กโฟลว์หลังบ้านที่ไม่มีใครเฝ้าดู — การได้โทเคนแรกภายใน 32 วินาทีก็เลิกสำคัญ และช่องว่างคุณภาพที่วัดได้ก็เริ่มสำคัญแทน Muse Wonder ที่คะแนน 52 บนดัชนี พร้อมบันทึกอิสระที่ครบถ้วน ถือเป็นปริมาณที่รู้จักดี ส่วน Mercury 3 ที่คะแนนดัชนีไม่ทราบค่า บนปริมาณงานที่คำตอบผิดมีต้นทุนสูงและไม่มีใครตรวจสอบ ถือเป็นการเดิมพัน

มีสามกรณีที่อยู่นอกเหนือจากทั้งสอง:

• วิดีโอ รูปภาพ หรือเสียงในพรอมต์ — Muse Wonder รองรับทั้งสามอย่าง ส่วน Mercury 3 ไม่รองรับเลย ไม่มีอะไรต้องแลก

• สิ่งใดก็ตามที่ต้องใช้เช็กพอยต์ที่ได้คะแนนสูงสุด — Muse Wonder Full ไม่ใช่ผลิตภัณฑ์แบบ API แต่เป็นการสมัครสมาชิก Muse Code รายเดือนราคา $50 ถึง $200 และ Meta ยังไม่ได้ระบุว่าจะเปิดให้ใช้หรือไม่

• ทุกสิ่งที่คุณต้องวางแผนโดยอิงกับราคาที่มั่นคง — ส่วนลดเปิดตัวของ Mercury 3 ไม่มีวันสิ้นสุด และรุ่นก่อนหน้ากำลังถูกยกเลิกสำหรับผู้ใช้ใหม่ ราคา $4/$20 ของ Muse Wonder ไม่มีการประกาศเปลี่ยนแปลง

OrcaRouter ทำอะไรและไม่ทำอะไรในที่นี้

ทั้ง Muse Wonder และ Mercury 3 ต่างก็ไม่มีอยู่ในแคตตาล็อกของเรา การตรวจสอบ API โมเดลของเราไม่พบข้อมูลใด ๆ สำหรับ meta/muse-wonder และไม่พบข้อมูลใด ๆ สำหรับโมเดล Inception ใดเลย และเราจะไม่อธิบายเส้นทางที่เราไม่มี สิ่งที่เรามีจากแล็บของ Meta คือตระกูล Muse Spark — Muse Spark 1.2 และ Muse Spark 1.1 ซึ่งทั้งคู่มีบริบท 1M โทเคน ในราคา $1.25 สำหรับอินพุต และ $4.25 สำหรับเอาต์พุตต่อล้านโทเคน

เรื่องนี้สำคัญกับแมตช์อัปเฉพาะเจาะจงนี้มากกว่าที่ฟังดูเป็นอย่างนั้น เหตุผลที่ควรใช้ Muse Wonder คือความลึก และเหตุผลที่ควรใช้ Mercury 3 คือความเร็ว ทั้งสองอย่างนี้ทดสอบกับโมเดลที่คุณเรียกใช้ได้อยู่แล้วMuse Spark 1.2 มอบตระกูลการให้เหตุผลของ Meta พร้อมเรตการ์ดที่เผยแพร่ฝั่งเรา และ โมเดลกว่า 200 โมเดลที่เข้าถึงได้ผ่านคีย์เดียวที่เข้ากันได้กับ OpenAI ช่วยให้คุณเปรียบเทียบเวลาแฝงได้โดยไม่ต้องมีสัญญาที่สองหาก $4/$20 ของ Muse Wonder จะสมเหตุสมผลสำหรับเวิร์กโหลดของคุณ มันต้องเอาชนะอะไรบางอย่างได้ — และสิ่งนั้นควรเป็นโมเดลที่คุณวัดได้ในบ่ายนี้

ข้อได้เปรียบเชิงกลไกที่ควรค่าแก่การกล่าวถึงคือการส่งผ่านราคา ราคาตามรายการของผู้ให้บริการมาถึงบิลของคุณโดยไม่เปลี่ยนแปลง ดังนั้นเมื่อผู้ขายลดราคา — เช่นส่วนลดเปิดตัว 50 เปอร์เซ็นต์ของ Inception หรือการลดราคาสมมติของ Meta — จะมีผลฝั่งเราในวันที่ประกาศ ไม่ใช่เมื่อถึงรอบต่ออายุครั้งถัดไป นั่นเป็นเรื่องเล็กจนถึงวันที่มันไม่ใช่

อะไรจะยุติเรื่องนี้ได้

การวัดสองอย่างจะช่วยทำงานส่วนใหญ่ได้ อย่างแรกคือตัวเลขทรูพุตของ Mercury 3 ที่เป็นอิสระภายใต้ฮาร์เนส ระดับความพยายาม และขนาดแบตช์ที่ระบุไว้ ส่วนอย่างที่สองคือคะแนนคุณภาพของ Mercury 3 ที่เป็นอิสระใด ๆ ก็ได้ ตราบใดที่ยังไม่มีทั้งสองอย่าง โมเดลที่เร็วที่สุดในการเปรียบเทียบนี้ก็เป็นโมเดลที่คุณรู้จักน้อยที่สุดเช่นกัน และโมเดลที่ความสามารถสูงสุดก็คือโมเดลที่คุณเรียกใช้ได้เพียงผ่านการสมัครสมาชิก หรือในราคาที่ยากจะบอกว่าคุ้มได้หากไม่มีกรณีการใช้งานที่ทนต่อความเงียบได้ครึ่งนาที

สิ่งที่ทำให้เรื่องนี้เป็นการตัดสินใจที่ง่ายแทนที่จะเป็นเรื่องยาก คือโมเดลทั้งสองไม่ได้แข่งขันกันในช่องการใช้งานเดียวกัน ความเสี่ยงที่แท้จริงเพียงอย่างเดียวคือการเลือกช่องผิด — การนำโมเดลที่ใช้เวลา 30 วินาทีไปใส่ในหน้าต่างแชตเพราะผล benchmark ดีกว่า หรือการนำโมเดลที่ยังไม่ได้วัดผลไปใส่ในไปป์ไลน์ที่ไม่มีการตรวจสอบเพราะราคาดีกว่า ทั้งสองกรณีเป็นการตัดสินใจเกี่ยวกับผลิตภัณฑ์ของคุณ ไม่ใช่เกี่ยวกับตัวโมเดล และไม่มีกรณีใดที่ถูกชี้ขาดด้วยตัวเลขบนลีดเดอร์บอร์ด