Mercury 2.5 预览版 vs Gemini 3.1 Pro：两次预览，相隔六个月

这场对决中的两款模型，名字里都带着“预览”二字，而相似之处也就到此为止。Mercury 2.5 Preview 和 Gemini 3.1 Pro 都是目前可以通过 API 调用的推理模型，但它们的“预览”状态正处在生命周期中截然相反的两端。旗舰推理模型 Gemini 3.1 Pro 自 2026 年 2 月 19 日起就一直处于预览阶段——背后已有六个月的独立评测、公开榜单排名和生产环境流量，发布时 Artificial Analysis 智能指数为 57，支持文本、图像、音频和视频的多模态输入，拥有 100 万 token 的上下文窗口，定价为每百万 token 2.00 美元 / 12.00 美元。而 Inception 的扩散式 LLM Mercury 2.5 Preview 于 2026 年 8 月 31 日发布，目前才问世两天：纯文本模型，上下文 256K，宣称每秒可处理 1,107 个 token，标价每百万 token 0.20 美元 / 0.75 美元（在 9 月 8 日前的折扣价约为 0.04 美元 / 0.15 美元），并且没有任何一项独立基准测试结果。把这两者都称为“预览版”，反而掩盖了真正的问题：在一种从根本上更快的文本生成方式面前，六个多月的证据领先优势究竟值多少钱。

每个模型到底是什么

Gemini 3.1 Pro 是一款封闭的、多模态的、通用推理旗舰模型。它能读取文本、图像、音频和视频，支持 100 万 token 的上下文窗口和 64K 的输出上限，并动态调整推理深度——厂商将其描述为随任务复杂度扩展的四级推理强度。其发布数据——ARC-AGI-2 达到 77.1%，GPQA Diamond 达到 94.3%，SWE-bench Verified 达到 80.6%，Terminal-Bench 2.0 达到 68.5%——均为厂商自行报告，但这些数据建立在六个月的独立检验之上，其中包括 Artificial Analysis 在更严格的指数尺度上进行的重新测量，该模型在该尺度上得分约为 46.5。这种重新测量正是一个成熟模型应得的：它经过了足够多的测试，以至于指数在其周围变得更具挑战性。Mercury 2.5 Preview 是一种扩散模型——它并行生成和完善 token，而非逐个生成——具有可调推理、并行工具调用和符合 schema 的 JSON，专为 Inception 所说的延迟复合型工作负载而构建：搜索代理、语音流水线、编码子代理。关于它的每一条质量声明，包括比 Mercury 2 提升超过 10 个百分点的说法，都是厂商自己的，尚未有第三方对其进行过测量。

规格对比

• 价格 — Mercury 2.5 Preview：每1M输入/输出 $0.20 / $0.75，9月8日前促销价约 $0.04 / $0.15。Gemini 3.1 Pro：每1M $2.00 / $12.00，超过200K输入后升至 $4.00 / $18.00。

• 上下文 / 输出 — Mercury 2.5 Preview：256K 上下文。Gemini 3.1 Pro：1M 上下文，64K 最大输出。

• 输入 — Mercury 2.5 预览版：仅文本。Gemini 3.1 Pro：文本、图像、音频、视频、文件。

• 架构 — Mercury 2.5 预览版：扩散式 LLM，并行令牌生成。Gemini 3.1 Pro：自回归，动态推理深度。

• 速度 — Mercury 2.5 预览版：声称达 1,107 tokens/秒。Gemini 3.1 Pro：没有可与之相比的高调宣称。

• 证据 — Mercury 2.5 Preview：仅供应商报告。Gemini 3.1 Pro：发布时AA指数为57（新标准为46.5），外加长期独立的评估记录。

多模态差距是决定性差异

对于大多数应用来说，这种比较在定价或基准测试进入考量之前就已见分晓，因为 Mercury 2.5 Preview 看不见。Gemini 3.1 Pro 能读取截图、图表、音频和视频——当你想要针对尚非文本的内容获得答案时，它就是你可以指向 PDF、图表、会议录音或 UI 的模型。Mercury 2.5 Preview 在设计上仅支持文本；这种并行生成文本的扩散语言模型完全没有图像或音频输入通道。对于文档密集型应用、视觉代理或任何多模态产品，Gemini 3.1 Pro 是这里唯一的选择，仅此而已。Mercury 2.5 Preview 的纯文本限制并非小字号的细则条款；它决定了该模型究竟有资格承担哪些工作负载。

六个月的测试对比两天

从证据来看，这不是一场较量，而且有必要直白地说出原因。Gemini 3.1 Pro 已被独立实验室拆解了六个月；它的分数被反复标定、重新测量、反复争论，这正是模型“可信赖”应有的样子。Mercury 2.5 Preview 只有一个信息来源——它的制造者——而该来源声称其智能水平比 Mercury 2 高出 10 多个百分点，并已与前沿模型中的成本优化档位持平。这两种说法都可能属实。但除了 Inception 内部人员之外，没有任何人证实过其中任何一项，而且该模型太新了，这种状况本来就在意料之中。这种不对称不在于谁更好；而在于一个是可以被认知的，另一个则还不能。

水星的速度真正赢在哪里

对 Mercury 2.5 Preview 的诚实评价是：适用范围狭窄、仅限文本，但真实成立。并行 token 生成改变了延迟的计算逻辑，这是任何自回归模型——包括 Gemini 3.1 Pro——都无法企及的，因为自回归模型在构造上就是串行的。对于语音流水线来说，讽刺之处在于输入和输出都是音频，但两者之间的思考过程却是文本：一个快速的文本推理层恰恰是让语音智能体感觉响应灵敏的关键。对于反复调用工具的搜索智能体，以及每个任务要触发许多小型补全的编码子智能体而言，单次调用的延迟会累积成感知到的速度。按首发价格——输入 $0.04，输出 $0.15——Mercury 2.5 Preview 大约比 Gemini 3.1 Pro 的标准输出费率便宜 80 倍，这不仅使它更快，而且在高吞吐量文本推理中处于不同的成本档位。但每一句话都必须附带一个前提：速度是声称的，质量等同也是声称的，而且不存在任何独立的测量验证。

定价：Gemini 的长上下文溢价对比 Mercury 的预告价

Gemini 3.1 Pro 的费率表中有一个在对比主要数字之前值得留意的细节：输入令牌超过 200K 的请求，每百万令牌的价格从 $2.00 / $12.00 阶梯式上涨至 $4.00 / $18.00。在 1M 上下文模型上，这种长上下文溢价并非边缘情况——而是真正使用该模型赖以成名的上下文窗口所需付出的代价。Mercury 2.5 Preview 没有这样的阶梯，其 256K 上下文也不太可能频繁触及长上下文区间。但 Mercury 的低价只是到 9 月 8 日截止的促销定价，而 Gemini 的则是稳定的公开费率。比较时，应拿 Mercury 的标价 $0.20 / $0.75 去对比 Gemini 的标准档位，而不是折扣后的数字——折扣是吸引你去测试的诱因，不是规划时应该依据的价格。

路由决策

这两款模型如今都已支持路由，这也改变了你应如何对待它们各自。Gemini 3.1 Pro 已在 OrcaRouter 上线，名称为 google/gemini-3.1-pro-preview，以提供商的原价转售，即 加价 0%，因此标准版和长上下文版的价格与提供商公布的价格完全一致，并且一个 API 密钥就能访问 200 多个其他模型。预览徽章恰恰是那种应该绕开而不是押注的东西——模型页面的错误率面板存在自有其道理；自动故障转移意味着，预览响应一旦质量下降，无需改动代码就会路由到第二家提供商。Mercury 2.5 Preview 尚未上线 OrcaRouter；Inception 通过自有 API 和多个第三方平台提供该模型。一个只有两天大、还不能置于故障转移之后的模型，只能算是测试候选，而非生产依赖。一旦有提供商将其上架，同样的原价转售规则也会适用，首发折扣也会于同一天生效——届时，这场对决将不再是一个决策，而是一条路由规则。

诚实的结论是，这两款预览版回答的是不同的问题。Gemini 3.1 Pro 回答的是"今天我该基于哪个模型来构建产品"——它支持多模态、长上下文，经过独立测试且稳定可靠，价格也如实反映了所有这些特性。Mercury 2.5 预览版回答的是"文本推理在物理上能快到什么程度"——其速度架构是这款模型中最引人注目的部分，正等待独立实验室确认随之而来的质量是否真实。如果你的工作负载涉及多模态或长上下文，选择早已明确。如果只是纯文本、延迟会不断累积且对价格敏感，那么 Mercury 2.5 预览版就是值得关注的押注——9月8日就是检验它的日子。