Mercury 3 对比 Claude Opus 5.5：输出 token 便宜 57 倍，并不等于答案更便宜

本周，Mercury 3 每百万输出 token 的价格是 $0.35。Claude Opus 5.5 则是 $20.00。把一条客服队列的规模乘以这两个数字，差距看起来就像是某张费率卡出了错——按发布价计算是 57 倍；一旦 Inception 的 50% 折扣结束、Mercury 3 恢复到 $0.70，则是 28.6 倍。决定这一比较的问题，并不是哪个数字更小，而是：你需要发起多少次 Mercury 3 调用，才能得到 Opus 5.5 第一次就能答对的答案；因为每一次重试、每一次升级处理、每一次人工复核，都是按人员或第二次调用的费率计费，而不是按 token 的费率计费。 像这次发布背后那些有记录的 AI 故障和智能体事故，都收录在OrcaRouter AI Incident Archive中，其中每条记录都带有自己的来源、严重程度、置信度等级和争议标记。

这种定位之所以重要，是因为这两个模型并非普通意义上的竞争对手。Claude Opus 5.5 由 Anthropic 于 2026 年 9 月 22 日发布，是一款前沿推理模型，定价为每百万输入 token 4 美元、每百万输出 token 20 美元，专为长周期智能体编程与知识工作打造，具备自适应思考、视觉与文件输入能力，上下文窗口为 100 万 token，输出上限为 12.8 万 token。Mercury 3 由 Inception Labs 于 2026 年 10 月 19 日发布，是一款以速度为目标的扩散语言模型：按 Inception 自己的测量，在 NVIDIA 硬件上达到每秒 1,068 个 token，上下文 100 万 token，输出 13.1 万 token，仅支持文本，而其质量对标声明点名的是 GPT-6 Luna 和 Claude Haiku 5.5——即速度层级——而非 Opus。尽管如此，对二者进行比较仍然值得，因为价格差距恰恰会诱发那种其定位并不支持的替代。

这些数字实际上从何而来

本文中所有 Opus 5.5 的质量数据均来自 Artificial Analysis，并且是在其自有评测框架上测得的：Intelligence Index 为 57.6，Humanity's Last Exam 为 61.4%，SciCode 为 66.9%，Terminal-Bench 4.0 为 59.6%，长上下文召回率为 84.7%。这些数据是独立测得的，并且截至本周仍为最新。

Mercury 3 的每一项数字都来自 Inception，并于昨日发布，只有一个例外：与上一代产品的吞吐量对比。Artificial Analysis 测得 Mercury 2.5 为每秒 705.9 个 token，Mercury 2 约为 684。Mercury 3 尚无 Artificial Analysis 页面——模型索引仍止于 Mercury 2.5——因此其 1,068 tok/s 以及“优于 GPT-6 Luna 和 Claude Haiku 5.5”的说法均属厂商自报、未经复现，至少在未来一周内都应如此看待。

这种不对称正是整个对比的缩影。一方拥有经过独立审计的评分和公开的价目表；另一方则只有一篇发布帖、一项折扣和一个非常大的速度数字。

逐项规格，并附上证据。

• 输出价格——Mercury 3 发布时为每百万 $0.35，标价为 $0.70，而 Opus 5.5 为 $20.00。该比值在促销期间为 57 倍，促销后为 28.6 倍。

• 输入价格 — Mercury 3 发布时 $0.10，标价 $0.20，而 Opus 5.5 为 $4.00。同样的模式，比例略高。

• 缓存输入——Mercury 3 上线时为 $0.01，标价为 $0.02，而 Opus 5.5 的缓存读取为 $0.20。Opus 对写入 5 分钟缓存每百万 token 收费 $5.00，对 1 小时缓存收费 $8.00，而 Mercury 的价目表未单独列出这些费用。

• 吞吐量——Mercury 3 为 1,068 tok/s（据 Inception），尚未复现；Opus 5.5 的输出为 75.6 tok/s，这是根据我们过去七天自有 playground 流量测得的。这是十四倍的差距，方向与 Inception 所声称的一致，而且这一次至少两边都进行了测量，尽管使用的是不同的测试框架。

• 首个 token 时间——Mercury 3 是扩散模型，采用并行生成，因此其首个有用输出比自回归模型更早到达；Inception 未公布聊天接口的这一数字，且公司主页上“低于 300ms”的说法指的是产品线，而非特指 Mercury 3。Opus 5.5 在我们流量上的 p50 端到端延迟为 4.4 秒，其中包含思考时间。

• 上下文——两者均为 1M token。输出上限不同：Mercury 3 为 131,072，Opus 5.5 为 128,000。

• 输入方式 — {{1}}Opus 5.5{{/1}} 支持文本、图像和文件；{{2}}Mercury 3{{/2}} 仅支持文本。这可不是一个可以忽略的小项。你流程中的任何文档、截图、图表或 PDF 都会在不知不觉中让 {{2}}Mercury 3{{/2}} 出局。

• 推理控制——Mercury 3 提供即时、低、中、高四档推理力度，字段缺省时默认为低。Opus 5.5 使用自适应思考，并自带一套努力程度调节机制。如果未显式设置该字段，两者的默认行为都会让你意外：Mercury 3 默认为低，Opus 则取决于 Anthropic 的自适应策略为该请求选择了什么。

• 证据 — Opus 5.5 拥有独立的指数得分和一张供应商基准表；Mercury 3 既没有第三方得分，也没有数值型的供应商得分。

Inception 确实发布过的那一个智能体结果

隐藏在吞吐量宣称之下的，是 Mercury 3 唯一一项有明确任务定义的质量评测：在 50 个真实 Mind2Web 导航任务上运行的一个 Web 代理评测框架，Mercury 3 在其中完成了 50%，并且 Inception 称其“显著多于 GPT-6.1-Sol”，同时使用了相同的 token 用量和代理步数。

仔细读一下这一点。对比模型是 GPT-6.1 Sol，不是 Opus 5.5。评估框架是 Inception 自家的生产版本。样本是 50 个任务。而对成本而言，关键在于“相同的 token 量和相同数量的智能体步骤”，因为这意味着单任务节省确实来自每 token 的比例，而不是模型用更少步骤达成目标所造成的假象。对于一个快速模型来说，在实时网站导航上达到 50% 的完成率是一个可信的结果；这并不是在声称 Mercury 3 能完成 Opus 级别的编码任务。

对于 Opus 5.5，对应的证据是 Terminal-Bench 4.0 在 Artificial Analysis 的评估框架上取得 59.6%——这是另一个基准测试、另一类任务，不能直接比较。诚实的说法是，还没有人在同一个智能体基准测试上运行这两个模型并公布结果。在有人做到之前，所有关于哪个模型更擅长智能体工作的说法，都只是基于定位的推断。

每项每周的流量成本是多少

假设一个对两者都合理的工作负载：每天 200 万输入 token 和 50 万输出 token，大致相当于一个中型支持或研究助手，调用量为几十万次。在 Mercury 3 上按上线价格计算，输入费用为 $0.20，输出费用为 $0.175——每天不到 40 美分。按标价计算则是 $0.40 和 $0.35，也就是 75 美分。在 Opus 5.5 上，相同流量为输入 $8.00、输出 $10.00，也就是每天 $18.00。

现在再加上 token 计算所隐藏的部分。如果 Mercury 3 每五次调用中有一次需要第二次尝试，且每次重试的成本与原调用相同，那么实际价格会上涨 20%——达到每天约 45 美分。即使在每一次调用都必须重复一次的荒谬情况下，账单也会是 75 美分，仍比 Opus 5.5 低 24 倍。价格上的比较并不接近，而这正是为什么决策必须转而基于质量和能力来做出。

反过来看，同样的算术也能解释为什么人们仍然愿意为 Opus 付费。按每天 18 美元计算，每天只要避免一次升级处理——一次不必转接人工的支持请求、一次无需二次审查的代码改动——就足以把整张 Opus 账单抵回来好几倍。这个模型按 token 计费之所以昂贵，是因为它所替代的工作还要昂贵得多。

未在价格表中显示的功能项

Opus 5.5 可以接收图像和文件，这意味着它能读取用户附上的截图、合同所在的 PDF，或设计文档中的图表。Mercury 3 则是纯文本输入、纯文本输出。如果你的工作负载涉及上述任何一项，那么比较到此为止，价格差距也就无关紧要了。

Opus 5.5 还搭载了 Anthropic 的整套工具能力：结构化输出、工具调用、针对异步工作提供半价批处理 API，以及带有明确写入与读取费率的提示缓存。Mercury 3 则在兼容 OpenAI 的端点上提供工具调用和结构化输出，这确实很方便——无需重写代码即可直接接入现有项目——但它的缓存机制只是对输入费用打折，而非有文档记录的缓存写入生命周期。

相反的能力指标是速度。Opus 5.5 每秒 75.6 个 token，对于处理长任务的编码智能体来说还算可以，但对于任何需要人等待的场景都很痛苦。Mercury 3 的卖点是，等待它的人不会察觉到等待。如果你的产品是语音轮次、自动补全、搜索答案或辅导老师的提示，那么这种差异就是产品本身，而不是锦上添花的功能。

如何在不押注任何一方的情况下同时运行两者

Claude Opus 5.5 已列入我们的目录，名称为 anthropic/claude-opus-5.5，价格为 Anthropic 的标价——输入 $4、输出 $20、缓存读取 $0.20——零加价，因此 Anthropic 价目表的变动当天就会反映在我们这边，而不是等到下一个计费周期。Mercury 3 不在我们的目录中：我们的模型 API 完全不返回任何 Inception 模型，诚实的做法是通过 Inception 自有平台访问它。我们不会为了让路由推介奏效就假装不是这样。

这种拆分真正有用的地方，恰恰就是这个决策。把 Mercury 3 放在 Inception 的密钥之后、用于延迟关键层，将 Opus 5.5 保留为升级路径，置于一个与 OpenAI 兼容的端点之后，与 200 多个其他模型并列，并让自动故障转移兜住新提供商在头一个月出现波动的情况。routing DSL 可以表达这种交接——先走快模型，在低置信度信号或工具调用失败时升级——而无需为回退方案再做一套集成。最终，你是在用自身流量来衡量 Mercury 3，而不是拿一篇发布文章来衡量；同时，对于需要读取截图的请求，你保留了具备该能力的模型。

该选哪一个

如果你的工作负载是纯文本、受延迟约束，并且能容忍偶尔出现可由人工或重试捕获的错误答案，那么按发布价计费的 Mercury 3 是本周可用的最便宜且可信的选项之一，而 Inception 平台上的 1 亿免费 tokens 让试用几乎免费。在你自己的流量上试用它，固定 effort 设置，并衡量重试率而不是吞吐量。

如果你的工作负载涉及文档、图像、长周期代码变更，或涉及在采取行动前无人核验的答案，那么 Opus 5.5 仍是稳妥之选，而价格并不是关键变量。你真正购买的是它的独立指数得分、多模态输入和已公布的基准测试表，而目前 Mercury 3 在这些方面都还没有对等项。

要避免的错误是把 57x 当作迁移的强制要求。它只是 token 的折扣，而 token 是大多数 AI 系统中最便宜的部分。昂贵的部分——人工审核输出、错误答案触达客户、围绕一个看不见的模型重建流水线——恰恰是价格表没有显示的部分。