Mercury 3 对比 DeepSeek V4 Pro：一个按时钟计费，一个按发布计费

两个模型都可能标价“每百万输出 token 约一美元”，但最终账单却可能截然不同。Mercury 3 本周每百万输出 token 收费 $0.35，在发布折扣结束后收费 $0.70——这份价目表有一个未知日期。DeepSeek V4 Pro 在非高峰时段每百万输出 token 收费 $1.98，而在每个工作日的两个时间窗口 01:00–04:00 和 06:00–10:00 UTC 期间收费 $3.96——这份价目表则附有时钟。如果你的流量具有突发性，并且落在这些窗口内，DeepSeek V4 Pro 的成本最高可达 Mercury 3 发布时成本的 11 倍，约为 Mercury 标价的 5.7 倍。如果你的流量在夜间和周末运行，差距会缩小到 2.8 倍。这两个数字都不是标题对比中出现的那个数字，而这正是把两者并排比较的意义所在。像此次发布这样的版本背后，有记录的 AI 故障和智能体事件都收集在OrcaRouter AI Incident Archive中，每条记录都带有自己的来源、严重程度、置信等级和争议标记。

模型本身的差距也比价格所暗示的更大。Mercury 3 是 Inception Labs 的扩散语言模型，于 2026 年 10 月 19 日发布：100 万 token 上下文、131,072 个输出 token、仅支持文本，按 Inception 自己的测量为每秒 1,068 个 token，且未公布任何数值基准分数。DeepSeek V4 Pro 是 DeepSeek 的旗舰混合专家模型，于 2026 年 4 月 24 日发布，并于 8 月更新为 0813 构建版本：总参数 1.6 万亿，其中约 490 亿为活跃参数，上下文 1,048,576，输出上限 384,000 个 token，仅支持文本输入，背后有大量第三方测量数据。一个是主打速度、上限尚未得到验证的选择。另一个是主打容量、成绩单已被验证——而且并不均衡——的选择。

费率卡，包括那些容易被忽略的部分

• 输出 — Mercury 3 发布时每百万 $0.35，标价 $0.70。DeepSeek V4 Pro 非高峰时段 $1.98，高峰时段 $3.96。

• 输入 — Mercury 3 上线时 $0.10，标价 $0.20。DeepSeek V4 Pro 非高峰时段 $0.66，高峰时段 $1.32。

• 缓存输入——Mercury 3 发布时 $0.01，标价 $0.02，即固定 90% 的折扣。DeepSeek V4 Pro 低谷时段 $0.022，高峰时段 $0.044，同样是 1/30 的比例，只是基数更高。

• 高峰计费适用时——D​eepSeek 的高峰时段为 UTC 周一至周五 01:00–04:00 和 06:00–10:00，中国法定节假日除外。其他所有时间，包括整个周末时段，均按较低费率计费。Mercury 3 的折扣没有公布结束日期。

• 输出上限——DeepSeek V4 Pro 384,000 个 token，约为 Mercury 3 的 131,072 的三倍。

• 上下文 — 两者名义上均为 1M tokens。

• 输入——两者均仅支持文本。二者都不是多模态模型，因此这一维度上打成平手，而非通常的区分点。

• 吞吐量——Mercury 3 每 Inception 为 1,068 tok/s，未能复现。DeepSeek V4 Pro 的输出为 119.1 tok/s，这是基于我们自有 playground 七天流量测得的。

• 推理控制 — Mercury 3 提供即时、低、中、高四档投入程度，默认低档。DeepSeek V4 Pro 默认以思考模式运行，并提供非思考模式，两种模式定价相同。

峰值窗口规则值得比通常获得更多的关注，因为它会让一个假设单一费率的价格模型在每个工作日中约七个小时内偏差达两倍——而这七个小时覆盖了欧洲的上午和美国工作日的开端。一份在电子表格上看起来是每百万 $1.98 的工作负载，在无人改动任何一行代码的情况下，混合后可能变成每百万 $2.97。

D​eepSeek 自己的数字说明了什么

DeepSeek V4 Pro 的可衡量性是目前 Mercury 3 所不具备的，而这些测量结果并非全都那么好看。Artificial Analysis 将其 Intelligence Index 定为 36.0，AA Coding 得分为 68.8。其 GPQA Diamond 得分为 92.8%，Humanity's Last Exam 为 41%，SciCode 为 51%，长上下文召回率为 80.3%。在智能体工具使用基准 τ²-Bench 上，它得分为 96.2——而我们自己的目录卡片正是以这个数字作为主打开头，这说明了该模型真正擅长的是什么。

应该让编码智能体停下来思考的数字是 Terminal-Bench 4.0：14.1%。这不是笔误，也不是与 Claude Opus 5.5 得分 59.6% 不同的另一个基准。Terminal-Bench 4.0 是一套长时程终端任务套件，而一个在该套件上只拿到十几分低段的模型，不是那种你交给它多步骤工程任务后就能撒手不管的模型。与之形成对比的是 τ²-Bench 上的 96.2：DeepSeek V4 Pro 非常擅长针对定义良好的函数进行结构化工具调用，却不擅长开放式的 shell 工作。它们是不同的产品，而这两个分数合在一起描述的正是边界所在。

Mercury 3 没有对应的表格。它唯一的结构化质量声明，是在 50 个真实的 Mind2Web 导航任务上运行的一个智能体完成了 50%；Inception 称这“显著多于 GPT-6.1-Sol”，并且使用了相同的 token 量和步数。因此，买家真正想要的比较——这两个模型在同一个智能体任务上表现如何——还没有任何人在公开场合做过。可以说的是，它们是为不同的失败模式而构建的：DeepSeek 具备深厚的工具调用能力和较长的输出预算；Mercury 则拥有速度，但证据基础要薄弱得多。

成本，按真实时钟计

以一个文档处理工作负载为例：每天 6000 万输入 token 和 1500 万输出 token，这对中型律所的合同或申报文件审查来说是一条合理的流水线。按 Mercury 3 的发布价格计算，输入费用为 6.00 美元，输出费用为 5.25 美元，合计每天 11.25 美元。按 DeepSeek V4 Pro 的非高峰价格计算，输入费用为 39.60 美元，输出费用为 29.70 美元，合计每天 69.30 美元。

现在，把其中一半流量移入 D​eepSeek 的高峰时段。3000 万输入 token 在非高峰时段的费用为 19.80 美元，在高峰时段为 39.60 美元；输出费用则分别为 14.85 美元和 29.70 美元。每日总额变为 103.95 美元。相同的 token、相同的模型，账单却从 69.30 美元涨到了 103.95 美元。Mercury 3 的账单则完全不随时钟变化。

DeepSeek 能把这笔钱赚回来的地方在于容量。384,000 token 的输出上限意味着单次调用就能对超长文档完成结构化提取，而无需分块——对于法律或金融流水线来说，这不是便利性，而是正确性属性，因为交叉引用正是在分块时丢失的。Mercury 3 的 131,072 token 上限将覆盖大多数此类任务，但无法覆盖全部。如果你的任务经常产生超过 130K token 的输出，那么价格比较就失去意义：更便宜的模型做不了这项工作。

价格表里没人提到的开放权重差异

DeepSeek 会公开发布模型权重。DeepSeek-V4-Pro-0813 以 deepseek-ai 组织名义发布在 Hugging Face 上，日期为 2026 年 8 月 13 日，与持续发布至 10 月的 V4.1-Flash 系列并列。这意味着你可以自托管、微调、量化该模型，或在隔离网络环境中运行它，任何供应商都无法将其从你手中收回。Inception 并未公开发布 Mercury 3 的权重，且公告中也没有做出此类承诺。如果你的合规要求规定模型必须部署在你自己的边界之内，那么这场比较就只有一个可行答案。

这里的取舍在于，自行托管一个1.6万亿参数的专家混合模型并不是一个周末就能完成的项目，而托管价格又足够低，以至于大多数团队都不应尝试自行托管。关键点在于可选择性，而非经济性。

将两者置于同一个密钥之后

DeepSeek V4 Pro 已收录在我们的目录中，名称为 deepseek/deepseek-v4-pro，计费依据为 DeepSeek 自身费率，0% 加价——包括高峰倍率，该倍率原样传递，而不是被平滑成一个固定数字。这一点在这里比平时更重要：一个价格随时段波动的提供商，正是路由器应当向你展示真实时间表、而不是平均值的情形。Mercury 3 不在我们的目录中；我们的模型 API 完全没有 Inception 模型，因此通往它的途径是 Inception 自己的平台。

对于同时评估两者的团队，合理的模式是按任务形态拆分，而不是按价格拆分。将长输出抽取和结构化工具调用交给 DeepSeek V4 Pro，在那里 384K 上限和 τ²-Bench 分数确实发挥作用；将延迟关键、短输出的层级通过 Inception 的密钥交给 Mercury 3。一个兼容 OpenAI 的端点覆盖 DeepSeek 一侧以及 200 多个其他模型，并在提供商性能下降时自动故障转移，而且 路由 DSL 可以承载任务形态规则，因此只需配置一次，而不必在每个服务中重新实现。你在速度就是产品的地方保留廉价的快速路径，在正确性至关重要的地方保留久经考验的容量。

该选哪一个

当任务是长结构化输出、针对已定义函数的工具调用工作流，或任何必须在你自己的基础设施内运行的内容时，选择 DeepSeek V4 Pro。接受这一点：你支付的是 Mercury 3 发布价的 2.8 到 5.7 倍，账单会随小时变化，而且 Terminal-Bench 4.0 表明它不是你的自主编码智能体。

当任务短小、仅涉及文本、对延迟敏感且重试成本低时——例如语音轮次、提示、搜索摘要、客服草稿——并且当你愿意自行开展评估时，选择 Mercury 3，因为还没有人发布过相关评估。发布折扣让试用几乎免费；缺少结束日期使其不适合作为五年成本模型的基础。

最不该做的一件事，就是依据宣传中的 token 价格在二者之间做选择。D​eepSeek 的时间表和 Mercury 的发布窗口都各有其临时性，而真正应当驱动决策的数字——每完成一项任务的成本，包括重试和人工审核——却是两家供应商都不公布的数字。