Mercury 3 对比 Gemini 4 Pro：其中一个名称并非型号

并不存在 Gemini 4 Pro。存在的是 Gemini 4 Argon，Google 于 2026 年 10 月 13 日在其付费 API 层级正式全面开放；还有 Inception Labs 于 2026 年 10 月 19 日发布的 Mercury 3——而很多人正在搜索 Mercury 3 与一个 Google 从未宣布、从未赋予标识符、从未定价、也从未公布上下文长度的 Gemini 4 Pro 之间的对比。尽管如此，本文仍认真对待这一查询，因为它背后的问题确实存在：一个来自小型实验室、每秒 1,068 个 token 的扩散模型，与 Google 当前旗舰模型在真正可衡量的方面相比究竟如何？答案以确实存在的模型 Gemini 4 Argon 为对照，而第一个发现是：两者根本不在同一个市场。像此次发布背后的那些有记录的 AI 故障和智能体事件，均收录在 OrcaRouter AI Incident Archive 中，其中每条记录都带有各自的来源、严重程度、置信等级和争议标记。

缺失的姓名是如何核对无误的

这种缺失并非从沉默中推断而来。它经受住了五项独立检验。

• Google 的 Gemini API 模型文档在其 Gemini 4 标题下仅列出了一个模型——gemini-4-argon——该页面最后更新于 2026 年 10 月 19 日，即本文发布前一天。第二张 Gemini 4 卡片并未紧随其后出现。

• DeepMind 模型页面在 Gemini 4 系列中只包含 Argon 卡片，别无其他。

• Google 自己的博客没有 Gemini 4 Pro 的发布公告，而 Argon 的发布文章将 Argon 描述为 Gemini 4 家族的旗舰，而不是一个上方或下方另有 Pro 的分层产品线中的成员。

• 在 API 文档中的任何地方都没有 Gemini 4 Pro 的模型标识符，没有费率卡，没有上下文长度，没有输出上限，也没有许可条款。一个连这些都没有的模型，并不是一个被悄悄发布的模型；它只是一个人们假定将会存在的名字。

• 它也不在我们的目录中。OrcaRouter 路由的 G​oogle 模型属于 3.x 产品线——gemini-3.1-pro-preview、gemini-3.8-flash、gemini-3.6-flash、gemini-3.5-flash 以及 lite 变体——完全不涉及 4 系列。我们没有隐瞒任何路由；根本不存在可隐瞒的路由。

如果 G​emini 4 Pro 今年晚些时候推出，这个对比的结构很可能仍然成立，因为它将占据的价位已经被位于产品线顶端的 Argon 占据。但下面的数字属于 G​emini 4 Argon，并且它们也是这样标注的。

G​emini 4 Argon 是什么，因为它是被比较的对象

G​emini 4 Argon 于 2026 年 9 月 30 日发布，并于 2026 年 10 月 13 日在付费层级正式可用。它在调用的输入端和输出端均支持多模态——输入文本、图像、视频、音频和 PDF，输出文本——具有 100 万 token 的统一上下文，默认输出上限为 65,536 个 token，在长解码模式下可扩展至 1,048,576 个 token。其初始定价为每百万输入 token 2.00 美元、每百万输出 token 10.00 美元，并将于 2026 年 12 月 1 日上涨至 4.00 美元和 20.00 美元；缓存输入为 0.10 美元，并于同日翻倍至 0.20 美元。缓存仅为隐式缓存；没有可购买的显式缓存层级。它不在 G​oogle 的免费层级中。

在 Artificial Analysis 的 Intelligence Index 上，它的得分为 52.6，每项索引任务的计算成本约为 1.99 美元。Google 自己公布的数据包括 Terminal-Bench 4.0 上的 57.1%、SciCode 上的 61.8%，以及 Humanity's Last Exam 上的 57.1%——这些数据由供应商报告，并已如此标注，但至少是在具名测试框架和具名任务上给出的。

因此，这场比较另一边的模型是一款多模态旗舰模型，独立指数评分为 52.6，价格在六周内翻倍。Mercury 3 是一款纯文本扩散模型，没有指数评分，发布时价格减半。这场比较的几乎每一个维度，都是关于语言模型用途的两种不同理论之间的对照。

规格对比，聚焦决定部署的关键维度

• 输出价格——Mercury 3 发布时每百万 token 为 $0.35，标价为 $0.70；相比之下，Gemini 4 Argon 目前为 $10.00，自 2026 年 12 月 1 日起为 $20.00。

• 输入价格 — 发布价为 $0.10，标价为 $0.20，而目前为 $2.00，12 月 1 日之后为 $4.00。

• 缓存输入 — Mercury 3 上上线价为 $0.01、标价为 $0.02，而 Argon 上当前为 $0.10，12 月 1 日之后为 $0.20，且仅支持隐式缓存。

• 上下文 — 两者均为 1,000,000 个 token，不过 Argon 的上下文跨模态统一，而 Mercury 3 的上下文仅支持文本。

• 最大输出 — 在 Mercury 3 上为 131,072 个 token，而 Argon 上默认为 65,536 个，在长解码模式下最高可达 1,048,576 个。

• 输入模态 — 仅文本 vs 文本、图像、视频、音频和 PDF。

• 吞吐量 — Mercury 3 上厂商报告的每秒 1,068 个 token，而 Argon 未公布可比的单流数据。

• 独立指数得分——Mercury 3 无此项，而 Argon 为 52.6，每项指数任务的计算成本约为 1.99 美元。

• 价格方向 — Mercury 3 的折扣没有公布结束日期；Argon 的涨价定于 2026 年 12 月 1 日，并且一旦输入越过长上下文边界，就会适用于整个请求。

定价这一条将决定大多数实际部署，而12月1日这个日期带来的紧迫感，是Mercury发布所不具备的。一个团队以2.00美元/10.00美元的价格在Argon上搭建文档流水线，到了1月重新运行成本模型时，就会发现输入费率翻了一番，输出费率也随之翻倍。这并非难以察觉的风险；这就是日历上标好的一件事。

价格比较彻底失效之处

Gemini 4 Argon 可处理 PDF、截图、音频和视频。Mercury 3 只处理文本。仅凭这一点，就足以让 Argon 实际承载的很大一部分工作负载不再适用价格对比——发票、扫描表单、通话录音、屏幕录制，以及任何输入以像素或波形而非字符形式呈现的场景。

把 PDF 输入 Mercury 3 意味着先运行 OCR 或布局模型，而这一步有自己的成本、自己的延迟和自己的错误率。一份 40 页的扫描合同并不会因为读取提取文本的模型很便宜就变得免费。在 Argon 的多模态能力起关键作用的工作负载上，Mercury 3 并不是一个更便宜的选项——它根本不是一个选项，诚实的比较到此为止。

在模态确实对齐的地方——文本输入、文本输出，而大量生产流量正是如此——按 Argon 当前的输出费率计算，价格差距约为 14 倍，12 月 1 日之后则为 28 倍。这足以改变架构。一个目前会把二十个候选段落发送给旗舰模型进行重排序的检索流水线，可以用同样的钱把一百个候选段落发送给 Mercury 3，而额外的上下文很可能比每 token 的质量差异更有价值。

证据不对称，以及为什么它在这里更重要

Gemini 4 Argon 有一项独立测量结果和一份厂商基准测试表。Mercury 3 两者都没有。Mercury 3 拥有的是 Inception 在未具体说明的 NVIDIA 硬件上测得的一个吞吐量数字、一项参数量达到 Mercury 1 的 40 倍以上的说法，以及一个结构化质量结果：在 Inception 自有的智能体运行框架内，50 个实时 Mind2Web 导航任务取得 50% 的完成率；该公司称，在相同 token 用量和步数下，这一结果“显著优于 GPT-6.1-Sol”。

这是一个真实的结果——实时网络导航很难作弊——但它无法与中立指数上的 52.6 相提并论。这两个数字回答的是不同问题：一个说的是“该模型能完成五十个真实导航任务中的一半”；另一个说的是“该模型在一个固定、公开的测试套件上得分为 52.6，而该指数中的其他所有模型也都参加过这个套件”。你可以把第二个与其他模型进行排名比较。对第一个，你只能做合理性检查。

比较中还隐藏着一个校准问题。当省略该参数时，Mercury 3 会默认采用其四档投入程度设置中的最低档，因此任何没有固定投入程度的评估，都是在以该模型能力最低的设置进行测量。Argon 没有对应的调节档位。若粗心大意地对两者进行基准测试，会让差距在任一方向上都显得比实际更大——而 Inception 自己的比较性声明并未说明这些结果是由哪一档设置产生的。

这两个模型在价格变动上并不站在同一边

把两张费率卡并排放在一起，发展方向的走向却相反。Mercury 3 推出时提供 50% 折扣，且没有结束日期，这意味着开发者无法判断六个月后的费率是 $0.10/$0.35 还是 $0.20/$0.70。Argon 以 introductory rate 推出，并有明确的结束日期，这意味着开发者清楚知道 12 月 2 日的费率是多少：翻倍。

对坏数字的确信，往往比好好数字的不确定更有价值；而在这个案例里，两个模型恰好各给你一种。如果你要为一条流水线做年度预算，那么从12月起，Argon 的 $4.00/$20.00 就是应当作为建模依据的数字；Mercury 3 的 $0.20/$0.70 标价也是应当作为建模依据的数字，因为该折扣并不是价目表。即便采用这两个保守数字，输出侧的差距仍达 20 倍，这依然是本次比较中最大的单一事实。

价目表不会告诉你的是，一项任务到底要花多少成本。Argon 的索引运行每个任务约消耗 1.99 美元的计算成本；Mercury 3 没有等效的衡量方式，而且其在扩散解码下的 token 经济性与自回归模型并不是同一种形态。现在任何给出 Mercury 3 每任务成本的人，都是在根据每 token 费率和对输出长度的猜测进行外推。

如何兼顾两者而不偏向任何一方

G​emini 4 Argon 不在 OrcaRouter 目录中。我们从 G​oogle 路由的是 3.x 系列——gemini-3.1-pro-preview 为 $2.00/$12.00，gemini-3.8-flash 和 gemini-3.6-flash 为 $0.75/$3.75，gemini-3.5-flash 为 $1.50/$9.00，以及 lite 变体——而 Mercury 3 也不在目录中，原因更简单：我们不提供任何 Inception 模型。因此，对于这一特定对比，我们的诚实立场是：我们不是其中任何一方的路由。

路由器仍然有用的地方，在于架构中围绕这一选择的那部分。我们确实提供的 3.x 模型可以作为任一方的兜底：将大部分文本工作路由到 Gemini 3.1 Pro 或 Gemini 3.8 Flash，按其标价计费，我方不加价，并且只把真正需要旗舰模型或扩散模型的调用发送给各自的供应商。这样就能让一个端点、一个密钥和一套凭据继续服务于大多数流量，并将这两个特例限制在两条狭窄的代码路径中——这比把其中任何一个设为所有场景的默认选项所需的投入要小得多。

直通定价对 Argon 尤为重要。当 12 月 1 日到来、Google 将费率翻倍时，被路由的模型价格会在供应商调价当天随之变化，无需重新谈判，你的成本模型里也不会出现过时的费率表。我们目前并未对 Argon 进行路由；如果情况有变，涨幅将按照 Google 公布的时间表生效，而不是按我们的时间表。

如何处理与不存在的模型进行比较的问题

这条实用建议平淡无奇，但值得说明。如果你面前的采购文件、内部提案或供应商演示文稿引用了 Gemini 4 Pro，就要求提供 API 中的模型标识符。不是营销名称，不是系列名称，也不是层级——而是你会放进请求体里的那个字符串。如果答案是 gemini-4-argon，那你看到的就是换了个标签的 Argon，其价目表现在是 $2.00/$10.00，从 12 月 1 日起是 $4.00/$20.00。如果没有答案，那这份文件引用的只是一个名称，而不是一个产品。

同样的测试反过来也适用于 Mercury 3。它的标识符是真实的，它的价目表已公布，它的上下文长度已公布，而它的吞吐量数字只是厂商的说法。在一个拥有完整规格表却没有独立评分的模型，与一个拥有独立评分但人们总把名字弄错的模型之间，后者仍然是更稳妥的默认选择——不是因为 G​oogle 是更稳妥的供应商，而是因为一个你无需凭空相信的数字，比一个你无法核实的折扣更有价值。在 Inception 的模型拥有索引页之前，这两者之间的选择就是证据与价格之间的选择，而大多数团队应该购买证据、租用价格。