Mercury 3 对比 GPT-5.6 Sol：每 token 便宜 20 倍，而 token 正是全部论据所在

将 Mercury 3 与 GPT-5.6 Sol 并列比较的有趣之处在于，Sol 已经是 OpenAI 前沿模型中的低价端，而 Mercury 3 还要更便宜，便宜幅度之大让“便宜”这个词都失去意义。Inception Labs 于 2026 年 10 月 19 日发布 Mercury 3，价格为每百万输入 token 0.20 美元、每百万输出 token 0.70 美元，并在未说明结束日期的发布窗口期内减半至 0.10 美元和 0.35 美元。OpenAI 于 2026 年 7 月 9 日推出的 GPT-5.6 Sol，在 272,000 个 token 以下标价为 4.00 美元和 20.00 美元，超过该阈值则为 8.00 美元和 30.00 美元。在输出方面，按 Mercury 的发布价计算，这是 57 倍的差距；按标价计算，则是 28 倍的差距——而且与大多数此类差距不同，按每次回答来衡量时，这一差距并不会缩小，因为 Sol 在早先 GPT-6 对比中的优势是节省 token，而 Sol 并不像 GPT-6 Sol 那样节俭。像这次发布这样的产品发布背后那些有记录的 AI 故障和智能体事件，都收集在 OrcaRouter AI 事件档案中，每条记录都带有自己的来源、严重程度、置信度评级和争议标记。

两个模型都能在一次调用中接收一百万个 token 的输入，并且都只返回文本。它们的区别在于围绕 token 的环节：Mercury 3 是一个扩散语言模型，会一次性提交多个位置的块，厂商实测速度为每秒 1,068 个 token；而 GPT-5.6 Sol 是一个自回归前沿模型，除了文本外还接受图像和文件，Artificial Analysis 测得其速度为每秒 87.7 个 token，每个 Intelligence Index 任务成本为 1.99 美元。因此，比较的重点不太在于哪个模型更好——没有人对 Mercury 进行过这方面的测量——而更在于在计入重试和浪费的 token 后，相同工作负载在各自上的成本是多少。

两份费率卡，请仔细阅读

Sol 的定价卡中有一个边界，而 Mercury 的没有，这个边界是两款产品之间最重要的结构性差异。凡是最高 272,000 个输入 token，都按 4.00 美元和 20.00 美元计费。超过这个数，就会把整个请求重新定价为 8.00 美元和 30.00 美元——不是超出部分的 token，而是全部。在 Sol 上，一个 300,000 token 的提示词输入费用为 2.40 美元，这是一个 250,000 token 提示词按 4.00 美元计费时的两倍多，而文本量只多了 20%。

• 价格 — Mercury 3：每百万 $0.20 / $0.70，发布时为 $0.10 / $0.35，缓存输入较输入费率优惠 90%。GPT-5.6 Sol：低于 272,000 个 token 时每百万 $4.00 / $20.00，高于该值时每百万 $8.00 / $30.00，缓存输入为 $0.40，另有每百万 $5.00 的写入费用。

• 上下文与输出 — Mercury 3：输入 1,000,000 个 token，输出 131,072 个 token。GPT-5.6 Sol：输入 1,050,000 个 token，输出 128,000 个 token。

• 模态 — Mercury 3：仅支持文本。GPT-5.6 Sol：支持文本、图像和文件输入，文本输出。

• 速度 — Mercury 3：每秒 1,068 个 token，由 Inception 实测。GPT-5.6 Sol：在 Artificial Analysis 的测试框架上为每秒 87.7 个 token，在其默认长提示词工作负载下首 token 时间为 91.8 秒。

• 独立评分——Mercury 3：未公布任何评分；不存在 Artificial Analysis 页面。GPT-5.6 Sol：智能指数 47，编程指数 77.4，GPQA Diamond 94.1，Humanity's Last Exam 49.5，长上下文召回 84.0。

• 发布 — Mercury 3：2026年10月19日。GPT-5.6 Sol：2026年7月9日。

Sol 的模型卡上有一个数字值得单独用一句话来说明，因为延迟预算正是由这个数字构成的。Artificial Analysis 在其测试所用的配置上记录到，GPT-5.6 Sol 的中位首 token 时间为 91.8 秒。这不是笔误，也不是冷启动；这就是推理优先的模型在长提示词上先思考再开口时会有的表现。Mercury 3 的发布报道中包含了第三方延迟报告——Octen 在其工作负载上测得中位生成时间为 0.9 秒、端到端响应中位数为 2.2 秒——但这些只是厂商公告中的客户证言，并非中立的测试装置，而且工作负载也不同。方向毋庸置疑；但若没有共同的测试，量级问题就无法解决。

为什么 token 数量决定了这一点，以及如何针对你的工作负载进行检查

按标价计算，每 token 的差距为 28 倍，按发布时价格计算为 57 倍，因此 Sol 缩小这一差距的唯一方式，就是在完成相同工作时生成少得多的 token。GPT-6 Sol 的对比中正是如此：Sol 每个索引任务花费约 31,000 个输出 token，而 Claude Sonnet 5.5 为 193,000 个，尽管输出速率高 20 倍，Sol 每个任务的最终成本仍更低。但在这里显然并非如此：GPT-5.6 Sol 每个 Intelligence Index 任务花费 1.99 美元，而 GPT-6 Sol 在同一测试框架上花费约 1.05 美元，因此 Sol 每个答案的成本大约是其继任者的两倍；而如果 Mercury 消耗相同的 token 量，Sol 每个答案的成本大约是成本为 0.05 美元的 Mercury 3 任务的 40 倍。

那个“如果”承担了全部关键作用，值得把它作为一项测试而不是一个断言来陈述。拿一百个你自己的提示词，通过 Sol 运行，并记录每个提示词的输出 token 数以及答案是否需要重试。在 Mercury 3 上做同样的事。再乘以价目表。结果就是你的答案，而且这只需要一个下午，而不是一场基准测试争论。

有三种结果形态足够常见，可以提前预测。

• 简短、高吞吐量的文本工作——分类、提取、路由、简短摘要，每次调用输出 150 个 token。Sol 的 token 节省能力无从发挥，因此费率表就是全部关键：在折扣前，Mercury 3 上便宜 28 到 57 倍。

• 推理密集型工作——Sol 需要花费 20,000 个推理 token 的多步分析。如果 Mercury 3 需要两次尝试才能得出相同答案，实际差距就会从 28 倍降到 14 倍；如果需要五次，则降到不足六倍。这仍然是很大的节省，但已不再是决策中的舍入误差。

• 任何涉及图像的内容——截图、扫描页面、图表。Mercury 3 会返回错误。这种对比并不存在，而 Sol 的多模态输入价格就是 Sol 收多少算多少。

折扣，以及为什么诚实的成本模型使用标价

Mercury 3 每单位 $0.35 的输出价格是一项促销。Inception 已经公布了目录价和折扣，却没有公布结束日期，这意味着基于 $0.35 构建的成本模型里埋着一笔无人能够估量的负债。在上面那个短答案负载上，发布价与目录价之间相差 2 倍——正是这同样的 2 倍，区分了一个好季度与一个坏季度，而它会毫无预警地到来。

Sol 的卡片则具有相反的特性。它是稳定的，有已记录的边界，并且有已记录的缓存结构：读取每百万 $0.40，写入每百万 $5.00，比输入费率高出 25%。对于在 agent 循环的每一步都重新发送相同的 30,000 token 前导内容的工作负载，在否定这一写入溢价之前值得计算一下——Sol 一次性多付 25%，而在后续每次读取时少付 90%，并且在每项任务十步或更多时，摊销后的输入成本降至每百万 $1.00 以下。

Mercury 3 的缓存费率为标价每百万 token $0.02，发布窗口期内为 $0.01，且没有公布写入溢价。对于正是这类工作负载，这是它最有利的一个数字：一个带 30,000 token 前置提示的二十步智能体循环，在 Mercury 上按标价会消耗 $0.60 的缓存输入费用；而 Sol 在写入之后，每百万 token 的读取费用约为 $0.40——按绝对值看相当，而这一比较之所以还能保持可比，只是因为 Sol 的缓存异常出色。若把两者的缓存都去掉，差距又会回到 20 倍。

在存在 20 倍差距且没有中性分数时，路由层会做什么

GPT-5.6 Sol 已在 OrcaRouter 目录中，按 OpenAI 自己的费率计费——每百万 token 4.00 美元和 20.00 美元，超过 272,000 token 阈值后为 8.00 美元和 30.00 美元，缓存读取为 0.40 美元——通过与我们路由的其他所有服务相同的 OpenAI 兼容端点提供，且不额外加价。Mercury 3 不在目录中；我们的模型 API 对任何 Inception 模型都不返回任何内容，因此任何调用它的人只能前往 Inception 自己的平台（新账户可获得 1 亿免费 token），或前往托管它的若干第三方平台之一。

差距足够大，以至于诱人的做法是切换整个工作负载，看看哪里会出问题。不这么做的理由并非为了谨慎而谨慎；而是因为 Mercury 3 只有一项质量结果，它是在 Inception 自己的 agent harness 中、在 50 个实时 Mind2Web 任务上产生的，完成了 50%，据称其 token 用量和步骤数与前沿模型相同。这确实是一个有趣的结果——是实时网站，而不是快照——而且从外部也无法证伪，因为 harness 和评分都归卖方所有。

在这种情况下，路由规则带来的是一次有边界的实验。将一部分明确定义的流量发送给 Mercury 3，把 Sol 留在其后作为回退路径，并且让自动故障转移来覆盖新模型超时或出错的情况。这部分流量只是配置文件里的一个数字，而不是一条代码路径；把它从 10% 扩大到 100%，或者在折扣结束时收窄到零，都只是改动这个数字。

还有第三个选项，两家厂商的页面都不会告诉你，而一旦算清账，大多数团队最终都会选择它：GPT-6 Sol。它采用与 GPT-5.6 Sol 相同的 $4.00 和 $20.00 价目表，比 GPT-6 旗舰低一个层级，每项 Intelligence Index 任务成本约为 $1.05，而 Sol 为 $1.99。如果你关注 Mercury 3 的原因是 Sol 每次回答都太贵，那么这个问题更省钱的答案，可能是一个价格相同的新模型，而不是一个价格只有它二十分之一却未经衡量的模型。

这将如何收场

对于纯文本、大批量的工作，这笔账毫无悬念，也不依赖任何未经证实的东西：按标价计算，Mercury 3 的输入价格比 GPT-5.6 Sol 便宜 20 倍，输出价格便宜 28 倍，上下文窗口大小相同，也没有需要跨越的边界。如果你的工作负载是每月一百万次短调用，那这就已经是决策本身了，而风险在一天的流量之内就能测量出来。

对于需要推理两万个 token、读取一张截图，或在工具接入循环中无人值守运行数小时的任务而言，Sol 是那个行为有文档记录、价格稳定的模型；而 91.8 秒的首个 token 延迟是一个你可以据此做规划的实实在在的数字，而不是一个你必须先去验证的说法。为此付费，绝非小事。

唯一能终结这场争论的测量指标，是 Mercury 3 在产生 Sol 的 $1.99 的那套测试框架上每个 Intelligence Index 任务的成本。这项测量并不存在，也没有给出它何时会有；在它出现之前，本文中 Mercury 3 的每一个单答案数字都只是附有一张价目表的假设。至少这张价目表是真的——而 20 倍的差距足够大，值得先测试，再谈是否可信。