Mercury 3 对比 GPT-6 Astra：输出价格高达 28 倍，努力等级得逐档购买

Mercury 3 与 GPT-6 Astra 在输出价格上相差 28 倍——在 Inception 的发布窗口期内为每百万 0.35 美元，而 OpenAI 为 50.00 美元——在吞吐量上则反向相差约 18 倍。这两个数字很容易引用，但单独看几乎毫无用处，因为 Astra 并不是一个价格下的单一模型。它是一条推理阶梯：五个推理强度等级，指数得分从最低档的 46 攀升到最高档的 53，账单也随之攀升。Mercury 3 也有某种形式的阶梯——四个推理强度设置，默认档在底部——但其中任何一档都没有独立评分。因此，这场对比中的真正问题不是 Astra 是否值 Mercury 3 的 28 倍，而是你实际需要沿 Astra 的阶梯爬多高，以及你正在做的工作到底是否需要一条阶梯。 像此次发布这样的版本发布背后，有记录的 AI 故障与智能体事件，收集在 OrcaRouter AI Incident Archive 中，其中每条记录都带有自己的来源、严重性、置信度等级和争议标记。

决定这件事的数字，而不是价格

Artificial Analysis 测得，GPT-6 Astra 在模型最高推理强度设置下，Intelligence Index 得分为 53，在该指数的 216 个模型中排名第七，每个指数任务的计算成本约为 3.26 美元。在最低推理强度设置下运行同一套测试，得分为 46。五个档位依次为 46、50、51、52 和 53。

把那张阶梯榜看两遍。第一遍读出的信息是：最高一级只比最低一级高七分，而在这个评测套件里，七分已经很多了——Astra 以下的模型和它以上的模型，彼此之间的差距都小于这个数。第二遍读出的信息是：第四级为 52 分，距榜首不到一分，而且想必更便宜。如果你的任务不需要最后那一分，你并不是在 Mercury 3 和一个 53 分的模型之间做选择；你是在 Mercury 3 和一个 52 分的模型之间做选择，而达到那里的代价是一个参数，而不是另一个模型。

Mercury 3 没有提供这种选择，因为没有什么可向上攀升的。不存在即时、低、中或高的索引分数。Inception 自己的对比性主张——即 Mercury 3 的表现优于 GPT-6 Luna 和 Claude Haiku 5.5——是一个关于快速层级的主张，且没有给出优势幅度；其唯一一项结构化质量结果，是在其自有 agent harness 内、在 50 个实时 Mind2Web 导航任务上达到 50% 完成率。这是一个真实的结果，但样本量很小，而且它并不能告诉你，如果 Mercury 3 明天被纳入一个 216 模型索引，它会排在什么位置。

50 美元一个输出 token 实际上包含什么

GPT-6 Astra 可接收文本、图像和文件，拥有 105 万 token 的上下文窗口，最多可返回 128K token。其标准价目表为每百万输入 token 10.00 美元、每百万输出 token 50.00 美元，缓存输入为每百万 token 1.00 美元。当输入超过 272,000 token 时，整个请求将重新计价为每百万输入 20.00 美元、每百万输出 75.00 美元，缓存输入为每百万 token 2.00 美元——这一边界并非边际阶梯，而是一个使整张账单翻倍的开关。批处理和 flex 处理会使费率减半；快速模式则使其翻倍。推理始终开启，强度可从低到最高。

那段话里藏着两个陷阱。272,000 token 的边界意味着，一个 280,000 token 的请求成本是一个 270,000 token 请求的两倍，而且没有部分抵扣——因此，在边界附近做上下文裁剪，值得投入的工程精力比大多数团队愿意给的更多。而 O​penAI 以“GPT-6 Astra Pro”为名宣传的东西，并不是一个单独的模型或单独的 SKU；它是推理调节旋钮的 pro 档位，这意味着可以通过同一个端点、按相同费率使用它，也不需要一份新合同才能用。

相比之下，Mercury 3 的标价是 $0.20 和 $0.70，发布期内减半至 $0.10 和 $0.35，缓存输入为 $0.02 和 $0.01。一个 1M token 的上下文窗口，最大输出 131,072，没有分层，没有边界，没有批量倍率。价目表只有四行。这种简洁本身就有价值——一个你能记在脑子里的成本模型不会走样。

无人采用的成本模型：按每任务 token 数，而非每 token 价格

Astra 的每 token 价格，是 Astra 成本中最不值得一提的数字。Artificial Analysis 报告称，在 Astra 上完整运行一次 Intelligence Index 总共消耗约 6000 万个输出 token，而一个 Intelligence Index 任务的成本约为 3.26 美元。将前者除以后者，就能得到真正重要的比率：Astra 在回答上花费任何成本之前，先在思考上投入了大量成本。

Mercury 3 发布时的定价是 Astra 的十四分之一，而 Mercury 的标价则是 Astra 标准费率的 71 分之一。但每 token 价格的比较假设：对于同一任务，两个模型输出的 token 数相当；而所有已知的扩散解码特性都表明并非如此。扩散模型通过固定次数的去噪轮次确定一个位置块；其输出长度取决于答案本身，而不是取决于在答案之前展开的一段内部独白。Astra 的输出长度则主要由这段独白主导。

这件事有两面性，而两面都值得说明。在推理密集型任务中，Astra 要花费 100,000 个推理 token 才能得出正确答案，此时 Mercury 3 的优势远不止 14 倍，因为 Mercury 3 根本不需要为这段独白付费——不过，它在没有独白的情况下是否能得出同样的答案，恰恰是那个悬而未决的问题。在短答案任务中，Astra 以低投入用 300 个 token 作答，独白根本不会发生，比较就简化为价目表：发布时为 14 倍，按 Mercury 的标价则为 71 倍。

给它压上真实负载。每天一千万输入 token、两百万输出 token，是客服与摘要的混合场景。在 Astra 上按标准费率，这是 100 美元的输入和 100 美元的输出——每天 200 美元，约每月 6,000 美元。在 Mercury 3 上按标价是 2 美元和 1.40 美元——每天 3.40 美元，约每月 102 美元。按上线费率则再减半。同样的流量，59 倍的花费，而 Astra 的答案是否好 59 倍，这个问题目前没人能用数字回答。

在这场对局中，路由器究竟在哪些方面真正有帮助

GPT-6 Astra 已上架 OrcaRouter 目录。你可以通过与我们路由的其他模型相同的 OpenAI 兼容端点访问它，按 OpenAI 的标价计费，我方不额外加价——输入 $10.00，输出 $50.00，缓存 $1.00；超过 272,000 token 边界的长上下文档位为 $20.00 和 $75.00——同时提供 Chat Completions 和 Responses API，具体取决于你的代码目前使用哪种形式。

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，因此要调用它，就得去 Inception 自己的平台——目前新账户可获得 1 亿免费 token——或者去 Inception 列出的某个推理平台。我们宁愿这样说明，也不愿让一篇对比文章暗示一条我们并不具备的途径。

路由层在这里为你提供的是第二个调节旋钮，其类型不同于 Astra 的投入等级。五个投入等级是 Astra 自己的调节旋钮，每往上调一档都要花钱。路由让你可以选择到底多不常需要向 Astra 付费：把大部分流量发送到我们确实会路由的快速层级中的某个模型——价格为 $0.10 和 $0.50 的 GPT-6 Luna，或价格为 $1.00 和 $5.00 的 Claude Haiku 5.5——并把 Astra 的高或最高投入等级保留给那些真正困难的请求，同时具备提供商性能下降时的自动故障转移以及用路由 DSL 将这种分流表达为规则而非代码分支的能力。节省并不来自 Astra 的费率，而来自你避免使用它的频率。

顺便说一句，这也是评估 Mercury 3 的诚实方式。把它放到与 Luna 和 Haiku 5.5 相同的快速层级路径上——Inception 自己的对比也正是这样定位它的——看看它能否在你的任务中胜出。直接拿它和 Astra 比较，等于把一个没有指数分数的模型，与一个在涵盖 216 个模型的指数中位列第七档的模型相比；结果更多反映的是这种错配，而不是两个模型中任何一个的表现。

有一个路由层不应抹平的细节，而我们没有抹平：Astra 的价目表在 272,000 个输入 token 处设有界限，一旦触及就会对整次请求重新计价，而批处理模式会将其减半。这些都不是边际调整；只有连棘手部分也能一并透传，按标价透传才值得。

能一锤定音的那项比较

能真正定夺 Mercury 3 与 GPT-6 Astra 之争的，不是一篇发布帖，也不是这篇文章。而是一个数字：Mercury 3 在 Astra 所处的同一指数上的位置，在明确说明的 effort 设置下，在同一套测试套件上，由并非 Inception 的第三方测量。在这个数字出现之前，这两者之间的每一次比较，都是拿一个已被测量的模型和一个未被测量的模型作比较；默认情况下，应该优先采信已被测量的那一个——不是出于对 OpenAI 的敬重，而是因为一个你能核对的分数，比一个你无法核对的吞吐量数字更有价值。

与此同时，有用的姿态正是 Astra 自己的阶梯所暗示的那种。大多数工作并不需要任何东西的最高一档。把你大部分流量导向能通过你质量门槛的最便宜模型，把昂贵的那一档留给未通过门槛的请求，并把 Mercury 3 视为廉价路径的候选，而不是昂贵路径的替代品。如果事实证明它能以十四分之一的价格通过门槛，你会在自己的任务上发现这一点——这是唯一你能真正依据其结果采取行动的测试套件。