Mercury 3 对比 Step 5 Preview：变贵的是那个实测模型

2026年10月14日，StepFun 将 Step 5 Preview 的缓存命中输入价格从每百万 token 0.35 元上调至 0.70 元，翻了一倍，并为已经使用过该模型的调用方设置了保留原价条款。五天后，Inception 以标价一半的价格推出 Mercury 3，且未说明折扣何时结束。把这两个事实放在一起，就能看出这次比较的轮廓：拥有独立基准评分的模型，正是价格上涨的那个；而正在打折的模型，则是其实验室之外无人测评过的那个。像这次发布背后的有记录 AI 故障和智能体事件，都收录在OrcaRouter AI Incident Archive中，其中每条记录都带有各自的来源、严重程度、置信等级和有争议标记。

这种价格倒挂并非巧合，也不是支持任何一方的论据。Step 5 Preview 是一个成熟的模型，公开记录越来越多——厂商于 2026 年 9 月 20 日发布、拥有独立的 Intelligence Index 评分、在 Hugging Face 上提供官方权重——而厂商对已知有效的东西收费更高。Mercury 3 才问世九天，宣称每秒 1,068 个 token，却没有任何类型的独立评分。你为便宜的那个付出的代价，就是你自己成了测量工具。

两个含义不同的预览

“preview”一词出现在两个名称中，但在各自名称里承担的作用不同。在 Step 5 Preview 中，它是 StepFun 自己的标签，也是 API 标识符的一部分——你发送的字符串是 step-5-preview，而不是step-5——并且 StepFun 没有为该字符串公布替换日期、弃用通知或稳定性承诺。实际上，该模型已经上线一个月，在 Hugging Face 上有权重，并且有已公布的价目表，因此“preview”所承担的作用比它看起来要少。

在 Mercury 3 上根本没有预览标签：这是一次正式可用发布，提供与 OpenAI 兼容的端点、模型 ID 为 mercury-3，并为新账户提供 1 亿 token 的试用额度。Mercury 3 取而代之的是发布折扣，这是另一种不稳定。预览标签警告你模型可能会变化；发布折扣则警告你价格将会变化。

先把日期弄准确，比什么都重要。Step 5 Preview 的厂商发布日期是 2026 年 9 月 20 日，取自 StepFun 自家的公告材料；Artificial Analysis 将该模型列为 2026 年 9 月发布，其 FAQ 文本则将其定在 9 月 18 日。这两天的差异双方均未作出解释，本文在需要给出日期时采用 StepFun 的日期。Mercury 3 的日期则明确无误：2026 年 10 月 19 日，即本文撰写的前一天。

规格表，并注明每一行的来源

• 每百万 tokens 价格——Mercury 3 按标价为输入 $0.20、输出 $0.70，发布折扣期间为 $0.10 和 $0.35；对比 Step 5 Preview 为输入 7 元、输出 20 元，且在 10 月 14 日调整后缓存命中输入为 0.70 元

• 评估方给出的美元数据——Step 5 Preview 每百万 token 输入 1.00 美元、输出 2.70 美元，并享有 90% 的缓存折扣，数据由 Artificial Analysis 发布；这些是评估方自己的数字，并非对 StepFun 价目表的货币换算

• 上下文窗口 — Mercury 3 的 1,000,000 个 token 对比 Step 5 Preview 的 1M 个 token

• 最大输出 — Mercury 3 为 131,072 个 token，而 Step 5 Preview 为 64,000 个 token

• 输入模态 — Mercury 3 仅支持文本，而 Step 5 Preview 支持文本、图像和视频

• 输出模态 —— 两者均为文本

• 参数 — Mercury 3 未披露，仅被描述为超过 Mercury 1 的 40 倍；而 Step 5 Preview 未在 StepFun 的平台文档或评估方的模型页面上发布，因此这里两个数字都无法引用

• 权重 — Mercury 3 为闭源，而 Step 5 Preview 依据 StepFun Model License 1.0 在 Hugging Face 上发布，提供基础仓库以及 BF16 和 NVFP4 构建版本

• 推理控制——Mercury 3 提供从即时到高的四档努力程度设置，默认低；相比之下，Step 5 Preview 是一个未公布努力参数的推理模型

• 独立智能指数 — 截至 2026 年 10 月 20 日，Mercury 3 无条目；而 Step 5 Preview 在指数修订版 4.3.2 上为 44

• 实测输出速度——Mercury 3 none 对比 Step 5 Preview 为每秒 92.2 个 token，由 Artificial Analysis 测得

• 提示缓存——Mercury 3 提供支持，标价为每百万个缓存 token 0.02 美元；相比之下，Step 5 Preview 提供支持，价格为每百万次缓存命中 0.70 元，高于 10 月 14 日时的 0.35 元

那份清单里有一行值得再细看，因为这是两个模型的价格唯一一次公开变动。Step 5 Preview 的缓存命中率在其上线第十二天翻了一倍。缓存未命中的输入价格和输出价格当时并未改动，而在此前已通过按量付费 API 使用该模型的调用方，依据祖父条款继续沿用旧费率。如果你正在基于提示缓存搭建成本模型——任何 agent 工作负载都该如此——那么一个已经翻过一次倍的费率，就是需要持续盯紧的费率。

多模态线路正是那条会终结某些对话的线路。

Step 5 Preview 接受文本、图像和视频，并返回文本。Mercury 3 接受文本并返回文本。Inception 的文档在这一点上毫不含糊：该模型被列为纯文本模型，发布材料讲的是速度和成本，而不是视觉能力。

对于需要读取截图、扫描发票、观看屏幕录制，或将视频解析为结构化笔记的工作负载来说，没有什么可比较的。Step 5 Preview 是两者中唯一一个无论如何都能接收输入的，这使得价格差距无关紧要，基准差距也无关紧要，直到你决定视觉工作是否重要为止。这个决定通常由产品做出，而不是由模型做出。

对于文本输入、文本输出的工作负载——搜索、客服、代码审查、摘要——模态的分界线就消失了，比较随之变成围绕速度、价格和证据展开，且这个顺序是按各项易于核验的程度排列的。

这场对决中唯一独立评分所表明的内容

Step 5 Preview 在 Artificial Analysis Intelligence Index（版本 4.3.2）上得分为 44，在该指数自身的表格中，121 个模型里排名第四，而中位数为 19。同一列表还记录了测得的输出速度为每秒 92.2 个 token，首个 token 时间为 2.55 秒，以及 1.6 亿输出 token 的冗长度数据，而中位数为 1.4 亿；评估方称其略显冗长。它称该模型相对于可比的开源权重模型有些昂贵，而这是对 $1.00/$2.70 的合理解读。

仔细解读这个 44。它是在一整套基准测试上得出的加权综合得分，并不是关于你的工作负载的断言，也不意味着在你的具体任务上，Step 5 Preview 会胜过排名第 42 的模型。评估方自己的页面上，若干单项评估也带有“审核中”标记。但这是一个由其他人可以审查的方法论产出的数字，并且它使该模型高于该领域的中位数。

Mercury 3 没有可与之相比的东西。Inception 的质量主张是比较性的——“与 GPT-6 Luna 和 Claude Haiku 5.5 等前沿速度优化模型相当或更好”——但没有幅度、没有测试名称，也没有说明其四种努力程度设置中哪一种产生了这一比较。唯一一项结构化结果是 Inception 自己的智能体测试：50 个实时 Mind2Web 导航任务，完成率为 50%，“显著多于 GPT-6.1-Sol”，在相同的 token 量和步数下，因此每 token 成本仅为其一小部分。在供应商自己的测试框架中完成五十项任务是一个信号，而不是一个分数。

实际数字，以及它值多少

每秒 1,068 个 token 才是真正值得去了解 Mercury 3 的原因。如果这一速度能够保持，那么 500 个 token 的回答可在不到半秒内生成，而这正是让搜索答案感觉是即时呈现、还是像一次网络往返之间的差别。Step 5 Preview 实测为每秒 92.2 个 token，同样长度的回答大约需要 5.4 秒，此外首个 token 还需约 2.55 秒。

这一声明没有附带硬件信息、批大小、投入程度设置，也没有说明是单流还是聚合，而这四项选择中的任何一项都会让吞吐量数字成倍变化。该系列中厂商数据与独立评测之间的差距是有记录的：Artificial Analysis 测得 Mercury 2.5 约为每秒 706 个 token，低于 Inception 在发布时公布的数字。在有人复现之前，这就是应对 1,068 应用的折扣。截至 10 月 20 日，Artificial Analysis 上没有 Mercury 3 的页面。

相比之下，Step 5 Preview 的速度则乏味得毫无惊喜——就是那种被精确测量过的事物特有的乏味。实测为每秒 92.2 个 token，在评测方 78 个模型的速度排名中位列第 32——比一般水平快，但并不出众。没人是为了速度才买它。人们买它，是为了那 100 万 token 的上下文窗口、多模态输入，以及它的分数。

在两张费率卡上为同一项工作计算成本

文档分诊流水线：每天 8,000 页，每页有 2,500 个词元的 OCR 文本，每页输出 300 个词元的分类与抽取结果。也就是每天 2,000 万个输入词元和 240 万个输出词元，并且相同的指令块在每次调用时都会重新发送，因此可被缓存。

• Mercury 3 按标价 — 20 × $0.20 加 2.4 × $0.70，即每天 $5.68

• Mercury 3 按发布价 — 每天约 2.84 美元

• Step 5 Preview，未缓存 — 20 × 7 元加 2.4 × 20 元，即每天 188 元；按评估者给出的美元数字，20 × $1.00 加 2.4 × $2.70，即 $26.48

• 第 5 步：在指令块已缓存的情况下进行预览——缓存命中的单价是每百万 0.70 元，而未命中则是每百万 7 元，因此能节省多少完全取决于这 2000 万里有多少是重复的前言，而不是新的页面文本

因此，标价差距约为 4.5 倍，且对 Mercury 3 有利；发布折扣将其扩大到约 9 倍。这是支持 Mercury 3 的最有力单一论据，而且完全可以计算。无法计算的是每个已完成任务的成本，因为 Mercury 3 没有公布完成率，也没有公布输出 token 数量。Step 5 Preview 的冗长程度至少是可测量的——在索引上为 1.6 亿 token，而中位数为 1.4 亿，评估者称其略显冗长——这让你可以为此做预算。

有一点值得反复提醒：规划 Mercury 3 时应作为依据的数字是标价。五折优惠被描述为“发布时”提供，且没有结束日期，而它的两款前代模型现已停止向新用户开放，现有访问权限将于2026年11月15日结束。Inception 的商业行为表明，你应当按促销结束后仍能维持的价格来建模。

权重、许可证，以及过去一个月的变化

Step 5 Preview 的开放权重情况在发布后发生了变化。发布时，权重由第三方镜像，而非由厂商发布；截至本周，StepFun 自己的 Hugging Face 组织已提供基础仓库以及 BF16 和 NVFP4 构建，最后修改时间均为 2026 年 10 月 15 日。许可证为 StepFun Model License 1.0，并非 Apache 或 MIT，发布前需要仔细阅读——它是一份带条款的厂商许可证，而不是宽松许可证。

Mercury 3 没有权重，也没有可供阅读的许可证。它仅提供 API，企业部署会额外提供专用容量、自动扩缩容和可配置的数据保留策略，而不是一个你能拿在手里的实体产物。

对于一个正在决定是进行微调、量化还是在自己的硬件上运行的团队来说，这一行具有决定性意义，其他几行则无关紧要。对于一个调用 API、从不接触检查点的团队来说，它只作为衡量退出成本的指标才有意义：如果 StepFun 改变价格或停用该模型，Step 5 Preview 部署可以迁移到自托管的权重；而 Mercury 3 部署则会迁移到另一家供应商。

路由问题，如实作答

这两个模型都不在 OrcaRouter 的目录中。对于step-5-preview或任何 Inception 模型，我们的模型 API 都不会返回任何内容，因此任何想调用其中任一模型的人都得去厂商自己的平台，或去各厂商列出的第三方托管服务之一。把这一点说清楚，比暗示我们有一条并不存在的路线更有用。

在这种情况下，路由层确实能让你在不做出承诺的前提下回答这个问题。超过 200 个模型通过一个与 OpenAI 兼容的端点提供服务，按提供商的标价计价且无加价，而在价格和能力上最接近这两者的模型——Qwen 3.8-Max，价格为 $2.00/$6.00，拥有 1M token 窗口；GLM 5.2，价格为 $1.40/$4.40；Kimi K3，价格为 $3.00/$15.00——今天下午就可以用你自己的流量来实测。如果它们没有一个达到门槛，那么为任一供应商付费的理由就更充分；如果其中一个达到了门槛，你就省去了一次集成。自动故障转移也覆盖了这场对比中的特定风险，也就是：你将要放入生产路径的，正是那个享有发布折扣却没有任何稳定性承诺的模型。

有一个机制层面的要点，在这里比平时更关键：提供商的目录价会原样传导，因此供应商费率变化会在当天就反映到账单上，而不是等到续约时。鉴于 Step 5 Preview 的缓存价格已经变动过一次，这并非假设性的优势。

选择前要问的问题

这两款模型都很便宜。在一条真实的流水线上，它们账单的差异每天只有几美元，而且发布折扣让 Mercury 3 看起来比促销结束后的实际价格更便宜。所以，成本并不是这个决策的关键所在。

这归结为一个更简单的问题：你需要答案是快，还是需要知道它是否正确？Step 5 Preview 是你可以核查的那个——独立指数评分、实测速度、实测冗长程度、公开权重，你可以在自己的测试框架中运行。Mercury 3 则是能在不到一秒内作答、但目前 Inception 之外的任何人都无法核查的那个。

对于一个人工介入、故障可恢复的延迟敏感型产品，第二种取舍是合理的，而且评估成本很低。对于无人值守运行、且错误代价高昂的流水线，一个实测得分在四十五分上下的模型，其价值可达完全没有得分模型的数倍——而正是这一点，而非任何基准测试，使得那个有实测得分的模型能够承受提高其缓存价格。

值得关注的事并不光鲜：下一次独立的 Mercury 3 读数无论何时出现，以及 StepFun 的缓存价格是否会再次变动。这两个小事实对这笔账的影响，将超过任何一篇发布文章。