Mercury 3 對比 Grok 4.6：一個已被取代，另一個尚未實測，而兩者都以速度為賣點

比較 Mercury 3 與 Grok 4.6 時，第一個有用的事實是：Grok 4.6 並不是目前的 Grok。SpaceXAI 於 2026 年 8 月 12 日推出它，價格為每百萬輸入 token 2.00 美元、每百萬輸出 token 6.00 美元，之後又发布了 Grok 4.7；Artificial Analysis 現在已將 4.6 標示為棄用，並引導讀者改用較新的模型。相較之下，Mercury 3 才問世兩天：Inception Labs 於 2026 年 10 月 19 日發布它，價格為每百萬 0.20 美元與 0.70 美元，在一個未公布結束日期的上市期間內半價，而且完全沒有任何中立人士測量過它。因此，對這組配對誠實的定位並不是「這兩者我該用哪一個」。而是：兩者主要都是靠一個速度數字來販售，而這兩個速度數字並不是同一種數字；並且這兩項產品中，一項正逐步退出產品目錄，另一項則尚未被任何不在其製造公司工作的人測試過。 像這樣的新品發布背後，有記載的 AI 故障與代理事件都收集在 the OrcaRouter AI Incident Archive，其中每筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。

這使得這成為一場關於測量的比較，而這恰好是在為兩者定價之前最該知道的事。Mercury 3 是一種擴散語言模型——它會對一個位置區塊進行去噪，並將它們一起提交，而不是每次傳遞只輸出一個詞元——而 Inception 報告指出，它在 NVIDIA 硬體上達到每秒 1,068 個詞元、總參數量是 Mercury 1 的 40 倍以上、上下文視窗從 260,000 個詞元增至 1,000,000 個詞元，以及 131,072 個詞元的輸出上限。Grok 4.6 則是為長時間代理式執行而打造的傳統前沿模型，具備 500,000 個詞元的上下文、文字、圖像與檔案輸入，以及 75% 的快取折扣，每百萬次讀取 0.50 美元。

這兩個速度數字實際上測量的是什麼

Inception 的每秒 1,068 個 token 是輸出吞吐量數字：也就是模型開始產生 token 後，token 離開模型的速度。Artificial Analysis 對 Grok 4.6 測量同一個量，得到每秒 65.4 個 token。把這兩個數字並排來看，Mercury 3 看起來快了十六倍。這是真實的差異，但並非全部的差異，因為吞吐量只是構成延遲預算的三個數字之一。

第二個是首個 token 的時間，而在這裡，情況對這套論述而言就沒那麼好看，但也更有意思。Artificial Analysis 在其測試的工作負載上，記錄到 Grok 4.6 的首個 token 中位時間為 37.19 秒，而其榜單上各模型的中位數為 3.75 秒。我們自己七日 playground 遙測資料顯示，Grok 4.6 在唯一有樣本的那一天，p50 為 8.00 秒。這兩項數據既不是 Mercury 3 的問題，也不是 Mercury 3 的優勢——Inception 完全沒有公布首個 token 的數據，而其公告中唯一的第三方延遲數字是客戶證言：Octen 回報中位生成時間為 0.9 秒、中位端到端回應為 2.2 秒，RevisionDojo 回報答案「大約一秒內」返回，Lorikeet 則表示 Mercury 3 在延遲上勝過其他模型，同時在其評測中得分更高。這些是有用的訊號，但也是行銷引語，而且其所基於的工作負載，除了那三家公司之外沒有人能檢視。

第三個數字才是決定一個快速模型是否可用的關鍵，那就是錯誤率。在我們自己的基礎設施上，過去七天裡，GPT-5.6 Sol 的服務路徑記錄到 0.05% 的錯誤率。Grok 4.6 在它唯一有遙測資料的那一天——2026 年 10 月 17 日——記錄到 86.7%。那是一個自八月起就已上線的模型僅一天的樣本，所以這是對服務路徑的警告，而非對模型的定論，而這正是永遠不會出現在供應商頁面上的那種數字。至於 Mercury 3，完全沒有錯誤率，因為沒有可供測量的路由。

規格表，每一行都附有來源出處

• 價格 — Mercury 3：每百萬 $0.20 / $0.70，推出時為 $0.10 / $0.35，未公布結束日期，快取輸入享 90% 折扣。Grok 4.6：用量至 200,000 個 token 時，每百萬 $2.00 / $6.00；超過此用量時，整筆請求為 $4.00 / $12.00，快取讀取為 $0.50。

• 上下文與輸出 — Mercury 3：輸入 1,000,000，輸出 131,072。Grok 4.6：輸入 500,000，我們的模型頁面上並未公布其輸出上限。

• 模態 — Mercury 3：僅支援文字。Grok 4.6：輸入文字、圖像與檔案，輸出文字。

• 吞吐量 — Mercury 3：每秒 1,068 個 token，由 Inception 實測。Grok 4.6：根據 Artificial Analysis，每秒 65.4 個 token；在我們自己的 playground 中，於其有樣本當天為每秒 256 個 token。

• {{1}}獨立評分{{/1}} — Mercury 3：無，並不存在 Artificial Analysis 頁面。Grok 4.6：在 Artificial Analysis Intelligence Index 上為 {{2}}44{{/2}}，在 {{4}}217{{/4}} 個模型中排名 {{3}}第 37{{/3}}；其程式編碼指數為 {{5}}76.8{{/5}}，在 {{7}}138{{/7}} 個模型中排名 {{6}}第 5{{/6}}。

• 狀態 — Mercury 3：已推出兩天，尚未實測。Grok 4.6：已在 Artificial Analysis 的榜單上標記為棄用，並由 Grok 4.7 取代。

上下文比較才是翻轉慣常排序的項目。Mercury 3 提供 Grok 4.6 兩倍的視窗——一百萬個 token 對上五十萬個——而且輸入價格只有十分之一。理論上，對長文件工作而言，這不是一場勢均力敵的較量。實務上，五十萬 token 的視窗已經大於任何人處理的幾乎所有單一文件；而對於一個未經測量的模型，百萬 token 視窗的有趣問題不在於它是否存在，而在於品質是否能貫穿整個視窗。Artificial Analysis 明確衡量長上下文召回率，Grok 4.6 在那裡得分 80.3。Mercury 3 沒有對應數字，這意味著一個召回曲線未知的百萬 token 視窗，是容量宣稱而非能力宣稱。

Grok 4.6 的價格實際上買到的是什麼

以牌價計算，Grok 4.6 的輸入成本是 Mercury 3 的十倍，輸出成本約為九倍；而對於這樣的價格能換來什麼，誠實的答案是：在中立評測框架上的實測定位、多模態輸入，以及已公布的每答成本。最後一項最有用。Artificial Analysis 將 Grok 4.6 列為每個 Intelligence Index 任務 1.48 美元——這個數字已包含模型完成整套測試所需的無論多少 token，而這是整份比較中唯一一個對兩款模型都存在的每答數字。

相較之下，Mercury 3 的 0.70 美元輸出費率是每 token 的數字，並沒有以每個答案為單位的對應數字。若一項 Mercury 3 任務的輸出量與一項 Grok 4.6 任務相同，成本約為其十分之一。若輸出量是三倍——對於一個在 Grok 以更高推理強度完成的工作上預設採低推理強度的模型而言，這並非不合理——成本約為三分之一，戰略論據也會從「一個數量級」減弱為「在一個未經證實的模型上享有可觀折扣」。目前沒有人能告訴你哪一種情況才是真的。這不是修辭上的模稜兩可；而是目前缺失的那項具體測量。

Grok 4.6 自己公布的數字——無論這些數字有多少參考價值——在長時間代理式執行需要它們的地方表現強勁：GPQA Diamond 上 94.9、Humanity's Last Exam 上 42.9、長上下文召回上 80.3，以及 76.8 的程式能力指數，使其在 138 個模型中排名第五。那些是 Artificial Analysis 的跑分，不是 SpaceXAI 的，這正是它們能和 Mercury 3 相提並論的原因——而 Mercury 3 沒有這類跑分，根本無法相比。

被取代模型問題，這才是真正的決策所在

今天選擇 Grok 4.6，等於選擇一個原廠早已汰換的模型。Grok 4.7 已在我們的目錄中，而 Artificial Analysis 上的 4.6 頁面明確將讀者重新導向到它。對於你即將據以建置的工作負載，從已棄用的模型起步，就是決定日後再遷移；唯一問題只是何時，而答案通常是「在事故發生期間」。

這並不代表 Mercury 3 就是安全的選擇。一個未經測量、才推出兩天的模型，和一個已棄用、推出九週的模型，是不同類型的風險，而在這組搭配中，兩者都不是低風險選項。這項比較實際上確立的結論更狹窄，也更有用：如果你想要一個經過測量、有明文記載每次回答成本，且支援多模態輸入的模型，Grok 4.7 就是這類模型的現行版本，而 4.6 是同一價格的前代版本。如果你想要市面上最便宜、具備百萬 token 視窗的純文字 token，Mercury 3 就是這樣的選擇，但要注意其價目卡上最便宜的數字是沒有結束日期的促銷價。

Grok 4.7 已收錄於 OrcaRouter 目錄，採用 SpaceXAI 自身的費率，並與我們所路由的其他一切相同，位於同一個 OpenAI 相容端點之後，不額外加價，且當某條路徑觸發速率限制時會自動跨供應商容錯切換——考量到我們的遙測在 10 月 17 日於 4.6 的服務路徑上記錄到的錯誤率，這並非理論上的好處。Mercury 3 未收錄於目錄：我們的模型 API 對任何 Inception 模型都不回傳任何內容，因此任何人呼叫它時，都會轉往 Inception 的平台（新帳戶可獲得 1 億個免費 token），或轉往數個託管它的第三方平台之一。

適合這對組合的路由模式，並不是依價格拆分，而是依你願意讓哪部分失敗來拆分。把已棄用模型的流量接到目前模型上，把純文字工作的一小部分（有上限）交給 Mercury 3，保留一個經過評估的模型作為備援，並讓容錯移轉處理新路徑出狀況的情況。這個比例是設定值；備援是一條路由規則；要擴大或縮小它，由你自己在一週內的錯誤率來決定。

星期一要做什麼

如果工作內容是長文本、資料量大，而且答案可核對，Mercury 3 的費率方案值得本週做一次有範圍限制的實驗——Inception 平台上的 1 億免費 token 足以涵蓋這次測試，而百萬 token 的上下文視窗意味著你可以送出整份文件，而不是分段猜測。留意兩件事：每個任務的輸出 token 數是否會大幅偏離你的 Sol 或 G​rok 基準，以及品質是否會在長上下文接近尾聲時下降。這兩者都能在一天內測量，且都不需要任何人的基準測試。

如果工作涉及圖像、要在工具迴圈中運行數小時，或必須一次就做對，那麼這個組合中的答案不會是 Grok 4.6，而是 Grok 4.7，或某個經過實測的前沿模型；誠實的理由是：4.6 已棄用，Mercury 3 未經實測——這等於是在兩個你不敢在沒有後備方案的情況下擺到客戶面前的模型之間做選擇。

能改變這一切的那個數字，是 Mercury 3 每完成一項任務的中性成本。只要在得出 Grok 那 $1.48 的測試框架上有一個這樣的數字，就能把本文的核心不確定性變成一個比率。在它出現之前，站得住腳的立場就是那個乏味的立場：便宜 token 是真的，速度宣稱可信但只有單一來源，而你自己唯一能驗證的，是你自己在自己流量上的錯誤率。