Mercury 3 vs MiniMax M3：一個數字對抗一整份紀錄

Inception 於 2026 年 10 月 19 日推出 Mercury 3，只附上一項效能數字——每秒 1,068 個 token——完全沒有任何基準測試分數。MiniMax 於 2026 年 6 月 1 日推出 MiniMax M3，附上廠商基準測試表、可下載的檢查點，並在四個月後公布由獨立評測者提供的分數。將兩者並列，有趣的問題不是哪個模型更快或更便宜，而是：今天其中一個模型可以由作者以外的人驗證，另一個則不行。這種不對稱就是整個比較的核心，而且無論哪間實驗室宣布任何降價，它依然成立。 像這次發布背後有紀錄的 AI 故障與代理事件，都收錄於 OrcaRouter AI 事故檔案庫，其中每筆條目都附有自己的來源、嚴重程度、信心評級與爭議標記。

這兩款模型在紙面上也恰好足夠接近，使這個選擇成為真正需要抉擇的選擇。兩者都具備一百萬個 token 的上下文視窗。兩者都落在便宜價位層級。兩者都建立在其所屬類別中並不尋常的架構之上——Mercury 3 採用擴散模型，MiniMax M3 則採用混合專家上的稀疏注意力——而且兩者都聲稱，正是這種架構為它們換來了這樣的經濟效益。

兩篇發布貼文，兩種不同類型的證據

把 Inception 的公告當作一份文件來讀。它提出了一項規模論證：Mercury 3 的總參數量是 Mercury 1 的四十倍以上，而量測到的智慧從 Mercury 1（mini）到 Mercury 3 大約成長為三倍，且該模型與其最小前輩「一樣快」。它提出了一項比較性的品質主張：Mercury 3「與 GPT-6 Luna 和 Claude Haiku 5.5 等前沿速度最佳化模型相比，表現相當或更佳」。而且它恰好回報了一項任務結果，來自 Inception 自家的網頁代理測試框架，在 50 個真實運行的 Mind2Web 導航任務上，模型完成了 50%。這些全都是廠商自行回報，且沒有任何一項指明基準測試套件、領先幅度或硬體配置。

把 MiniMax 的資料當作文件來讀，它的形態正好相反。裡面有一張基準測試表，列出具名測試套件與百分比——SWE-Bench Pro 59.0、Terminal-Bench 2.1 66.0、BrowseComp 83.5、OSWorld-Verified 68.70——另外還有模型卡、Hugging Face 上的權重，以及 Artificial Analysis 的獨立榜單，在其 Intelligence Index 上給該模型 29 分。廠商數字終究是廠商數字，我們尚未看到它們被重現。但這個模型可以讓任何想下載、執行和測量的人使用，這正是獨立數字之所以存在的原因。

那個在已公布內容上的差異不是行銷細節。它決定了任何人能就這兩個模型給你什麼樣的建議。對 MiniMax M3 而言，有實測的吞吐量數字、實測的每索引任務成本、實測的排名。對 Mercury 3 而言，則只有一項宣稱。

規格，並附上雙方各自的來源

• 每百萬個 token 的價格 — Mercury 3 的定價為輸入 $0.20、輸出 $0.70，在首發折扣期間減半至 $0.10 和 $0.35；相較之下，MiniMax M3 在輸入 token 最高 512K 的請求下為 $0.30 和 $1.20

快取輸入 — Mercury 3 每百萬 $0.02，上市期間 $0.01，對比 MiniMax M3 每百萬 $0.06

• 上下文視窗 — Mercury 3 1,000,000 個 token，對比 MiniMax M3 1,048,576

• 最大輸出 — 在我們自家的產品目錄頁面上，Mercury 3 為 131,072 個 token，而 MiniMax M3 為 512,000 個 token；MiniMax 並未公布最大輸出的數字，所以那個數字是我們提供的，而非廠商公布的

• 輸入模態 — Mercury 3 僅支援文字，對比 MiniMax M3 支援文字、圖像與影片

• 架構 — Mercury 3 是一種擴散語言模型，會平行精煉 token 區塊；相較之下，MiniMax M3 是混合專家模型，總參數約 428B，每個 token 約有 23B 活躍參數，並採用 M​iniMax Sparse Attention。

• 權重 — Mercury 3 為封閉式、僅提供 API，而 MiniMax M3 可依 MiniMax 社群授權條款下載

• 輸送量 — Mercury 3 每秒 1,068 個 token，由廠商在未具名的 NVIDIA 硬體上、未指明的批次大小與 effort 設定下回報，對比 MiniMax M3 每秒 106.4 個 token（由 Artificial Analysis 測得）

• 獨立智慧指數 — Mercury 3 截至 2026 年 10 月 20 日尚無紀錄，而 MiniMax M3 為 29，在當日現行修訂版中於 121 個模型中排名第 23。

• 推理控制 — Mercury 3 提供四種 effort 設定，從 instant 到 high，若省略參數則預設為 low；相對地，MiniMax M3 的 thinking 參數則有 enabled、adaptive 和 disabled 模式

• 工具呼叫與結構化輸出 — 兩者在 OpenAI 相容的聊天補全端點上皆受支援

其中兩行在任何地方被引用之前，都需要附上一項但書。1,068 這個數字是廠商測量值，且未說明所用的測試框架，因此無法與獨立評測者在固定方法論下產生的數字相比。而且 Artificial Analysis 會定期重新評分其指數；上方的 29 是 2026 年 10 月 20 日的讀數，而 MiniMax M3 在較早的修訂版本中讀數有所不同。該指數上的數字會變動；但 M3 有這樣的數字而 Mercury 3 沒有的這個事實並不會變。

在請求層級上，每秒 1,068 個 token 意味著什麼

每秒 token 數是個很差的決策單位，因為沒有人會買 token。他們買的是完成後的請求。把這兩個數字都轉換成使用者實際體驗到的東西——生成一個一千 token 的答案需要多久。

在 Inception 宣稱的每秒 1,068 個 token 下，一個 1,000 token 的答案約需 0.94 秒生成。以 MiniMax M3 實測的 106.4 而言，相同答案約需 9.4 秒。若計入 M3 實測的首個 token 時間 1.13 秒，兩種體驗的差距約達十倍，而這尚未計入網路延遲、排隊或供應商自身的額外開銷。

這就是 Mercury 3 的理由，而且這是個實實在在的理由。生成時間相差十倍，就是「搜尋答案感覺像瞬間出現」與「感覺像在載入網頁」之間的差別。Inception 的整條產品線都圍繞這一點打造：公司以 Mercury Voice 主打首個答案詞元的延遲（time-to-first-answer-token），以 Mercury Decide 主打分類，並把旗艦產品定位在客服、教學輔導、搜尋與網頁代理等場景——在這些工作負載中，緩慢的答案代表的是產品壞掉，而不是稍微差一點。

十倍這個數字沒告訴你的是，Mercury 3 到底好不好用。Mind2Web 的結果——在 50 個實際任務上達到 50% 完成率，「顯著高於 GPT-6.1-Sol」——是 Inception 所公布的唯一結構化品質訊號，而 50 個任務的樣本小到只要碰上一個難處理的網站，百分比就會差兩個百分點。測試框架是 Inception 自家的。對照模型只列了名稱，沒有分數。這確實是個真訊號，顯示該模型能夠操作瀏覽器，但它不是能放進採購決策裡的量測數據。

MiniMax M3 的紀錄實際上說明了什麼

M3 的獨立評測概況並不浮誇，卻很實用。在其比較類別中，Intelligence Index 為 29，中位數為 19；每秒輸出 106.4 個 token，中位數為 77.4；首 token 時間為 1.13 秒，中位數為 1.70 秒；每個模型執行該指數的成本為 0.51 美元。這是一款在其類別中品質明顯高於平均、就其規模而言速度明顯高於平均，且執行成本低廉的模型。

同一索引系列經第三方轉載所流傳的子分數，透露更具體的情況：在文件理解與指令遵循方面表現強勁，在自主多步驟代理工作方面則較弱。其程式編寫與代理式子分數之間的落差，是其紀錄中最大的內部分差。如果你的工作負載是「讀完這份長文件並精準回答」，M3 有充分證據支持。若是「執行二十分鐘並交付成果」，證據較薄弱，且指向相反方向。

針對 Mercury 3，沒有對等的段落可寫，因為資料並不存在。Artificial Analysis 沒有 Mercury 3 頁面——其索引仍列出 Mercury 2.5 與 Mercury 2——因此該模型在發布後一天，仍沒有獨立評分、獨立速度數據，也沒有每項任務成本數字。Inception 的比較組（GPT-6 Luna、Claude Haiku 5.5）屬於快速層級，而非前沿層級；對延遲型產品而言，這是正確的比較對象，但這項說法並未提供領先幅度，也未列出測試名稱。

價格差距比標價所顯示的還要小

本能反應是把 Mercury 3 講成平價選項、把 M3 講成昂貴的那個。以每 token 計算，這在方向上沒錯，但遠沒有看起來那麼誇張：Mercury 3 的輸入便宜 1.5 倍，輸出便宜 1.7 倍。這不是差了一個量級，只是差了一層貨架。

執行一個具體的工作負載。以一個每天處理 10,000 則回覆的支援或搜尋助理為例，每則回覆包含 1,500 個輸入 token 的擷取上下文與提示詞骨架，以及 300 個輸出 token。也就是每天 1,500 萬個輸入 token 和 300 萬個輸出 token。

• Mercury 3 按定價計算 — 15 × $0.20 加 3 × $0.70，即每日 $5.10

• Mercury 3 按推出費率計算——15 × $0.10 加上 3 × $0.35，即每天 $2.55

• MiniMax M3 按其小額請求費率計算 — 15 × $0.30 加上 3 × $1.20，即每天 $8.10

因此，兩者標價的每日差額，在處理一萬次對話時約為三美元。如果 Mercury 3 在預設低投入設定下的 token 效率比 M3 更差——而 Inception 以外沒有人知道，因為 Mercury 3 沒有實測的輸出 token 數量——那麼這三美元的差距在真實流量下可能縮小甚至反轉。這正是未經評測的模型難以編列預算的具體原因：沒有實測的完成率和實測的冗長程度，你就無法計算每個已完成任務的成本。

對代理工作負載而言，快取輸入的計價項目比主打價格更重要，因為代理在每一步都會重新傳送相同的系統提示與工具定義。Mercury 3 每百萬個快取 token 收費 0.02 美元，讓 20,000 token 的前置內容每次呼叫只需萬分之四美元。M3 的 0.06 美元是它的三倍，雖然仍然很少，但在五十步的執行中，差距是幾分錢，而不是幾分之一分錢，而代理流量正是幾分錢會不斷放大的地方。

授權、退出，以及你無法下載的東西

MiniMax M3 依 MiniMax Community License 發佈。非商業使用免費；商業使用須顯示「Built with MiniMax M3」、年營收低於 2,000 萬美元時提供一次通知，超過此門檻時須事先取得書面授權，並遵守禁止用途附錄。這屬於法律審查而非形式手續，但這是一份你能在開始建置前先閱讀的授權條款。

Mercury 3 沒有可讀取的授權，因為根本沒有可授權的東西。它是封閉的。這不會自動成為不合格的理由——大多數透過 API 呼叫模型的團隊從不接觸權重——但它會改變一旦 Inception 調整價格、條款或可用性時會發生的情況。退出方式是遷移，而不是重新部署。

另一個值得指出的不對稱之處：M3 已有四個月的實績紀錄。它在我們的產品目錄中上架的時間，已足以累積流量與延遲百分位數，而且其價目表一直保持穩定。Mercury 3 才推出一日，其上市價格沒有公布結束日期，而它的前代模型早已停止接受新使用者——Inception 自家的遷移說明指出，Mercury 2 與 Mercury 2.5 將停止接受新註冊，現有客戶則會於 2026 年 11 月 15 日失去存取權。一家廠商這麼快就淘汰一條模型產品線，這透露出它預期你如何消費其產品。

路由器改變運算方式的地方

這個對決正好說明了第一週根本不必做選擇的理由。MiniMax M3 已在 OrcaRouter 上架，輸入每百萬個 token 收 0.30 美元、輸出每百萬個 token 收 1.20 美元，這是供應商的定價，沒有額外加價，並且與其他 200 多個模型一起放在同一個 OpenAI 相容端點之後。Mercury 3 不在我們的目錄中——查詢我們的模型 API，任何 Inception 模型都查無結果——所以想呼叫它的人得前往 Inception 自家平台，或 Inception 列出的第三方主機之一。我們寧願把話明白說出來，也不願暗示一條我們其實沒有的路徑。

適合未經實測、異常快速發布的模式，是雙路徑設計。把延遲關鍵層級放在透過供應商提供的 Mercury 3 上，並把經實測的備援保留在 M3 或我們提供的其他模型上，同時接上自動容錯移轉，讓 429 或效能降級的端點不會使功能中斷。路由 DSL 的存在，正是為了讓這種拆分能成為一條規則，而不是你程式碼庫裡的分岔，而且因為供應商牌價原樣傳遞，Inception 的降價或 M​iniMax 的層級變更，會在宣布當天反映到你的帳單，而不是等到下一份合約。

那個設計並不能為你換來 Mercury 3 這一側的品質保證。目前還沒有任何東西能做到。

本週要套用的規則

• 如果答案必須在大約一秒內送達，而且答錯還可補救——例如搜尋建議、客服分流、家教提示、帶有升級機制的代理步驟——那麼單憑延遲表現這項說法，Mercury 3 就值得花一週進行評估。編列預算時請以牌價為準，而非上市的 50% 優惠價，因為這項折扣並未公布結束日期。

• 如果你需要在投入之前先了解模型有多好，MiniMax M3 是這兩者中唯一能讓你一探究竟的。它也是唯一一個你可以下載、量化、微調，或在自有硬體上執行的。

• 如果您的工作負載會讀取影片或圖片，比較就結束了。M3 能處理，Mercury 3 則不能。

• 如果你優化的是每完成任務成本，而非每 token 成本，那麼目前這兩款模型都還無法給你所需的數字——M3 是因為其代理能力的弱點已被測量且確實存在，Mercury 3 則是因為其完成行為完全尚未被測量。

值得關注的不是 Mercury 3 的價格，而是 Mercury 3 的第一份獨立評測，無論它何時出爐。如果其吞吐量宣稱能在中立測試框架下重現到接近每秒 1,068 個 token，且品質達到 Inception 所聲稱的 Haiku 級別，這就不再是一場對比，而會成為網路上每個受延遲限制的產品都得面對的遷移問題。如果它落在廠商數據到獨立評測之間常見的折扣幅度，而品質僅屬有競爭力，那麼誠實的總結就是上面那句：一個快速、便宜但未經證實的模型，對上一個較慢、便宜但已獲證實的模型——而對多數團隊來說，在另一方拿出實測數字之前，能走上生產環境的會是已獲證實的那一方。