Mercury 3 對比 Mistral Large 4：兩個未完成的模型，以及各自伴隨的承諾

這兩款模型都尚未完成，而它們未完成的方式正好相反。Mercury 3 由 Inception Labs 於 2026 年 10 月 19 日推出，作為正式上市產品，價格為每百萬輸入 token 0.20 美元、每百萬輸出 token 0.70 美元，且完全沒有任何獨立評估——沒有 Artificial Analysis 分數、沒有第三方評測框架，什麼都沒有。Mistral Large 4 由 Mistral 於 2026 年 10 月 6 日宣布，作為公開預覽，價格為每百萬 1.36 美元與 4.18 美元，它在 Artificial Analysis Intelligence Index 上有 38 的獨立分數，並實測每項索引任務成本為 1.13 美元，但其權重——Mistral 承諾會在「月底前」釋出——截至本文撰寫時尚未發佈於 Hugging Face，而且該預覽版自身的強化學習訓練在宣布時仍在進行中。像這類發布背後的已記錄 AI 故障與 AI 代理事件，都收錄在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。

所以，這項比較是在一個所有數字都由廠商自行公布的模型，與一個數字尚未全部定案的模型之間進行。它們也屬於不同的產品類別：Mercury 3 是純文字擴散語言模型，具備百萬 token 上下文，並宣稱吞吐量達每秒 1,068 個 token；而 Mistral Large 4 則是原生多模態的 1 兆參數混合專家模型，擁有 520 億個活躍參數，在法國資料中心以 3,800 顆 NVIDIA Grace Blackwell GPU 訓練，並明確定位於歐洲 AI 主權。如果你的工作負載是文字，且你的限制是成本，那麼在參考任何基準測試之前，這項差異就已具有決定性。若不是如此，這兩個模型幾乎算不上在競爭。

Mercury 3，以及那個具體缺少的東西

Inception 的模型是其平行解碼押注的第三代成果。Mercury 不是每次前向傳遞只產生一個 token，而是對一個位置區塊進行去噪，並將這些位置一起確定，這正是每秒超過 1,000 個 token 的來源。根據 Inception 的說法，Mercury 3 的總參數量是 Mercury 1 的 40 倍以上，上下文視窗從 260,000 個 token 擴大到 1,000,000 個 token，輸出上限為 131,072 個 token，並且在未指明的 NVIDIA 硬體上以每秒 1,068 個 token 的速度運行。

缺漏的是任何並非由 Inception 自行完成的量測。這份公告中唯一一項結構化品質結果，是一項實站代理測試：在 Inception 自家的生產環境測試框架內，針對真實網站執行 50 項 Mind2Web 導航任務；Mercury 3 完成了 50%——也就是 25 項任務——Inception 表示，在相同的 token 量與步數下，這「顯著多於 GPT-6.1-Sol」。這比基準測試表格更有意思，因為那些網站是真實上線的；但也正因如此——如同廠商展示一向的情形——更不可信：測試框架、目標與評分方式都由 Inception 自己選擇。截至 2026 年 10 月 20 日，Artificial Analysis 上沒有 Mercury 3 的頁面，因此沒有中立的吞吐量數據、沒有中立的每項任務成本，也沒有針對那個百萬 token 視窗的中立召回曲線。

後果是具體的，而非哲學性的。百萬 token 的上下文若搭配未經測量的召回曲線，就只是一種容量宣稱：token 確實塞得進去，但沒有人確立模型實際用了其中多少。Mercury 2.5 在 Artificial Analysis Intelligence Index 上得分 12，這說明了前一代所處的位置，卻完全沒有說明這一代。

Mistral Large 4，以及那件具體尚未完成的事

Mistral 的模型完全是另一回事，而公告對它的說明異常具體。它是一個 1 兆參數的原生多模態模型，擁有 520 億活躍參數——稀疏混合專家（sparse mixture-of-experts），因此在處理任何給定 token 時，這 1 兆參數中的大部分並未參與運算。它能處理文件、圖表、自然圖像、技術圖紙與十億像素衛星影像，並且訓練資料涵蓋超過 160 種語言，包括所有歐盟官方語言。

• 程式設計 — 在 DeepSWE v1.1 上為 61.7%，在 SWE-Atlas-QnA 上為 59.4%，在 Terminal-Bench 4 上為 28.3%，綜合 Coding Agent Index 為 49.8%。皆為 Mistral 回報。

• 代理與資安 — 在 AutomationBench 上達到 59.9%，在 AA-Briefcase 上達到 1,393 Elo，在一項 Mistral 表示領先所有模型的真實漏洞重現與修補測試上達到 82%，在 Cybench 上達到 93%，以及在 Lakera 的 B3 上達到 93.3% 的攻擊抵抗率。

• 視覺 — 在 Dense 200 視覺定位測試中取得 42%，微幅領先拿下 41% 的 GPT-6 Astra。

• 人類評估——在 Surge AI 的盲測程式編寫評測中，滿分 5 分得 3.74 分，在五個模型中排名第二，僅次於得分 4.22 的 Claude Opus 5。該研究由第三方進行；由 Mistral 委託並發布。

• 獨立彙總 — 在 Artificial Analysis Intelligence Index 上獲得 38 分，在 217 個中排名第 66，每項指數任務 $1.13，輸出速度為每秒 67.5 個 token，首個 token 時間為 1.65 秒。

• 狀態 — 預覽版，權重承諾於 2026 年 10 月底前發布，公告時 RL 訓練仍在進行中。

這種分類值得謹慎看待。Mistral 自家的文件把 v26.10 這一代列為「Open」且屬開放權重；而 10 月 20 日讀到的 Artificial Analysis 頁面仍寫著「proprietary」，並稱「模型權重尚未公開」。兩者在不同時間點都正確：授權代表的是意圖，權重則尚未落到磁碟上。任何以 Mistral Large 4 將於十一月可下載為前提來建立部署的人，都應注意這項承諾已有日期，卻還沒有儲存庫。

兩張費率卡，以及那個讓差距看起來比實際更小的數字

從帳面上看，Mercury 3 便宜得多：每百萬輸出為 $0.70，對比 $4.18；輸入為 $0.20，對比 $1.36。以定價計，這是 6 倍的差距；在 Mercury 的發布期內，價格為 $0.10 與 $0.35，差距達 12 倍；而 Mistral 自家的促銷價 $0.68 與 $2.09，則把差距縮小到約 6 倍。

每個答案的數字，是它進一步壓縮的地方，也是本文中唯一一個由銷售該模型之廠商以外的人所測得的數字。Artificial Analysis 將 Mistral Large 4 Preview 的每個 Intelligence Index 任務成本定為 $1.13。Mercury 3 沒有對應數字，因此要建構出一個，唯一的方法就是假設一個 token 量——而先前的 Mercury 比較已顯示這個假設為何重要：一個模型若花 31,000 個輸出 token，而另一個花 193,000 個，前者每 token 貴 20 倍，每答案仍可能更便宜。以每百萬 $0.70 計算，Mercury 3 需要約 160 萬個輸出 token，單一任務的成本才會達到 $1.13。它不會花那麼多。在任何現實的量下，它都遠低於 $1.13，而這正是其論點誠實的核心：它的每 token 優勢在這裡經得起每答案修正，而面對 GPT-6 Sol 時則不然。

• 上下文 — Mercury 3：根據 Inception 的文件記載，為 1,000,000 個 token。Mistral Large 4：根據 Mistral 的模型列表，為 1,000,000 個，而 Artificial Analysis 的測試配置則為 524,288 個。

• 多模態 — Mercury 3：輸入文字，輸出文字，無論如何都不支援圖像。Mistral Large 4：文件、圖表、照片、技術圖紙、衛星影像。

• 速度 — Mercury 3：每秒 1,068 個 token，由廠商實測。Mistral Large 4：根據 Artificial Analysis，每秒 67.5 個 token，首個 token 延遲為 1.65 秒，對這個規模的模型來說確實很快。

• 權重 — Mercury 3：未發布任何權重，且 Inception 的 Hugging Face 組織沒有任何模型儲存庫。Mistral Large 4：承諾於十月底前發布，但目前尚未發布。

• 治理 — Mercury 3：未發布關於訓練資料或歐盟部署的聲明。Mistral Large 4：在歐洲資料中心訓練，由歐洲營運部署，涵蓋所有歐盟官方語言。

長上下文那一行值得讀兩遍。Mistral 的文件列出 100 萬個 token；Artificial Analysis 則是在 524,288 上測試。這並不矛盾——供應商會依其測試工具支援的二的冪次來測試——但這提醒我們，上下文數字是上限，而非經測試的能力；而且 Mistral Large 4 的長上下文召回率也尚未在完整視窗下公布。

歐洲論證真正切中要害之處

主權訴求在這款模型上並非裝飾；這正是若干買家會選擇它、而非更便宜且更優秀方案的原因。它在法國資料中心以 Blackwell GPU 訓練、從歐洲營運，並具備涵蓋所有歐盟官方語言的多語能力——對公部門買家或受監管的歐洲企業而言，這樣的組合可能勝過十二點智慧指數，因為替代方案可能根本採購不到。

Mercury 3 這些全都沒有提供。Inception 除了指出企業客戶可以購買專用算力、自動擴縮、合規控制與可設定的資料保留機制之外，並未公布任何關於模型運行地點、訓練所用資料，或適用何種保留條款的資訊。這些確實是應該賣給企業的東西，但它們不等同於一份公開的資料處理立場。

歐洲這個故事還有一個值得指出、而非解決的複雜之處：開放權重的承諾。如果 Mistral 在十月底公布權重，歐洲買家就能得到目前沒有美國實驗室能以這種規模提供的東西——一個接近前沿的多模態模型，可在自家邊界內、自家硬體上運行，而且請求路徑中沒有供應商。這與預覽 API 是實質上不同的產品，也正是為什麼缺少儲存庫比缺少基準分數更重要。

這兩款型號都已不在我們的產品目錄中，這會改變推薦。

Mercury 3 不在 OrcaRouter 的目錄中，Mistral Large 4 也不在——我們的模型 API 對兩者都查無結果，我們試過的每一種 slug 變體皆然。這極不尋常，值得明說，因為這意味著這項比較不能以「把兩者放上同一把金鑰」收尾。任何人要呼叫其中任一模型，不是直接找原廠，就是轉向託管該模型的幾個第三方平台之一。

在那種情況下，路由層仍然負責的是不需要自行託管模型的那部分：它會把我們實際路由的模型放在單一 OpenAI 相容端點之後，並讓你表達一條規則，決定哪些流量要流向哪裡。如果 Mistral 的權重在十月底到位，有意思的架構並不是「所有事情都用 Mistral Large 4」——而是為不能離開你防護範圍的文件提供自託管的 Mistral 路徑，對可以離開防護範圍的工作使用經路由的前沿模型，以及一條在兩者之間做決定的規則。同一條規則也能處理 Mercury 3——如果 Inception 把它發布到我們能觸及的地方；它也能處理任一廠商的促銷定價結束的情況，而 Mercury 3 的促銷定價尚未公布結束日期。

誰應該挑哪個，以及什麼會改變答案

如果工作內容是文字、處理量大，而且答案驗證起來成本很低，就選 Mercury 3。依目前生效的價格而定，其價目表比 Mistral Large 4 便宜六到十二倍；上下文視窗的帳面規格相同；而缺少中立評分這項風險，你可以在一天內用自己的錯誤率衡量。你要放棄的是所有非文字的輸入形式，以及在部署前稽核模型行為的任何能力。

如果輸入包含圖像、圖畫或掃描檔，請選 Mistral Large 4；如果採購要求歐洲訓練與營運；如果 1.65 秒的首個 token 時間比原始吞吐量更重要；或者，如果你感興趣的真正原因是開放權重承諾，那麼就等儲存庫發布，而不是只看公告。你所要放棄的，是價格上的六倍優勢，以及任何「現有最快」的宣稱。

兩個日期就能解決本文大部分未解的問題。第一個是十月底，屆時 Mistral 要麼公布權重，要麼不公布。第二個是 Artificial Analysis 運行 Mercury 3 的時候，那會用實測數字取代第一節裡的每一個廠商數字。這兩個日期都尚未公布。在它們到來之前，站得住腳的總結是：Mercury 3 是較便宜的文本引擎，Mistral Large 4 是較完整的產品，而且兩者都是靠買家目前只能姑且相信的說法來銷售。