Mercury 3 對決 Reflection Beam：最快的封閉模型遇上最快的開放模型

Reflection Beam 帶著一個可被查核的數字登場，而 Mercury 3 帶來的數字則無法查核。Beam 由 Artificial Analysis 評測為每秒 335.1 個輸出 token，首個 token 時間為 0.80 秒，智慧指數為 30——在 78 個受測模型中第四快，在 121 個模型中品質排名第二十。Mercury 3 宣稱每秒可達 1,068 個 token，且完全沒有任何獨立評分；而這發生在 Inception 於 2026 年 10 月 19 日發布它的一天後。因此，展開這項比較時，公平的問法不是「哪個更快」，而是「當未受測的一方也被測量時，差距會如何變化」。像這次這類發布背後的有紀錄 AI 故障與代理事件，都收錄於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。

這組配對之所以重要，不只是規格表上的事，而是因為兩款模型賣的是同一件事。Mercury 3 是擴散語言模型，會平行精煉成區塊的 token；Reflection Beam 是稀疏混合專家模型，總參數達 5,010 億，但每個 token 僅喚醒 230 億參數。手法不同，賭注相同：下一場競爭的關鍵在於推論成本，而非能力上限。Beam 於 2026 年 10 月 5 日發布，權重於 10 月 16 日以 Apache 2.0 釋出；Mercury 3 則在九天後以封閉 API 形式推出。其中一個你能下載自行測量，另一個你只能呼叫並選擇信任。

雙方實際上已正式記錄在案的內容

Beam 的紀錄詳細到足以引發爭論。Intelligence Index 為 30，在 121 個模型中排名第二十，高於 Artificial Analysis 所記錄、同類開放權重模型中位數 19。實測輸出速度為每秒 335.1 個 token、首個 token 耗時 0.80 秒，而同類模型中位數約為每秒 77 個 token 與 1.70 秒。公布費率為每百萬輸入 token 0.70 美元、每百萬輸出 token 2.10 美元，並有 84% 的快取折扣，換算下來每項指數任務的算力成本為 0.57 美元。另外，完成該指數的輸出量為 7,900 萬個 token，在 47 個受評模型中精簡度排名第十，而中位數為 1.4 億。最後這個數字，是效率主張首次出現在別人的測試框架中，也是兩份模型檔案裡最有意思的數據。

相較之下，Mercury 3 的成績紀錄是三項聲稱加上一個小型實驗。這些聲稱是：在 NVIDIA GPU 上每秒 1,068 個 token；參數量是 Mercury 1 的 40 倍以上，而測得的智能約為其三倍；以及品質「媲美甚至優於 GPT-6 Luna 和 Claude Haiku 5.5 等前沿速度最佳化模型」。那項實驗是：在 Inception 自家的網頁代理測試框架中執行 50 個實際的 Mind2Web 導航任務，完成率達 50%，「顯著多於 GPT-6.1-Sol」，且 token 用量與步驟數相同，因此成本僅為一小部分。這些全都未經獨立重現，而 Artificial Analysis 根本沒有 Mercury 3 的頁面。

這種不對稱並不是在貶低 Inception 的工程能力。這是在說明你今天能做出哪些決定。對 Beam 來說，你可以計算每項完成任務的成本，因為有人量測了完成情況與輸出長度。對 Mercury 3 來說，你只能計算每 token 的成本，除此之外別無其他。

規格表，每一行都附上採購來源

• 每百萬價格 — Mercury 3 定價為輸入 $0.20、輸出 $0.70，上市優惠期間為 $0.10 和 $0.35；Beam 則為輸入 $0.70、輸出 $2.10

• 快取輸入 — Mercury 3 依牌價每百萬 $0.02，而 Beam 在輸入費率上提供 84% 折扣，即每百萬約 $0.11

• 輸送量 — Mercury 3 每秒 1,068 個 token，廠商宣稱，未指明硬體；對比 Beam 每秒 335.1 個 token，由 Artificial Analysis 實測

• 首個 token 產生時間 — Mercury 3 未公布，對比 Beam 實測 0.80 秒

• 智慧指數 — 截至 2026 年 10 月 20 日，Mercury 3 尚無紀錄；Beam 30 則在 121 個中排名第 20。

• 每個索引任務的成本 — 若沒有分數，Mercury 3 無法計算，對比 Beam 的 $0.57

• 索引上的輸出冗長度 — Mercury 3 未公布，對比 Beam 的 7,900 萬個 token，在 47 個中精簡度排名第 10

• 上下文視窗 — Mercury 3 為 1,000,000 個 token，最大輸出 131,072 個 token；對比 Beam 的 1,048,576 個 token，最大輸出 131,072 個 token

• 參數 — Mercury 3 未公開，僅描述為超過 Mercury 1 的 40 倍，對比 Beam 的 501B 總參數、每個權杖（token）23B 活躍參數

• 輸入模式 — 兩者皆僅限文字

• 推理控制 — Mercury 3 提供從 instant 到 high 的四種設定，預設為 low；Beam 則強制要求推理強度，並提供五個等級；而 Reflection 的文件預設為 max

• 權重 — Mercury 3 為封閉式，Beam 則採 Apache 2.0；提供 BF16、FP8 與 273 GiB NVFP4 版本

• 自架部署 — Mercury 3 僅提供企業專屬容量，對比 Beam 在 NVLink 上以四顆 NVIDIA B300 GPU 進行的參考部署，並於首日即支援 vLLM、SGLang、Transformers 與 Dynamo

關於價格表的一點提醒。Mercury 3 的折扣沒有公布結束日期，因此規劃時應採用的數字是 $0.20/$0.70，而不是 $0.10/$0.35。Beam 的 $0.70/$2.10 是由評估方與 Reflection 自家平台公布的現行費率表。

真正重要的差距是 335 對 1,068

如果 Inception 的數據在公正的測試框架下成立，Mercury 3 比該領域中測得最快的開放權重模型快約三倍，而且它的輸入價格僅為 Beam 的三分之一，輸出價格也僅為三分之一。更快又更便宜這個組合，用一句話概括了支持 Mercury 3 的理由，而這句話很有力。

問題在於，這句話完全建立在一個數字上，卻沒有說明方法論。Inception 沒有說用的是哪一款 GPU、batch size 是多少、reasoning effort 設定為何，也沒有說量測是單流（single-stream）還是彙總（aggregate）。這四項選擇中的任何一項，都會讓吞吐量數字相差數倍。要套用的折減並不是假設性的：Mercury 2.5 推出時，廠商提供的吞吐量數字明顯高於 Artificial Analysis 後來在其自有測試框架下測得的每秒 706 個 token。這是此類別中廠商數字與獨立量測之間的正常差距，並非惡意——但這正是應該假設的差距。

若把數字砍到三分之一，Mercury 3 的效能會落在每秒約 350 個 token：與 Beam 測得的數字持平，價格卻只要三分之一，但品質分數未知。若把數字砍半，它則輕鬆成為兩家實驗室在此價格區間推出過最快的模型。無論採用哪一種算法，比較結果都會從「快三倍」變成「介於和 Beam 一樣快與快三倍之間，而且無論如何都比 Beam 便宜」。

同一組數字裡還藏著第二個不對稱。Beam 的 0.80 秒首字延遲，是在一個預設為最高努力設定的推理模型上測得的——這意味著模型在輸出任何內容之前都在進行真正的思考，卻仍能在不到一秒內回傳第一個 token。這是比原始吞吐量數字更令人印象深刻的工程成果，而且這種事只有獨立測試框架才找得出來。

Beam 這邊真正的重點，是 230 億個活躍參數

Beam 規格卡上的 501B 數字，大部分時候並沒有實際運作。每個 token 有 230 億個活躍參數，模型在處理任何給定 token 時大約只喚醒自身的 4.6%，這種啟用比例即使以現行開放權重標準來看也相當激進。架構說明提到了交錯的局部與全域注意力、細粒度路由專家、SandwichNorm，以及 FP8/FP4 服務版本，但實際結果更簡單：Beam 能塞進單一四 GPU 節點。這是一種服務配置，而不是研究上的新奇玩意。

這也解釋了冗長度的結果。一個花費 7,900 萬個輸出 token 完成一項索引、相對於 1.4 億中位數的模型，是用大約一半的輸出 token 做同樣的工作，而輸出 token 正是成本所在。Reflection 自己的論點是推論時的效率，而非在前沿能力上並駕齊驅；該公司在發布資料中也這麼說——它承認在原始能力上不如 Kimi K3 與 G​LM。獨立數據同時支持這項承認與效率主張。

Mercury 3 的效率論證在本質上不同。它不在於花費更少的 token，而在於更快地產生 token；而 Inception 的擴展故事——其首個模型的參數量四十倍、測得智慧三倍、速度相同——是在主張擴散的平行化能換來自迴歸模型無法匹敵的吞吐量。這是個合理且有趣的論點。它也完全是自己報告的，而且完全沒說明該模型是否會比可相比的自迴歸模型花更多 token 才能達到相同答案。沒有人發表過 Mercury 3 的冗長度數據，因為沒有 Mercury 3 的評測可從中取得。

每項完成工作的成本，逐步計算

以一個 agentic 編碼任務為例：200,000 個 token 的儲存庫上下文，輸出 4,000 個 token 的 patch 與說明，而整個團隊每天要跑 5,000 次。

• Mercury 3 按定價計算：10 億個輸入 token，以每百萬個 0.20 美元計算，是 200 美元；2,000 萬個輸出 token，以每百萬個 0.70 美元計算，是 14 美元。每天約 214 美元。

• Mercury 3 以推出費率計——每天約 107 美元。

• 按 Beam 的公告費率計算——1,000 百萬輸入以 $0.70 計為 $700；20 百萬輸出以 $2.10 計為 $42。一天約 $742，這還沒算上 84% 的快取折扣，而這點在這裡極其重要，因為儲存庫上下文正是那種會被快取的前導內容。在上下文有貼近現實的快取命中率下，輸入部分會壓低到約 $112，每日總額則落在約 $154 附近。

那套算術正是這兩個模型存在的原因。在快取良好的代理型工作負載上，兩者相差不到 40%——在良好快取情境下 Beam 略便宜，在糟糕情境下 Mercury 3 較便宜——而且兩者都只是前沿模型對相同流量收費的一小部分。成本論點無法區分兩者。區分兩者的是：Beam 的數字可重現，而 Mercury 3 的數字則是相對於未知完成率的標價。

授權問題，而這個問題還差得遠

Beam 的權重以 Apache 2.0 授權可下載，提供三種精度，另有一個 1.93B 的推測解碼草稿模型；Reflection 表示不限制蒸餾、微調、量化或合併。有一個一致性驗證工具——beam-verifier——可對任何運行中的 Beam 端點執行測試套件，接著在主要基準測試上進行評估，這意味著買方能核對供應商提供的數字，而不必直接相信。自我託管則完全消除了按 token 計費的問題，並將其轉化為 GPU 時數的問題。

Mercury 3 完全沒有提供這些。它是封閉的，僅提供 API，而其企業方案增加的是專屬容量與可配置的資料保留設定，而非權重。對於模型只是你所販售產品中一個元件的工作負載而言，那是一項依賴，而非一條供應鏈。

另外還有供應商歷史這項訊號。Inception 自家的遷移說明指出，Mercury 2 與 Mercury 2.5 已對新使用者關閉，現有客戶將於 2026 年 11 月 15 日失去存取權——距離 Mercury 3 推出還不到一個月。一家公司這麼快就淘汰兩個世代，是在告訴你它預期自家模型被如何消費：作為短命的租用服務。Reflection 目前為止則反其道而行，把成品交了出去。

在兩個型號都不在我們產品目錄中的情況下，路由器適合放在哪裡

OrcaRouter 既不提供 Mercury 3，也不提供 Reflection Beam。查詢我們的模型 API，兩者皆無回傳結果，而我們不會描述我們並未擁有的路由。我們實際提供的是圍繞它們的層：超過 200 個模型，位於單一 OpenAI 相容端點之後，以供應商定價、零加價提供，並具備自動容錯移轉，以及可將模型組合成單次呼叫的路由 DSL。

針對這組特定組合，那一層負責兩項工作。第一項是比較。如果你想在投入任何這些之前，先知道每秒 300 個 token 的開放權重模型對你的產品是否夠快，誠實的測試方式就是把工作負載跑在你已經能呼叫的模型上——Kimi K3，價格為 $3.00/$15.00，上下文長度 1,048,576 個 token；GLM 5.2，$1.40/$4.40；Qwen 3.8-Max，$2.00/$6.00——並衡量你的使用者真正注意到的情況。第二項是備援。自託管的 Beam 部署與廠商託管的 Mercury 3 是兩種不同的故障模式；把生產路徑放在具備容錯切換的路由器後面，意味著端點效能下降會成為一筆記錄事件，而不是一次服務中斷。因為供應商的定價表會原樣傳遞，Reflection 的降價或 Inception 的折扣會在其宣布當天反映到你的帳單上。

這項決定取決於限制條件，而非分數

• 如果你需要模型成為一項資產——可審計、可微調、可在自有硬體上運行、即使供應商消失仍能存續——那麼在這裡，Beam 是唯一的選擇。Apache 2.0、可容納於單一節點的 273 GiB 建置，以及能對照 Reflection 的數據來檢查任何供應商的驗證器。這是對 Mercury 3 完全無法回答之問題的完整答案。

• 如果你需要在封閉 API 上取得盡可能最低的延遲，而且有人正在等待，Mercury 3 是更值得考慮的選擇，而其價格也讓評估成本變得很低。測試時請明確固定 effort 設定，因為預設值偏低，而 Inception 的說法並未指明是哪個設定產生了那些數據。

• 如果你需要在做出承諾前先了解品質，Beam 有具體數字，Mercury 3 則沒有。在一項涵蓋 121 個模型的索引上，30 分算平庸——這不是前沿分數，Reflection 也沒有聲稱它是——但這是一個你可以據以設計的底線。

• 如果你的工作負載是代理式且長時間執行的，Beam 預設以最高投入強制推理，每次呼叫都很昂貴；而 Mercury 3 預設低投入，每次呼叫則很便宜。至於每完成一項工作哪個更便宜，取決於完成率，而目前還沒有人測量過 Mercury 3 的完成率。

對這個比較而言，最有用的一件事，就是出現一份獨立的 Mercury 3 測量結果。如果它落在 1,068 附近，且品質分數具競爭力，那麼 Inception 已經推出該領域最快又便宜的模型，而 Beam 的效率敘事就會變成關於開放性的故事，而不是原始速度。如果它落在 Beam 的 335 附近，且分數居中，那麼最快的開放權重模型和最快的封閉模型速度相同，決定性問題就變成價格、授權條款，以及你是否想擁有這個產物——而 Beam 目前在這三個問題上都有更好的答案。