Mercury 3 與 Step 5 Preview 比較：變得更貴的，是那個經過實測的模型

2026 年 10 月 14 日，StepFun 將 Step 5 Preview 的快取命中輸入價格從每百萬 token 0.35 元調漲一倍至 0.70 元，並對已使用過該模型的呼叫方提供不溯及既往條款。五天後，Inception 以半價推出 Mercury 3，卻未說明折扣何時結束。把這兩件事並排放在一起，就勾勒出這次比較的輪廓：擁有獨立基準分數的模型，正是價格調漲的那一個；而正在特價的模型，則是實驗室之外無人測量過的那一個。 這類發布背後有紀錄的 AI 失敗與代理事故，都收錄在 the OrcaRouter AI Incident Archive，其中每個條目都附有自己的來源、嚴重程度、信心等級與爭議標記。

這種倒掛並非巧合，也不是支持任何一方的理由。Step 5 Preview 是成熟模型，公開紀錄持續增加——2026 年 9 月 20 日由廠商發布、有獨立的 Intelligence Index 分數、Hugging Face 上有官方權重——而廠商對已知可用的東西會收取更高價格。Mercury 3 問世九天，宣稱每秒可達 1,068 個 token，且沒有任何獨立評分。你為便宜那款付出的代價，就是你自己得充當量測。

兩個意思不同的預覽

「preview」這個詞同時出現在兩個名稱中，但在兩者裡扮演的角色不同。在 Step 5 Preview 中，它是 StepFun 自己的標籤，也是 API 識別碼的一部分——你送出的字串是 step-5-preview，而不是 step-5——而且 StepFun 並未針對該字串公布取代日期、棄用通知或穩定性承諾。實務上，這個模型已經上線一個月，權重已放在 Hugging Face 上，也有已公布的價目表，所以「preview」實際承擔的意義比看起來小得多。

Mercury 3 完全沒有預覽標籤：這是正式全面推出的版本，具備 OpenAI 相容端點、模型 ID 為 mercury-3，並為新帳戶提供一億個 token 的試用額度。Mercury 3 取而代之的是上市折扣，這是另一種不穩定。預覽標籤警告你模型可能改變；上市折扣則警告你價格將會改變。

在處理其他事情之前，先確認日期正確是值得的。Step 5 Preview 的廠商發布日期是 2026 年 9 月 20 日，這個日期取自 StepFun 自家的公告資料；Artificial Analysis 則將該模型列為 2026 年 9 月發布，其 FAQ 文字則把日期定為 9 月 18 日。雙方都未說明這 2 天的落差，而本文在需要日期時採用 StepFun 的日期。Mercury 3 的日期則明確無疑：2026 年 10 月 19 日，也就是本文撰寫的前一天。

規格表，並附上每一行的來源

• 每百萬個 token 的價格 — Mercury 3 牌價為輸入 $0.20、輸出 $0.70，上市優惠期間為 $0.10 與 $0.35；相較之下，Step 5 Preview 為輸入 7 元、輸出 20 元，且在 10 月 14 日調整後，快取命中的輸入為 0.70 元

• 評測者的美元數字——Step 5 Preview 每百萬輸入 $1.00、輸出 $2.70，並享 90% 快取折扣，由 Artificial Analysis 公布；這些是評測者自身的數字，並非 StepFun 價目表的貨幣換算

• 上下文視窗 — Mercury 3 的 1,000,000 個 token 對比 Step 5 Preview 的 1M 個 token

• 最大輸出 — Mercury 3 131,072 個 token，對比 Step 5 Preview 64,000 個 token

• 輸入模態 — Mercury 3 僅支援文字，對比 Step 5 Preview 支援文字、圖片與影片

• 輸出模態 — 兩者皆為文字

• 參數 — Mercury 3 未公開，僅被描述為超過 Mercury 1 的 40 倍；相較之下，Step 5 Preview 未公布於 StepFun 的平台文件或評估者的模型頁面，因此這兩個數字都無法在此引用

• 權重 — Mercury 3 為閉源，對比 Step 5 Preview 依 StepFun Model License 1.0 於 Hugging Face 發布，包含基礎儲存庫以及 BF16 與 NVFP4 建置版本

• 推理控制 — Mercury 3 提供四種 effort 設定，從 instant 到 high，預設為 low；相較於 Step 5 Preview 這個推理模型，則沒有公開的 effort 參數

• Independent Intelligence Index — Mercury 3 截至 2026 年 10 月 20 日尚無收錄，相較於指數修訂版 4.3.2 中的 Step 5 Preview 44

• 實測輸出速度 — Mercury 3 無 vs Step 5 Preview 每秒 92.2 個 token，由 Artificial Analysis 測量

• 提示快取 — Mercury 3 支援，定價為每百萬個快取 token 0.02 美元；Step 5 Preview 支援每百萬次快取命中 0.70 元人民幣，較 10 月 14 日的 0.35 元上漲

那份清單中有一行值得再看一眼，因為這是兩個模型中任何一個的價格唯一一次公開變動。Step 5 Preview 的快取命中率在其推出後第十二天翻倍。快取未命中的輸入價格與輸出價格則未受影響，而在那一刻之前透過隨用隨付 API 使用該模型的呼叫者，依祖父條款保留舊費率。如果你正根據提示快取建立成本模型——任何代理工作負載都是如此——那麼一個已經翻倍過的費率，就是值得持續檢查的費率。

多模態這條路線，就是會讓某些對話劃下句點的那一條。

Step 5 Preview 接受文字、圖片和影片，並回傳文字。Mercury 3 接受文字並回傳文字。Inception 的文件在這一點上毫不含糊：該模型被列為僅支援文字，而發布資料談的是速度與成本，而非視覺能力。

對於需要讀取螢幕截圖、掃描發票、觀看螢幕錄影，或將影片解析成結構化筆記的工作負載來說，根本沒什麼好比較的。Step 5 Preview 是兩者中唯一能真正接收輸入的，這使得價格差距無關緊要，基準測試差距也無關緊要，直到你決定視覺工作是否重要為止。這項決定通常由產品做出，而非由模型做出。

對於文字進、文字出的工作負載——搜尋、支援、程式碼審查、摘要——模態這條界線就會消失，比較的重點會變成速度、價格與證據，並依照各自有多容易查核的順序排列。

這場對決中唯一的獨立評分怎麼說

Step 5 Preview 在 Artificial Analysis Intelligence Index（版本 4.3.2）中獲得 44 分，在該指數自身表格的 121 個模型中排名第四，中位數則為 19。同一份清單記錄到實測輸出速度為每秒 92.2 個 token、首 token 時間為 2.55 秒，以及冗長程度數據為 1.6 億個輸出 token，對比中位數 1.4 億；評估方形容其略為冗長。它稱該模型相對於可比的開放權重模型而言偏貴，而這是對 $1.00/$2.70 的合理判讀。

仔細閱讀這個 44。它是基準測試套件的加權綜合分數，不是對你的工作負載的宣稱，也不代表 Step 5 Preview 會勝過在你的特定任務上排名第 42 的模型。評估者自己的頁面也對若干個別評估標有「Under review」標記。但這是一個由他人可檢視的方法論所產生的數字，而且它讓該模型高於該領域的中位數。

Mercury 3 沒有可相比的結果。Inception 的品質主張是比較性的——「與 GPT-6 Luna 和 Claude Haiku 5.5 等前沿速度最佳化模型相當或更好」——但沒有差距幅度、沒有測試名稱，也未說明是其四種投入程度設定中的哪一種得出這項比較。唯一結構化的結果是 Inception 自家的代理測試：50 個實際的 Mind2Web 導覽任務，完成率 50%，「顯著多於 GPT-6.1-Sol」，在相同 token 量與步驟數下，因此每 token 成本只是一小部分。在供應商自家測試框架中的五十項任務是一個訊號，而非分數。

實體號碼，以及它的價值

每秒 1,068 個 token，正是值得了解 Mercury 3 的全部理由。如果這個數字成立，500 個 token 的回答不到半秒就能生成，這正是讓搜尋答案感覺即時、而非像網路往返一趟的差別。Step 5 Preview 實測為每秒 92.2 個 token，同樣的回答約需 5.4 秒，另外還要約 2.55 秒才能產生第一個 token。

這項宣稱沒有附上硬體、沒有批次大小、沒有努力程度設定，也沒有說明是單流還是聚合，而這四項選擇中的任何一項，都能讓吞吐量數字出現數倍的變動。這個產品系列中，廠商數據與獨立數據之間的落差是有紀錄可查的：Artificial Analysis 測得 Mercury 2.5 約為每秒 706 個 token，低於 Inception 在該次發布時所公布的數字。在有人重現 1,068 這個數字之前，這就是應該套用的折扣。截至 10 月 20 日，Artificial Analysis 上並沒有 Mercury 3 的頁面。

相較之下，Step 5 Preview 的速度就無聊得多，就像所有被量測的事物一樣無聊。實測為每秒 92.2 個 token，這讓它在評測者的速度排名中，於 78 個模型裡排第 32 名——比一般情況快，但並不突出。沒有人是為了速度而買它。他們買的是 1M token 視窗、多模態輸入與分數。

以兩張費率表計算同一項工作的成本

以文件分流管線為例：每天 8,000 頁，每頁有 2,500 個 token 的 OCR 文字，每頁產生 300 個 token 的分類與擷取輸出。也就是每天 2,000 萬個輸入 token 和 240 萬個輸出 token，而且每次呼叫都會重送相同的指示區塊，因此可快取。

• Mercury 3 按定價 — 20 × $0.20 加 2.4 × $0.70，即每天 $5.68

• Mercury 3 以推出時的費率計算——每天約 $2.84

• Step 5 Preview，未快取 — 20 × 7 加 2.4 × 20 元，即每天 188 元；以評估者的美元數字計算，20 × $1.00 加 2.4 × $2.70，即 $26.48

• 步驟 5 Preview：在指令區塊已快取的情況下——快取命中的價格是每百萬 0.70 元，未命中則是 7 元，因此省下的金額完全取決於那 2,000 萬中有多少是重複的前置指令，而非新的頁面文字

因此，標價差距大約是 4.5 倍，且對 Mercury 3 有利；而上市折扣會把它擴大到約 9 倍。這是支持 Mercury 3 最有力的單一論據，而且完全可以計算。無法計算的是每項已完成工作的成本，因為 Mercury 3 沒有公布完成率，也沒有公布輸出 token 數。Step 5 Preview 的冗長程度至少是有量測的——在該指標上為 1.6 億個 token，相較之下中位數是 1.4 億，評估者稱其有點冗長——而這讓你可以為此編列預算。

唯一值得反覆提醒的一點：規劃 Mercury 3 時，應以定價為準。五折被描述為「上市時」的優惠，且沒有結束日期；而其兩款前代型號目前已不再開放新用戶，現有用戶的存取權限將於 2026 年 11 月 15 日終止。Inception 的商業行為顯示，你應以促銷結束後仍會存續的費率來進行規劃。

權重、授權，以及上個月有哪些變更

Step 5 Preview 的開放權重情況在發布後有所變化。發布時，權重是由第三方鏡像提供，而非由廠商自行發布；截至本週，StepFun 自家的 Hugging Face 組織已收錄基礎儲存庫，以及 BF16 與 NVFP4 建置版本，全部的最後修改日期皆為 2026 年 10 月 15 日。授權條款為 StepFun Model License 1.0，並非 Apache 或 MIT，出貨前需要詳閱——這是附帶條款的廠商授權，而非寬鬆式授權。

Mercury 3 沒有權重，也沒有可閱讀的授權條款。它僅提供 API，企業部署方案增添的是專用容量、自動擴展與可設定的資料保留，而非一份你能實際拿在手上的成品。

對於正在決定要微調、量化，還是要在自家硬體上執行的團隊來說，那一行具有決定性，其他行都不重要。對於只呼叫 API、從不接觸檢查點的團隊來說，它只有在作為退出成本的衡量時才有意義：如果 StepFun 改變價格或讓該模型退役，Step 5 Preview 的部署可以轉向自託管權重；Mercury 3 的部署則轉向另一家供應商。

路由問題，誠實以答

這兩個模型都不在 OrcaRouter 的目錄中。我們的模型 API 對 step-5-preview 或任何 Inception 模型都不會回傳任何內容，因此任何想呼叫其中任一個的人，都得前往供應商自家的平台，或各供應商所列的第三方託管服務之一。明白地說出這一點，比暗示我們有一條並不存在的路徑更有用。

在這種情況下，路由層確實能給你一個不必做出承諾就能回答這個問題的方法。超過 200 個模型位於單一 OpenAI 相容端點之後，以供應商定價提供、不加價，而其中在價格與能力上最接近這兩者的——Qwen 3.8-Max，價格 $2.00/$6.00、具 1M token 視窗；GLM 5.2，$1.40/$4.40；Kimi K3，$3.00/$15.00——今天下午就能拿你自己的流量來實測。如果它們之中沒有任何一個達到門檻，那麼付費給任一家供應商的理由就更強；如果其中有一個達到了，你就替自己省下了一次整合。自動容錯移轉也涵蓋了這場對決中的特定風險，也就是：那個以推出優惠提供、卻沒有穩定性承諾的模型，正是你原本會放進生產路徑的模型。

有一個機制層面的重點，在這裡比平時更為重要：供應商的定價會原封不動地傳遞下去，因此廠商的費率一有變動，當天就會反映在帳單上，而不是等到續約時才調整。有鑑於 Step 5 Preview 的快取價格已經變動過一次，這並非假設性的優勢。

挑選前該問的問題

這兩個模型都很便宜。在實際的管線中，它們的帳單差異每天只有幾美元，而上市折扣讓 Mercury 3 看起來比促銷結束後更便宜。所以，成本不是這項決策的關鍵所在。

這歸結為一個更簡單的問題：你需要的是快速得到答案，還是需要知道它是否正確？Step 5 Preview 是你可以檢查的那一個——獨立索引分數、實測速度、實測冗長度、已公開的權重，讓你可以在自己的測試框架中運行。Mercury 3 則是能在不到一秒內回答，但目前無法由 Inception 以外任何人檢查的那一個。

對於一個受延遲限制、有人員介入且失敗可復原的產品來說，第二項取捨是合理的，而且評估成本很低。對於一個無人值守運行、且錯誤代價高昂的管線來說，一個實測分數落在四十幾中段的模型，價值是完全没有分數的模型的好幾倍——而這正是為什麼有實測分數的那個模型得以調漲其快取價格，而不是因為任何基準測試。

真正值得關注的事並不光鮮：下一次獨立的 Mercury 3 實測數據，無論何時出現，以及 StepFun 的快取價格是否會再次變動。這兩項小事實對計算結果的影響，都會比任何一篇發布文章更大。