Mercury 3 erzeugt laut Anbieter mehr als 1000 Tokens pro Sekunde und rückt damit die Geschwindigkeit von Künstlicher Intelligenz (KI) in den Vordergrund. Gleichzeitig erscheinen günstigere Such- und Datenwerkzeuge, Modelle für alte Programmiersprachen sowie offene Systeme für Unternehmen und lokale Computer. Für dich zählt deshalb nicht nur, welches Modell in einer Rangliste vorne liegt, sondern welches zu deiner konkreten Aufgabe, deinem Budget und deinen Anforderungen an den Umgang mit Daten passt.
Geschwindigkeit, Preis und Spezialisierung im Vergleich
Mercury 3 ist ein grosses Sprachmodell, auf Englisch Large Language Model (LLM), das Texte nicht wie übliche Systeme Wortteil für Wortteil schreibt. Als Diffusionsmodell beginnt es mit einem groben Gesamtentwurf und verbessert mehrere Stellen parallel. Inception meldet dafür 1068 Tokens pro Sekunde auf nicht näher bezeichneten NVIDIA-Grafikprozessoren sowie ein Kontextfenster von einer Million Tokens, also Platz für sehr umfangreiche Eingaben und Gesprächsverläufe.
Nach der Vorstellung von Mercury 3 führt das Modell in acht von zwölf herstellereigenen Tests vor GPT-6 Luna und Claude Haiku 5.5. Besonders deutlich ist der Vorsprung im Softwaretest SWE-Bench Atlas, während Mercury 3 bei DeepSWE v1 hinter Claude Haiku 5.5 liegt. Diese Ergebnisse sind nicht unabhängig geprüft, und alle Modelle liefen laut Bericht mit mittleren Einstellungen.
Das hohe Tempo kann bei einem Sprachassistenten spürbar sein, der Antworten während eines Gesprächs möglichst ohne Pause liefern soll. Auch ein Suchwerkzeug, das viele Fundstellen zusammenfasst, profitiert von schneller Ausgabe. Für eine einzelne E-Mail oder eine gelegentliche Zusammenfassung ist der Unterschied zwischen schnell und sehr schnell dagegen oft weniger entscheidend als Zuverlässigkeit, Bedienkomfort und Preis.
Eine Programmierschnittstelle (API) verbindet ein Modell mit anderen Anwendungen. Mercury 3 wird ausschliesslich über eine solche API angeboten; offene Modellgewichte oder verkleinerte Ausgaben für den eigenen Computer gibt es laut Quelle nicht. Der Anbieter nennt in der vorliegenden Meldung auch keinen Preis, weshalb sich aus der hohen Geschwindigkeit noch kein Kostenvorteil ableiten lässt.
Unterschiedliche Modelle für unterschiedliche Aufgaben
Die weiteren Neuheiten zeigen, dass sich der Markt nicht nur über allgemeine Chatmodelle entwickelt. OpenAI hat GPT-6 für Programmiersprachen mit wenig verfügbarem Trainingsmaterial verbessert, darunter COBOL, Fortran und Visual Basic. Solche Sprachen tragen weiterhin kritische Systeme: Laut OpenAI und IBM unterstützt COBOL mehr als 40 Prozent der Online-Banking-Systeme und 95 Prozent der Transaktionen an Geldautomaten.
Beim Aufbau einer SQLite-kompatiblen Datenbank-Engine erreichte GPT-6 Astra über 20 Sprachen eine durchschnittliche Testbestehensrate von 87,4 Prozent, gegenüber rund 38 Prozent bei GPT-5.6 Terra. GPT-6 Luna kam auf 40,3 Prozent und lag damit nur knapp über GPT-5.6 Terra mit 37,9 Prozent, soll aber deutlich günstiger sein. Bei der Migration von COBOL in modernere Sprachen erreichte GPT-6.1 Sol je nach Denkaufwand 86,6 bis 97,9 Prozent Genauigkeit; GPT-5.6 Sol lag bei 5,4 Prozent.
Das ist vor allem für Organisationen relevant, die alte Banksysteme oder andere gewachsene Software prüfen und schrittweise modernisieren. Ein konkretes Beispiel ist die Übertragung eines COBOL-Programms nach Java, Python oder Rust. Die hohen Testwerte ersetzen jedoch weder eine fachliche Prüfung noch reale Tests mit dem bestehenden System.
Exa 3.0 konzentriert sich dagegen auf die Websuche über eine API. Das Angebot umfasst ein grösseres Einbettungsmodell, das Inhalte als mathematische Repräsentationen für die Suche erfasst, sowie Dynamic Highlights für passende Textausschnitte. Exa Lite kostet laut Kurzfassung zur neuen Such-API 4 US-Dollar pro 1000 Anfragen und führt in acht von Exa selbst durchgeführten Tests vor Perplexity, Brave und Parallel.
Cloudflare zielt mit Clairic auf einen noch engeren Anwendungsfall. Das als Vorschau veröffentlichte Extraktionsmodell liest Informationen aus Eingaben und gibt strukturierte Werte in einem festgelegten Format samt Vertrauenswert aus. Ein Unternehmen könnte damit beispielsweise Beträge oder andere definierte Angaben aus Dokumenten herausziehen, statt einen allgemeinen Chatbot um eine freie Zusammenfassung zu bitten.
Clairic benötigt laut Cloudflare nur einen Verarbeitungsdurchlauf. Der angekündigte Preis beträgt 0,10 US-Dollar pro Million Eingabe-Tokens, während für die Ausgabe nichts berechnet wird. Da sich das System noch in der Vorschau befindet und die veröffentlichten Angaben zu Clairic knapp sind, bleiben praktische Genauigkeit und Grenzen ausserhalb ausgewählter Aufgaben offen.
Pro und Kontra der neuen Modellvielfalt
Pro:
- Mehr Tempo – Mercury 3 kann laut Anbieter umfangreiche Antworten mit mehr als 1000 Tokens pro Sekunde ausgeben, was interaktive Anwendungen flüssiger machen kann.
- Niedrigere Einstiegskosten – Exa Lite, Clairic und MiniMax M3.1 Flash nennen Preise, die Tests mit klar begrenztem Budget ermöglichen.
- Gezielte Werkzeuge – Spezialisierte Modelle für Suche, Datenextraktion oder alte Programmiersprachen können passender sein als ein allgemeiner Chatbot.
- Mehr Kontrolle – Offene NVIDIA-Modelle lassen sich auf eigener Infrastruktur betreiben und mit eigenen Daten weiter anpassen.
Kontra:
- Herstellertests – Mehrere Spitzenwerte stammen von den Anbietern selbst und sind nicht unabhängig bestätigt.
- Unterschiedliche Messgrössen – Tokens pro Sekunde, Genauigkeit, Testpunkte und Kosten pro Aufgabe lassen sich nicht direkt miteinander vergleichen.
- Fehler bleiben teuer – Ein schnelles oder günstiges Modell kann falsche Angaben produzieren, die bei Finanz-, Dokumenten- oder Altsystemen besonders problematisch sind.
- Unklare Verfügbarkeit – Nicht jede Quelle nennt unterstützte Sprachen, regionale Verfügbarkeit oder Bedingungen für die Verarbeitung sensibler Daten.
MiniMax M3.1 Flash verdeutlicht den Zielkonflikt besonders gut. Das Modell erreicht laut Artificial Analysis 42 Punkte im Intelligence Index, 13 Punkte mehr als sein Vorgänger, und kostet mit rund 0,22 US-Dollar pro Aufgabe weniger als halb so viel. MiniMax gibt zudem an, dass es dreimal schneller als M3 sei.
Gleichzeitig weist der Bericht eine Halluzinationsrate von 93 Prozent aus, weil das Modell auch bei Unsicherheit häufig eine Antwort versucht. Eine Halluzination ist eine plausibel klingende, aber falsche oder unbelegte Aussage. Damit steht ein attraktiver Preis einem erheblichen Zuverlässigkeitsrisiko gegenüber, das du nicht durch reine Geschwindigkeits- oder Ranglistenwerte erkennst.
Kosten und Zugang im Überblick
MiniMax M3.1 Flash verarbeitet Text und Bilder sowie bis zu eine Million Tokens Kontext. Die API kostet laut Bericht zu Preisen und Testergebnissen 0,15 US-Dollar pro Million Eingabe-Tokens und 0,60 US-Dollar pro Million Ausgabe-Tokens; zwischengespeicherte Eingaben kosten 0,015 US-Dollar. MiniMax kündigte ausserdem an, die Modellgewichte am 23. Oktober offen bereitzustellen, sodass sie heruntergeladen und ausserhalb der Anbieterplattform betrieben werden können.
Die Ergebnisse sind gemischt: M3.1 Flash erreicht bei Humanity’s Last Exam 48 Prozent und bei AA Omniscience 56 Prozent korrekte Antworten. DeepSeek liegt im Intelligence Index mit 45 Punkten sowie im Physiktest CritPt mit 24 Prozent vor MiniMax mit 42 beziehungsweise 22 Prozent. MiniMax liegt im letztgenannten Test jedoch vor GLM-5.3 Flash mit 15 Prozent und Gemini 3.8 Flash mit 18 Prozent.
NVIDIA verfolgt ebenfalls einen offenen Ansatz. Nemotron 3.5 Super VL besitzt 120 Milliarden Parameter und ist für dauerhaft aktive Unternehmensagenten gedacht, also Systeme, die Aufgaben mit Werkzeugen möglichst selbstständig bearbeiten. Zwei kleinere Bolt-Modelle sollen lokal auf neuen KI-PCs mit NVIDIA RTX Spark sowie auf DGX-Spark-Arbeitsstationen laufen.
NVIDIA behauptet, dass Super VL nach zusätzlichem Training für bestimmte Aufgaben schneller als Modelle von Anthropic und OpenAI arbeite. Genannt werden Dokumentenanalyse, Finanzbuchhaltung, wissenschaftliche Experimente, Versicherungsfälle und die Widerstandsfähigkeit gegen Sicherheitsangriffe. Zu den laut NVIDIA bereits beteiligten Unternehmen gehören EY, Ramp, CrowdStrike, Perplexity und Salesforce; die Leistungsbehauptungen zu Nemotron bleiben dennoch Anbieterangaben.
Die Preisangaben sind somit lückenhaft und unterschiedlich aufgebaut. Exa rechnet pro Suchanfrage ab, Clairic und MiniMax nach Tokens, während die vorliegenden Meldungen für Mercury 3 und die NVIDIA-Modelle keine direkt vergleichbaren Kosten nennen. Der günstigste Listenpreis hilft wenig, wenn ein Modell für dieselbe Aufgabe mehr Ausgaben erzeugt, häufiger geprüft werden muss oder zusätzliche Hardware benötigt.
Praxisnutzen für Einsteiger und Fortgeschrittene
Wenn du einsteigst, solltest du mit einer eng umrissenen und überprüfbaren Aufgabe beginnen. Du könntest etwa mit Exa Lite eine kleine Zahl von Suchanfragen testen oder mit einem Extraktionsmodell definierte Angaben aus einigen unkritischen Dokumenten auslesen. Vergleiche dabei nicht nur die Geschwindigkeit, sondern auch Vollständigkeit, Fehler und die tatsächlich entstehenden Kosten.
Wenn du bereits Erfahrung hast, kannst du dieselbe Aufgabe mit mehreren Modellen und festen Prüfkriterien ausführen. Für einen Suchassistenten wären das beispielsweise Qualität der Fundstellen, passende Textausschnitte, Antwortzeit und Preis pro Anfrage; bei einer COBOL-Migration zählen zusätzlich funktionierende Tests und die korrekte Übertragung der Programmlogik. So erhältst du einen belastbareren Vergleich als aus Ranglisten mit unterschiedlichen Aufgaben und Einstellungen.
Für Anwenderinnen und Anwender in der Schweiz ist ausserdem relevant, wo Eingaben verarbeitet werden und ob ein Modell lokal oder auf eigener Infrastruktur laufen kann. Die offenen NVIDIA-Modelle und die angekündigten MiniMax-Gewichte bieten grundsätzlich mehr technische Kontrolle, während Mercury 3 nur über die Anbieter-API zugänglich ist. Die Quellen nennen jedoch weder schweizspezifische Verfügbarkeit noch verbindliche Angaben zu Datenstandorten, unterstützten Landessprachen oder Datenschutzbedingungen.
Die neuen Angebote zeigen eine klare Aufteilung: Mercury 3 priorisiert Tempo, OpenAI alte Programmiersprachen, Exa die Suche, Clairic die strukturierte Extraktion und NVIDIA den kontrollierbaren Betrieb. MiniMax verbindet niedrige Preise mit beachtlichen Testwerten, trägt aber ein auffälliges Halluzinationsrisiko. Ein Ausprobieren lohnt sich deshalb vor allem bei klar messbaren Aufgaben; offen bleibt, wie zuverlässig die Anbieterwerte unter realen Bedingungen und mit sensiblen Daten ausfallen.
Quellen
- Inception Releases Mercury 3 Diffusion LLM at 1,068 Tokens per Second – MarkTechPost, 2026-10-20
- OpenAI macht GPT-6 fit für alte Programmiersprachen wie COBOL und Fortran – The Decoder, 2026-10-20
- Exa 3.0 Search API Tops Perplexity, Brave and Parallel on 8 Benchmarks – MarkTechPost, 2026-10-20
- Cloudflare Releases Clairic, a System One Extraction Model on Workers AI – MarkTechPost, 2026-10-20
- MiniMax M3.1 Flash ist Chinas neuestes Modell, das KI-Preise Richtung Keller drückt – The Decoder, 2026-10-19
- Nvidia launches new open models to run agents in the enterprise and on PCs – TechCrunch, 2026-10-19
Bild: Mike Bird via Pexels