Mercury 2.5 和 Gemini 3.8 Flash 哪个好？

直接给结论：追求速度和极限低价、任务质量在性价比档够用的场景选 Mercury 2.5；需要更强推理、超长上下文和更稳的工具调用选 Gemini 3.8 Flash。两款当前都在限时折扣期，但一个便宜 10 倍以上，一个强在智能档位，选错方向钱就白花。下面用 8 个维度把账算清楚。

一张总对比表

数据口径说明：价格与错误率来自两家在 OpenRouter 的模型页，Mercury 速度含官方基准和 OpenRouter 真实负载两个口径，Gemini 跑分来自 Artificial Analysis。折扣都有时效，下单前以页面实时价格为准。

价格：差多少，怎么算

按活动价算，输出 100 万 token 的成本是 Mercury 0.15 美元、Gemini 3.75 美元，差 25 倍；输入侧差约 19 倍。就算 Gemini 的 5 折活动结束回到原价 $1.50/$7.50，Mercury 回到原价 $0.20/$0.75，输出侧仍有 10 倍差距。

但绝对值要看你的量级：每天 1000 万输出 token，Mercury 一天 1.5 美元，Gemini 3 折价也要 37.5 美元，一个月差出 1000 美元以上；如果只是每天几十万 token 的个人项目，两者都在几毛钱量级，价格不该是决策主因。两款各自的价格细节见站内 Mercury 2.5 价格多少钱一个月？按量计费价格与省钱方案。

速度：扩散模型的优势区

这是两款模型最大的分水岭。Mercury 2.5 走扩散路线，先并行生成一段候选文本再迭代精修，官方基准 1107 tok/s，OpenRouter 真实负载 P50 也有约 437 tok/s。Gemini 3.8 Flash 是自回归模型，OpenRouter 上最快的 Priority 档 P50 约 223 tok/s。

对用户感知的影响：同样是出 2000 字回答，Mercury 大约 5 秒出完，Gemini 要 9 秒往上。放在搜索 Agent、语音对话这类延迟层层叠加的链路里，几秒的差距会被放大成体验代差。扩散模型的原理和边界，在 Mercury 2.5 是什么？OpenRouter 上的扩散大模型 里有完整展开。

智能水平：Gemini 明显更高一档

Gemini 3.8 Flash 的 Artificial Analysis 口径是 Intelligence Index 41.2、Coding Index 76.3、GPQA Diamond 95.3%，在 OpenRouter 全模型里排在前列（Coding 超过 93% 的对比模型）。Mercury 2.5 的官方定位是质量对标 GPT-5.6 Luna (Low)、Gemini 3.5 Flash-Lite、Claude Haiku 4.5 这档性价比模型，没给同级跑分。

翻译成大白话：常规问答、摘要、格式化改写这类任务两者都能胜任；但复杂的代码重构、多步推理、需要严谨性的任务，Gemini 3.8 Flash 高出的那一档智能是实打实的。这也是它敢定 10 倍价钱的底气。

工程稳定性：Agent 场景必看

跑 Agent 工作流的团队注意 Mercury 的结构化输出错误率约 5.36%，意味着每 20 次 JSON 生成可能有 1 次要重试，schema 校验和自动重试是必配；Gemini 在这两项上明显更稳，Vertex 档工具调用错误率低到 0.46%。以上错误率为 2026 年 9 月 16 日 OpenRouter 页面的实时口径，上线初期波动大，接入前再拉一次最新值。工具调用机制本身如果不熟，先看 Function Calling 是什么？一次讲透工具调用。

上下文与生态

上下文：Gemini 1.0M 对 Mercury 260K，差距约 4 倍。要整库代码分析、超长文档问答，Gemini 的窗口是硬优势。

生态：Gemini 3.8 Flash 背靠 Google AI Studio 和 Vertex 两套基础设施，接入面广，OpenRouter 流量榜上 Claude Code 等主流编码 Agent 的用量排在头部。Mercury 2.5 上线一周，走 OpenRouter 和 Inception 自家平台，生态还在起步期。接入的实操步骤见 Mercury 2.5 怎么用？OpenRouter 调用教程。

场景化推荐

1. 搜索 Agent、语音管线、批量摘要流水线：选 Mercury 2.5，速度和成本是这两类场景的命门，质量在性价比档完全够用。
2. 编码助手、复杂推理服务：选 Gemini 3.8 Flash，Coding Index 76.3 和 1M 上下文对代码场景是决定性的。
3. 结构化抽取、重工具调用的 Agent：优先 Gemini，错误率低一个量级，省下的重试成本能抵消一部分价差。
4. 预算极紧、任务简单的高并发场景：Mercury，没有第二选项。

迁移成本

两模型都走 OpenRouter 的 OpenAI 兼容接口，切换只需要改 model 字符串：inception/mercury-2.5 和 google/gemini-3.8-flash。真正的迁移成本在行为差异上：从 Gemini 换到 Mercury 要补 schema 校验和重试逻辑，长上下文任务要检查是否超出 260K；从 Mercury 换到 Gemini 主要是成本审批问题，代码几乎零改动。国内用户的 OpenRouter 充值路径两边通用。