Mercury Decide vs Celeris-1 : prix et performances

👁 119 lectures

Mercury Decide d’Inception et Celeris-1 Decision de Celeris sont deux nouveaux modèles décisionnels proposés par des entreprises connues pour leurs modèles de langage à diffusion, qui ne génèrent pas le texte mot à mot. Dans l’Artificial Analysis Decision Index du 13 octobre 2026, ils obtiennent presque le même score : 52,7 et 52,3 points, soit les 5e et 6e places sur 11. Pour le reste, tout les oppose : Celeris-1 est le plus rapide du classement (63 ms), tandis que Mercury Decide est le plus lent (500 ms), mais aussi peu coûteux et accessible via OpenRouter, y compris dans une version gratuite. Pour en savoir plus sur cette catégorie, consultez mon guide sur les modèles décisionnels d’IA.

Comparaison dans le classement Artificial Analysis

Mercury Decide (Inception)

Inception développe Mercury, une famille de modèles de langage à diffusion qui génèrent du texte en parallèle plutôt que token par token. Mercury Decide est sorti le 30 septembre 2026. Sa documentation ne décrit pas son architecture : on ne sait donc pas s’il s’agit lui aussi d’un modèle à diffusion. Voici ce que l’on sait d’après la documentation :

• point de terminaison POST https://api.inceptionlabs.ai/v1/decisions, modèle mercury-decide ;
• questions à choix avec 1 à 255 options et score sur 1 à 10 niveaux ;
• pas de chat, de génération en continu ni d’appel d’outils : le modèle sert uniquement à prendre des décisions ;
• tarif normal de 0,0357 € (0,04 USD), avec une promotion en cours à 0,0178 € (0,02 USD) par million de tokens en entrée, sans date de fin annoncée.

Dans le classement AA, Mercury Decide arrive troisième pour sa capacité à reconnaître qu’il ne sait pas (32,0, derrière Microsoft-Decision-1 et Jev), mais obtient le score le plus faible au test de classification WildGuardTest (88,0) et affiche la latence la plus élevée (500 ms). Inception le présente comme « le modèle décisionnel le plus intelligent sur OpenRouter », selon le test JevBench v1.4 ; il occupe la 5e place du classement AA.

Celeris-1 Decision

Le 8 octobre 2026, Tom Hamer a présenté Celeris-1 Decision comme un « modèle de langage à diffusion conçu pour les décisions typées ». Ses principales caractéristiques :

• point de terminaison POST https://inference.celeris.ai/celeris-1-decision/v1/systemone, compatible avec les clients conçus pour Jev, ainsi qu’un second point de terminaison au format OpenAI ;
• justification facultative d’une phrase pour expliquer la décision (paramètre x_celeris.explain), sans supplément : c’est le seul modèle du classement à proposer cette option ;
• selon le fabricant, une latence médiane de 67 ms pour une question et de 81 ms pour 50 questions dans une même requête (mesure effectuée depuis AWS us-east-1) ;
• pas de poids ouverts ni de réglage fin.

La mesure d’AA confirme sa rapidité : 63 ms par tâche, soit deux fois moins que Jev. Celeris-1 partage également la meilleure performance en matière de choix des outils avec GLiDE. Son point faible est unique, mais important : son score « Je ne sais pas » est de 0,0. Quand il ne connaît pas la réponse, il devine systématiquement.

Mon test en polonais : Mercury Decide uniquement

Mercury Decide est disponible sur OpenRouter : je l’ai donc inclus dans mon test du 13/10, réalisé avec 50 demandes adressées à un magasin (choix d’un service parmi 7 et degré d’urgence) et 10 conversations dans lesquelles l’assistant doit choisir un outil. Celeris-1 n’est pas disponible sur OpenRouter et son API nécessite un compte : je ne l’ai pas testé. Le test a été effectué en polonais ; ces résultats ne constituent pas un test en français.

• Le moins coûteux dans mon test : un million de tâches de ce type coûterait environ 3,92 € (4,4 USD) au tarif promotionnel. Mercury Decide traite efficacement le texte polonais : 219 tokens en moyenne par tâche.
• Le plus lent des modèles décisionnels : latence médiane de 619 ms depuis la Pologne via OpenRouter, mais toujours près de 3 fois plus rapide que Claude Haiku 5.5 (1 689 ms).
• Outils : une erreur : lorsqu’un client a donné son numéro de commande dans un deuxième message, le modèle a quand même demandé des précisions.
• Niveau de confiance : avec une confiance d’au moins 0,9, il a trouvé le bon service dans 42 des 46 demandes : un filtre moins efficace que ceux de Jev ou de Decider.

Lequel choisir ?

• Celeris-1 Decision - à privilégier si le temps de réponse est essentiel, par exemple pour prendre une décision pendant une conversation vocale ou dans la boucle d’un agent, et si une courte justification vous est utile. Prudence avec les questions factuelles.
• Mercury Decide - à choisir si le coût et la simplicité d’accès comptent, avec OpenRouter et une version gratuite pour les essais, et si une demi-seconde par décision ne vous gêne pas.
• Pour obtenir le meilleur résultat global, choisissez Jev 1.13 ; pour un coût minimal avec un score comparable, Decider v1.1 27B.

Questions fréquentes

Combien coûte Mercury Decide ?

Le tarif normal est de 0,0357 € (0,04 USD) par million de tokens en entrée ; il passe à 0,0178 € (0,02 USD) en promotion (au 13/10/2026). OpenRouter propose aussi une version gratuite : inception/mercury-decide:free.

Combien coûte Celeris-1 Decision ?

Le tarif est de 0,0357 € (0,04 USD) par million de tokens en entrée ; les tokens en sortie sont gratuits. Le fabricant estime le coût à environ 7,13 € (8 USD) pour un million de décisions courtes ; AA a calculé 28,18 € (31,6 USD) pour un million de tâches de son jeu de test.

Quel est le modèle décisionnel le plus rapide ?

Selon Artificial Analysis, Celeris-1 Decision, avec une latence médiane de 63 ms par tâche. Mercury Decide est le modèle le plus lent du classement (500 ms).

Les montants en euros sont des estimations calculées à partir des prix officiels en dollars, et non des tarifs de paiement locaux. Conversion au taux de référence de la BCE du 20/10/2026 : 1 EUR = 1,1215 USD. Source : BCE.

Sources

• Inception : documentation de Mercury Decide (consultée le 13/10/2026)
• OpenRouter : inception/mercury-decide
• Inception sur X : lancement de Mercury Decide (30/09/2026)
• Celeris : Celeris-1 Decision (08/10/2026)
• Artificial Analysis Decision Index v1.0 (13/10/2026)
• Test personnel : 13/10/2026, 60 tâches via OpenRouter depuis la Pologne.

// lire la suiteStrands Decider 2B d’AWS : que vaut ce modèle décisionnel open source ?BenchmarksGrok Imagine Image 2.0 : test, prix et performancesBenchmarksOpenAI lance GPT-6.1 Sol : performances proches de GPT-6 Astra pour un cinquième du prixBenchmarks

Kinetyra