Mercury 3 مقابل Qwen3.8-Max: التوكن الرخيص والإجابة المكلفة

يمثّل Qwen3.8-Max وMercury 3 قطبي جدل حول التسعير تقلب فيه معظم مقارنات النماذج المنطق رأسًا على عقب. على بطاقة الأسعار، يكلّف Mercury 3 خلال نافذة إطلاقه 0.10 دولار لكل مليون رمز إدخال و0.35 دولار لكل مليون رمز إخراج، مقابل 2.00 دولار و6.00 دولارات لـ Qwen3.8-Max. يبدو ذلك كخصم بمقدار سبعة عشر ضعفًا على التوليد. ثم تقيس Artificial Analysis ما ينفقه كل نموذج فعليًا لإنجاز مهمة، فيبلغ Qwen3.8-Max 5.41 دولارات لكل تقييم لمؤشر الذكاء بينما سعر الرمز لديه معتدل — لأنه ولّد 190 مليون رمز للوصول إلى ذلك، مقابل وسيط قدره 85 مليونًا. أما Mercury 3، الذي أطلقته Inception Labs في 19 أكتوبر 2026، فلا يملك أي قياس مكافئ على الإطلاق. إن حالات فشل الذكاء الاصطناعي وحوادث الوكلاء الموثقة التي تقف خلف إصدارات كهذا الإصدار مجموعة في OrcaRouter AI Incident Archive حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.

إذن فالسؤال المفيد ليس أيّ النموذجين أرخص لكل رمز. بل أيّهما أرخص لكل عمل مكتمل، ولا تجيب صفحة إطلاق أيّ من البائعين عن ذلك. إليك ما تدعمه الأدلة فعلاً، وما عليك قياسه بنفسك.

ما هو Qwen3.8-Max، في الإصدار الذي ستستدعيه فعليًا

Qwen3.8-Max هو الطراز الرائد من Alibaba: نموذج خليط خبراء متناثر بإجمالي 2.4 تريليون معامل و95 مليار معامل نشط لكل رمز، متعدد الوسائط أصلاً — نص وصور وفيديو كمدخلات، ونص كمخرجات — مع سياق يبلغ مليون رمز على واجهة API المستضافة وسقف إخراج يبلغ 131,072 رمزًا. وهو متاح للعموم منذ 3 أغسطس 2026، ولم يعد السجل المستقل ضعيفًا.

• مؤشر الذكاء — 45 على Artificial Analysis Index v4.3.2، في المرتبة 33 من أصل 217 نموذجًا وفق اللقطة الحالية للصفحة.

• سرعة الإخراج — 39.6 رمز في الثانية، في المرتبة 183 من أصل 186. ويصفه الملخص الموجود في الصفحة نفسها بأنه "بطيء بشكل ملحوظ".

• تكلفة كل مهمة فهرسة — 5.41 دولار، ضمن الربع الأكثر تكلفة من النماذج التي يسردها.

• الإسهاب — 190 مليون رمز مُخرَج خلال تشغيل الفهرس، وُصف بأنه «مُسْهب للغاية» مقابل وسيط قدره 85 مليونًا.

• السياق — قِيسَ عند 984k على نقطة النهاية، وهو السقف العملي للمليون المُعلَن عنه وليس مواصفة مختلفة.

هذا المزيج متسق داخليًا ويستحق أن يُقال بوضوح: Qwen3.8-Max نموذج قوي في الاستدلال، بطيء، وكثير الكلام. إنه جيد في المهمة التي سُعّر من أجلها، ومكلف عند الهامش لأنه يستغرق خطوات كثيرة لإنجازها. مبلغ 5.41 دولارات لكل مهمة ليس خطأً في التسعير. إنه سلوك النموذج يظهر في الفاتورة.

ملاحظة حول الإصدارات، لأنها ستؤثر على أي شخص يقارن الصفحات. القياسات المستقلة أعلاه مقابل لقطة 2 سبتمبر، المدرجة باسم "Qwen3.8 Max (0902)". توفّر Alibaba أيضًا نقطة نهاية qwen/qwen3.8-max غير مؤرخة بالسعر نفسه $2/$6 مع سعر إدخال مخزّن مؤقتًا $0.25؛ كلاهما موجود في كتالوجنا، وتثبيت اللقطة المؤرخة هو الخطوة الصحيحة لأي شيء تنوي إعادة إنتاجه.

ما الذي يمنحك إياه Mercury 3، وما الذي يحجبه عنك

نموذج Inception هو نموذج لغوي انتشار يولد الرموز على التوازي، وكل رقم في منشور الإطلاق يتعلق بالسرعة أو الحجم أو السعر بدلاً من الجودة.

• الإنتاجية — 1,068 رمزًا في الثانية، تُنسب إلى "NVIDIA GPUs" دون تحديد العتاد، ولا حجم الدفعة، ولا ذكر لأيٍّ من إعدادات جهد الاستدلال الأربعة التي أنتجتها.

• السياق — مليون رمز، ارتفاعًا من 260 ألفًا في Mercury 2.5، مع حدٍّ أقصى للمخرجات يبلغ 131,072 رمزًا.

• السعر — 0.20 دولار للإدخال و0.70 دولار للإخراج لكل مليون بالسعر المعلن، ويُخفَّض إلى النصف ليصبح 0.10 دولار و0.35 دولار خلال فترة الإطلاق. الإدخال المخزن مؤقتًا هو 0.02 دولار بالسعر المعلن، و0.01 دولار في فترة الإطلاق.

• مستوى الجهد — أربعة إعدادات: فوري، منخفض، متوسط، مرتفع. الإعداد الافتراضي هو منخفض، حيث كان Mercury 2.5 وMercury 2 يعتمدان متوسطًا افتراضيًا.

• الأنماط — نص مدخلًا ونص مخرجًا. لا رؤية، ولا صوت.

• الجودة — لا يوجد معيار قياس رقمي. الادّعاء هو أنها "تتفوق على GPT-6 Luna وClaude Haiku 5.5"، دون هامش ودون تسمية أي معيار قياس. النتيجة المهيكلة الوحيدة هي إكمال 50% في 50 مهمة تنقل Mind2Web حية ضمن أداة الاختبار الخاصة بـ Inception.

إعداد الجهد الافتراضي هو التفصيل الأكثر ترجيحًا لإفساد أي مقارنة. فالنموذج الذي يجيب بجهد منخفض سيكون أسرع ويسجّل نتيجة أقل من النموذج نفسه عند جهد مرتفع، ومقارنات Inception نفسها لا تذكر أي إعداد استخدمت. وإذا قست أداء Mercury 3 دون تثبيت هذا المعامل، فإن أرقامك لن تكون قابلة للمقارنة بأرقام أي شخص آخر — بما في ذلك أرقام Inception.

الاختبار الأول: التكلفة لكل مهمة منجزة، وليس لكل رمز

خذ وكيل فرز تذاكر الدعم الذي يعالج مليوني رمز إدخال و300,000 رمز إخراج يوميًا. على Mercury 3 بالسعر المعلن، تبلغ تكلفة الإدخال 0.40 دولار والإخراج 0.21 دولار، أو 0.61 دولار يوميًا. على Qwen3.8-Max بسعر 2 دولارات للإدخال و6 دولارات للإخراج، تبلغ تكلفة الإدخال 4.00 دولارات والإخراج 1.80 دولار، أو 5.80 دولارات يوميًا. هذه فجوة تبلغ نحو عشرة أضعاف، وبسعر الإطلاق تنخفض تكلفة جهة Mercury إلى نحو 0.31 دولار.

الآن التصحيح المهم. تفترض تلك الأرقام تمريرة واحدة لكل مهمة. إن قياس Qwen3.8-Max البالغ 64 خطوة لكل مهمة GDPval-AA، مقابل 14 لسلفه، هو الآلية الدقيقة التي تحوّل معدل إخراج بقيمة 6 دولارات إلى 5.41 دولارات لكل تقييم. إذا احتاج Mercury 3 إلى محاولتين حيث يحتاج Qwen إلى واحدة، فإن التكلفة الفعلية لـ Mercury تتضاعف ويُغلق جزء من الفجوة. وإذا احتاج Mercury إلى أربع محاولات، فيُغلق معظمها. لذا فإن مقارنة التكلفة تأتي بعد مسألة معدل الإكمال التي لم يقسها أحد، ولهذا فإن جدول معدل الرموز هو أقل الأشياء فائدة في صفحة أيٍّ من البائعَين.

على جانب الإدخال، هناك عامل يستحق الانتباه. يتقاضى Qwen3.8-Max مبلغ $0.25 لكل مليون رمز إدخال مخزّن مؤقتًا؛ بينما يتقاضى Mercury 3 مبلغ $0.02، أو $0.01 خلال فترة الإطلاق. تعيد الوكلاء إرسال نفس موجه النظام وتعريفات الأدوات في كل خطوة، لذا تكلّف مقدمة من 20,000 رمز $0.0004 لكل استدعاء بسعر Mercury المخزّن مؤقتًا، مقابل $0.005 لدى Qwen. وفي تشغيل من خمسين خطوة، يعني ذلك سنتين مقابل خمسة وعشرين سنتًا. لا يعكس السعر المعلن لأي من النموذجين ذلك، وبالنسبة لأعباء عمل الوكلاء، فهو الرقم الذي يحدد الميزانية.

الاختبار الثاني: ماذا يكلّف النموذج البطيء عندما ينتظر شخصٌ ما

السرعة هي المجال الذي لا ينتمي فيه الطرازان إلى الفئة نفسها على الإطلاق، ومن الجدير أن نكون دقيقين بشأن ما يعنيه كل قياس.

إن رقم 1,068 توكنًا في الثانية الخاص بـ Mercury هو رقم صادر عن الجهة المصنّعة ولا توجد إعادة إنتاج مستقلة له. ما لدينا فعلاً من Artificial Analysis هو الجيل السابق: فقد قِيس Mercury 2.5 بنحو 706 توكنات في الثانية ضمن أداة الاختبار الخاصة بها، وهو أقل من رقم الجهة المصنّعة الذي رافق ذلك الإطلاق. هذه الفجوة هي الخصم المعتاد بين رقم المورّد والقياس المستقل في هذه الفئة، وليست دليلاً على سوء نية — لكنها الخصم الذي ينبغي تطبيقه ذهنياً على 1,068 حتى يعيد أحد إنتاجه.

سرعة 39.6 رمزًا في الثانية لـ Qwen3.8-Max مقيسةٌ بشكل مستقل، وتأتي مصحوبةً بترتيب: المرتبة 183 من أصل 186. وبهذا المعدل، تستغرق إجابةٌ من 1,500 رمز نحو 38 ثانية من التوليد وحده، قبل المعالجة المسبقة (prefill). وبالنسبة لوكيلٍ يعمل في الخلفية ويُبلّغ بالنتائج، فهذا مقبول. أما في أي حالة يراقب فيها إنسانٌ المؤشر، فهو disqualifying بحد ذاته، مهما كانت الجودة.

هذا هو خط الانقسام الذي تقوم عليه هذه المقارنة في الواقع. سرعة Mercury 3 غير موثقة لكنها معقولة بالنظر إلى البنية، وسعره منخفض حقًا. سرعة Qwen3.8-Max موثقة وضعيفة، وسعره مرتفع حقًا. لا تخبرك أي من هاتين الحقيقتين أي النموذجين يكتب إجابة أفضل، وبالنسبة لمعظم الفرق فإن مسألة جودة الإجابة هي المسألة التي لا يمكنهم حسمها بعد.

الاختبار الثالث: أعطِ كل نموذج المهمة التي صُمِّم لها.

يفشل النموذجان في اتجاهين متعاكسين، وهو ما يجعل التقييم الجانبي أكثر إفادة من تصنيف واحد.

أسنِد إلى Qwen3.8-Max الطرف الطويل والمتعدد الوسائط وعالي المخاطر. ملف قانوني من 400 صفحة، وتسجيل شاشة لمسار دفع معطّل، ومخطط بياني يجب قراءته قراءة صحيحة. وهو الوحيد بين الاثنين القادر على قبول المدخلات أصلاً، ولديه درجة مستقلة تُضبط عليها التوقعات. ضع في الحسبان تكلفة الإسهاب: مع تفعيل الاستدلال، تُحتسب رموز الإخراج بمعدل 6 دولارات لكل مليون، وستكون أكثر مما تتوقع. فجوة اتباع التعليمات هي أول ما ينبغي اختباره — فقد أدرج جدول Qwen المنشور IFBench بوصفه أضعف أرقامه، ورقم التكلفة المستقلة لكل مهمة نتيجة مباشرة لتجاوزه النطاق.

امنح Mercury 3 النهاية القصيرة النصية فقط والحساسة لزمن الاستجابة، حيث يكون رصد الإجابة الخاطئة غير مكلف. الإكمال التلقائي، وإعادة صياغة الاستعلام، وتصنيف أولي، وتلميح في مسار تدريس. ثبّت إعداد الجهد. ضع ميزانية لإعادة المحاولة. تعامل مع كل ادعاء جودة كفرضية، لأنه كذلك حالياً.

ولا تُسند إلى أيٍّ من النموذجين مهمةً تعتمد على قوة الآخر. فلا يمكن جعل Qwen3.8-Max سريعًا بمجرد الطلب بلطف؛ ولا يستطيع Mercury 3 قراءة صفحة PDF. والاختيار بينهما بناءً على موقعهما في الترتيب الإجمالي للاختبارات المعيارية هو اختيار للمتغير الخاطئ.

أين يقع OrcaRouter في هذا، وهو على جانب واحد فقط

Qwen3.8-Max متاح في كتالوجنا باسم qwen/qwen3.8-max، وعند سعر قائمة المزوّد مع هامش ربح 0% يُمرَّر كما هو — لذا إذا غيّرت Alibaba السعر، يصبح التغيير ساريًا هنا في اليوم نفسه بدلًا من دورة الفوترة التالية. وهو يعمل خلف نقطة النهاية نفسها المتوافقة مع OpenAI كسائر كل ما نقدّمه، ما يعني أن التقييم هو تغيير في سلسلة اسم الطراز، وأن التجربة في الإنتاج هي نسبة من حركة المرور، وليست عملية ترحيل.

Mercury 3 ليس في كتالوجنا. واجهة برمجة تطبيقات النماذج لدينا لا تُرجع شيئًا لأي نموذج من Inception، لذا فإن الطريق إليه هو منصة Inception نفسها، التي تمنح الحسابات الجديدة 100 مليون رمز مجاني. نحن نوجّه جانب Q​wen ولا نوجّه جانب Mercury، وهذا التفاوت في كيفية الوصول إلى كل منهما ناتج عن ذلك وليس عن تفضيل.

الفائدة العملية لطبقة التوجيه هي أن التقييم يمكن أن يكون أعمى وغير مكلف. أرسل شريحة واحدة من حركة المرور إلى qwen/qwen3.8-max، وأبقِ الخيار الحالي على شريحة أخرى، وقارن التكلفة لكل مهمة مكتملة بدلًا من التكلفة لكل رمز — وهما، كما تُظهر الأرقام أعلاه، ليسا القياس نفسه وقد يشيران في اتجاهين متعاكسين. ويعني التحويل التلقائي عند الفشل بين المزوّدين أن أسبوعًا سيئًا عند نقطة نهاية واحدة يصبح قرار توجيه بدلًا من حادثة، ولغة التوجيه DSL تتيح لك الاحتفاظ بالتقسيم كقاعدة، بحيث يكون إنهاء التجربة تغييرًا في الإعدادات.

ما الذي سيحسم الأمر، وما الذي ينبغي فعله حتى ذلك الحين

ثلاثة قياسات كفيلة بإنهاء هذا الجدل. صفحة Artificial Analysis لـ Mercury 3، من شأنها أن تضع كلا النموذجين على منصة اختبار واحدة وأن تستبدل جملة من المورّد برقم. ومعدل إكمال منشور لـ Mercury 3 على معيار للبرمجة أو للوكلاء، مما يحوّل خصم الرموز إلى تكلفة لكل مهمة. وقياس زمن استجابة Qwen3.8-Max تحت مستوى التزامن الخاص بك، لأن 39.6 رمزًا في الثانية رقم مؤشر وليس ضمانًا للخدمة، والنموذج الذي يكون مجرد بطيء في معيار ما قد يصبح غير قابل للاستخدام تحت الحمل.

إلى أن توجد تلك الأمور، فإن الموقف القابل للدفاع عنه أضيق مما يوحي به أيٌّ من منشورَي الإطلاق. Qwen3.8-Max نموذج مدروس ومتعدد الوسائط وبطيء ومكلف، يمكنك تسعيره بثقة ولن يفاجئك فيما يتعلق بصيغ الإدخال. Mercury 3 نموذج رخيص وسريع ونصي فقط، جودته غير معروفة ورقم سرعته غير مُعاد إنتاجه. اشترِ Qwen3.8-Max للعمل الذي لن تقرأه قبل إطلاقه. جرّب Mercury 3 للعمل الذي ينتظر فيه شخص ما وتكون إعادة المحاولة فيه مجانية — وثبّت إعداد الجهد، وإلا فستكون تقارن تشغيلك منخفض الجهد بتشغيل شخص آخر مرتفع الجهد.