Mercury 3 vs. Qwen3.8-Max: Das günstige Token und die teure Antwort

Qwen3.8-Max und Mercury 3 bilden die beiden Pole eines Preisarguments, das die meisten Modellvergleiche auf den Kopf stellen. Auf der Preisliste kostet Mercury 3 während seines Einführungszeitraums 0,10 US-Dollar pro Million Eingabe-Token und 0,35 US-Dollar pro Million Ausgabe-Token, gegenüber 2,00 und 6,00 US-Dollar bei Qwen3.8-Max. Das sieht nach einem siebzehnfachen Rabatt bei der Generierung aus. Dann misst Artificial Analysis, was jedes Modell tatsächlich für die Erledigung einer Aufgabe ausgibt, und Qwen3.8-Max landet bei 5,41 US-Dollar pro Intelligence-Index-Evaluierung, obwohl sein Preis pro Token moderat ist – weil es 190 Mio. Token generierte, um dorthin zu gelangen, gegenüber einem Median von 85 Mio. Für Mercury 3, veröffentlicht von Inception Labs am 19. Oktober 2026, gibt es überhaupt keine entsprechende Messung. Die dokumentierten KI-Ausfälle und Agenten-Vorfälle hinter Veröffentlichungen wie dieser sind gesammelt in dem OrcaRouter AI Incident Archive, wo jeder Eintrag eigene Quellen, Schweregrad, Vertrauensstufe und Kennzeichnung als umstritten enthält.

Die nützliche Frage ist also nicht, welches Modell pro Token günstiger ist. Sondern welches pro abgeschlossener Aufgabe günstiger ist – und keine der Markteinführungsseiten der Anbieter beantwortet sie. Hier ist, was die Belege tatsächlich stützen und was Sie selbst messen müssen.

Was Qwen3.8-Max ist, und zwar in der Version, die man tatsächlich aufrufen würde

Qwen3.8-Max ist Alibabas Flaggschiff: ein Sparse-Mixture-of-Experts-Modell mit insgesamt 2,4 Billionen Parametern und 95 Milliarden aktiven pro Token, nativ multimodal – Text, Bilder und Video als Eingabe, Text als Ausgabe – mit einem Kontextfenster von 1 Mio. Token in der gehosteten API und einer Obergrenze von 131.072 Token für die Ausgabe. Es ist seit dem 3. August 2026 allgemein verfügbar, und die unabhängige Datenlage ist nicht mehr dünn.

• Intelligenzindex — 45 im Artificial Analysis Index v4.3.2, Platz 33 von 217 Modellen im aktuellen Snapshot der Seite.

• Ausgabegeschwindigkeit — 39,6 Token pro Sekunde, Rang 183 von 186. Die eigene Zusammenfassung der Seite nennt es „bemerkenswert langsam“.

• Kosten pro Indexierungsaufgabe — {{1}}5,41{{/1}} $, im teuersten Quartil der aufgeführten Modelle.

• Ausführlichkeit — 190 Mio. Ausgabe-Tokens über den gesamten Indexlauf hinweg, beschrieben als „sehr ausführlich“ gegenüber einem Median von 85 Mio.

• Kontext — am Endpunkt mit 984k gemessen; das ist die praktische Obergrenze der beworbenen Million und keine abweichende Spezifikation.

Diese Kombination ist in sich stimmig und es lohnt sich, sie klar zu benennen: Qwen3.8-Max ist ein stark im Schlussfolgern, langsames und redseliges Modell. Es ist gut in dem, wofür es bepreist ist, und teuer an der Marge, weil es viele Schritte braucht, um es zu tun. Die $5.41 pro Aufgabe sind kein Preisfehler. Sie sind das Verhalten des Modells, das sich auf der Rechnung niederschlägt.

Ein Hinweis zu Versionen, denn das wird jedem zum Verhängnis, der Seiten vergleicht. Die obigen unabhängigen Messungen beziehen sich auf den Snapshot vom 2. September, aufgeführt als „Qwen3.8 Max (0902)“. Alibaba bietet außerdem einen undatierten qwen/qwen3.8-max-Endpunkt zu denselben 2 $/6 $ mit einem Cache-Eingabe-Preis von 0,25 $ an; beide sind in unserem Katalog auflösbar, und das Pinning auf den datierten Snapshot ist der richtige Schritt für alles, was Sie reproduzieren möchten.

Was Mercury 3 Ihnen bietet und was es Ihnen vorenthält

Inceptions Modell ist ein Diffusions-Sprachmodell, das Tokens parallel erzeugt, und jede Zahl im Launch-Beitrag dreht sich um Geschwindigkeit, Größe oder Preis statt um Qualität.

• Durchsatz — 1.068 Token pro Sekunde, „NVIDIA GPUs“ zugeschrieben, ohne Nennung der Hardware, ohne Batch-Größe und ohne Angabe, welche der vier Reasoning-Effort-Einstellungen ihn erzeugt hat.

• Kontext — 1 Mio. Tokens, gegenüber 260K bei Mercury 2.5, mit einer Ausgabeobergrenze von 131.072 Tokens.

• Preis — 0,20 $ Eingabe und 0,70 $ Ausgabe pro Million zum Listenpreis, halbiert auf 0,10 $ und 0,35 $ während des Einführungszeitraums. Zwischengespeicherte Eingabe kostet 0,02 $ zum Listenpreis, 0,01 $ im Einführungszeitraum.

• Aufwand — vier Einstellungen: sofort, niedrig, mittel, hoch. Der Standard ist niedrig, wobei Mercury 2.5 und Mercury 2 standardmäßig auf mittel eingestellt waren.

• Modalitäten — Text rein, Text raus. Keine Bild- oder Audioverarbeitung.

• Qualität — kein numerischer Benchmark. Die Behauptung ist, dass es „GPT-6 Luna und Claude Haiku 5.5 übertrifft“, ohne Vorsprung und ohne genannten Benchmark. Das einzige strukturierte Ergebnis ist eine Abschlussquote von 50 % bei 50 Live-Navigationsaufgaben in Mind2Web in Inceptions eigenem Harness.

Diese Standard-Aufwandsstufe ist das Detail, das einen Vergleich am ehesten verfälschen dürfte. Ein Modell, das mit niedriger Aufwandsstufe antwortet, ist schneller und erzielt schlechtere Werte als dasselbe Modell mit hoher Aufwandsstufe, und die eigenen Vergleiche von Inception geben nicht an, welche Einstellung verwendet wurde. Wenn du Mercury 3 benchmarkst, ohne den Parameter festzulegen, sind deine Zahlen mit denen von niemandem sonst vergleichbar – einschließlich denen von Inception.

Test eins: Kosten pro abgeschlossener Aufgabe, nicht pro Token

Nehmen Sie einen Support-Triage-Agenten, der täglich 2 Millionen Eingabe-Tokens und 300.000 Ausgabe-Tokens verarbeitet. Bei Mercury 3 zum Listenpreis sind das $0.40 für Eingabe und $0.21 für Ausgabe, also $0.61 pro Tag. Bei Qwen3.8-Max zu $2/$6 sind es $4.00 und $1.80, also $5.80 pro Tag. Etwa eine zehnfache Lücke, und zum Einführungspreis sinkt Mercurys Seite auf etwa $0.31.

Now the correction that matters. Those figures assume one pass per task. Qwen3.8-Max's measured 64 steps per GDPval-AA task, against 14 for its predecessor, is the exact mechanism that turns a $6 output rate into $5.41 per evaluation. If Mercury 3 needs two attempts where Q​wen needs one, Mercury's effective cost doubles and some of the gap closes. If Mercury needs four attempts, most of it does. The cost comparison is therefore downstream of a completion-rate question that nobody has measured, which is why the token-rate table is the least useful thing on either vendor's page.

For the input side there is a lever worth knowing about. Qwen3.8-Max charges $0.25 per million cached input tokens; Mercury 3 charges $0.02, or $0.01 during launch. Agents resend the same system prompt and tool definitions on every step, so a 20,000-token preamble costs $0.0004 per call at Mercury's cached rate against $0.005 at Q​wen's. On a fifty-step run that is two cents versus twenty-five. Neither model's headline price reflects that, and for agent workloads it is the number that decides the budget.

Test zwei: Was ein langsames Modell kostet, wenn ein Mensch wartet

Bei der Geschwindigkeit liegen die beiden Modelle überhaupt nicht in derselben Kategorie, und es lohnt sich, genau zu klären, was die jeweilige Messung bedeutet.

Mercurys 1.068 Tokens pro Sekunde sind eine Herstellerangabe ohne unabhängige Reproduktion. Was wir von Artificial Analysis haben, ist die vorherige Generation: Mercury 2.5 wurde unter seinem eigenen Harness mit etwa 706 Tokens pro Sekunde gemessen, was niedriger ist als die Herstellerangabe, die mit diesem Launch einherging. Diese Lücke ist der normale Abschlag von Hersteller- zu unabhängigen Angaben in dieser Kategorie, kein Beleg für Böswilligkeit – aber es ist der Abschlag, den man gedanklich auf 1.068 anwenden sollte, bis jemand sie reproduziert.

Qwen3.8-Max's 39,6 Tokens pro Sekunde sind unabhängig gemessen und gehen mit einem Rang einher: 183. von 186. Bei dieser Rate dauert eine Antwort mit 1.500 Tokens allein etwa 38 Sekunden Generierung, noch vor dem Prefill. Für einen Hintergrundagenten, der Bericht erstattet, ist das in Ordnung. Für alles, wo ein Mensch den Cursor beobachtet, ist das für sich genommen ein Ausschlusskriterium, unabhängig von der Qualität.

Das ist die Bruchlinie, auf der dieser Vergleich tatsächlich beruht. Die Geschwindigkeit von Mercury 3 ist unbestätigt, aber angesichts der Architektur plausibel, und sein Preis ist wirklich niedrig. Die Geschwindigkeit von Qwen3.8-Max ist bestätigt und schlecht, und sein Preis ist wirklich hoch. Keine dieser Tatsachen sagt Ihnen, welches Modell die bessere Antwort schreibt, und für die meisten Teams ist die Frage der Antwortqualität diejenige, die sie noch nicht klären können.

Test drei: Gib jedem Modell die Aufgabe, für die es gemacht ist.

Die beiden Modelle scheitern in entgegengesetzte Richtungen, wodurch eine direkte Gegenüberstellung aussagekräftiger ist als eine einzelne Rangliste.

Give Qwen3.8-Max the long, multimodal, high-stakes end. A 400-page filing, a screen recording of a broken checkout flow, a chart that has to be read correctly. It is the only one of the two that can accept the input at all, and it has an independent score to set expectations against. Budget for the verbosity: with reasoning on, output tokens are billed at $6 per million and there will be more of them than you expect. The instruction-following gap is the thing to test first — Q​wen's own published table put IFBench as its weakest number, and the independent cost-per-task figure is a direct consequence of it exceeding scope.

Gib Mercury 3 das kurze, rein textbasierte, latenzkritische Ende, an dem eine falsche Antwort leicht zu erkennen ist. Autovervollständigung, Query-Rewriting, eine erste Klassifizierung, einen Hinweis in einem Tutoring-Ablauf. Fixiere die Effort-Einstellung. Lege ein Wiederholungsbudget fest. Behandle jede Qualitätsaussage als Hypothese, denn genau das ist sie derzeit.

Und geben Sie keinem der beiden Modelle eine Aufgabe, die von der Stärke des anderen abhängt. Qwen3.8-Max lässt sich nicht durch höfliches Bitten schneller machen; Mercury 3 kann keine PDF-Seite lesen. Wer anhand der aggregierten Benchmark-Platzierung zwischen ihnen wählt, wählt die falsche Variable.

Wo OrcaRouter dabei steht, was nur auf einer Seite liegt

Qwen3.8-Max ist in unserem Katalog als qwen/qwen3.8-max, zum Listenpreis des Anbieters mit 0 % Aufschlag weitergegeben – wenn A​libaba den Tarif ändert, ist die Änderung hier noch am selben Tag live und nicht erst zum nächsten Abrechnungszyklus. Es liegt hinter demselben OpenAI-kompatiblen Endpunkt wie alles andere, was wir bereitstellen, was bedeutet, dass eine Evaluierung eine Änderung des Modell-Strings ist und ein Produktionstest ein Traffic-Prozentsatz, keine Migration.

Mercury 3 is not on our catalogue. Our model API returns nothing for any Inception model, so the route to it is Inception's own platform, which hands new accounts 100 million free tokens. We route the Q​wen side and we do not route the Mercury side, and the asymmetry in how you reach each one follows from that rather than from a preference.

Der praktische Nutzen der Routing-Ebene besteht darin, dass die Evaluierung blind und kostengünstig erfolgen kann. Leiten Sie einen Teil des Traffics an qwen/qwen3.8-max, belassen Sie das bisherige Modell auf einem anderen und vergleichen Sie die Kosten pro abgeschlossener Aufgabe statt die Kosten pro Token – die, wie die obigen Zahlen zeigen, nicht dieselbe Messgröße sind und in entgegengesetzte Richtungen weisen können. Automatisches Failover über Anbieter hinweg bedeutet, dass eine schlechte Woche an einem Endpunkt zu einer Routing-Entscheidung statt zu einem Vorfall wird, und die Routing-DSL ermöglicht es Ihnen, die Aufteilung als Regel beizubehalten, sodass das Beenden des Experiments eine Konfigurationsänderung ist.

Was würde das klären, und was bis dahin zu tun ist

Drei Messungen würden diese Debatte beenden. Eine Seite von Artificial Analysis zu Mercury 3, die beide Modelle auf dieselbe Testumgebung brächte und eine Aussage des Anbieters durch eine Zahl ersetzte. Eine veröffentlichte Abschlussrate für Mercury 3 bei einem Coding- oder agentischen Benchmark, die den Token-Rabatt in Kosten pro Aufgabe umrechnete. Und eine Latenzmessung für Qwen3.8-Max unter Ihrer eigenen Nebenläufigkeit, denn 39,6 Token pro Sekunde sind ein Indexwert, keine Serving-Garantie, und ein Modell, das in einem Benchmark lediglich langsam ist, kann unter Last unbrauchbar sein.

Bis es diese gibt, ist die vertretbare Position enger, als es jeder der beiden Launch-Posts impliziert. Qwen3.8-Max ist ein gemessenes, multimodales, langsames, teures Modell, das man mit Zuversicht bepreisen kann und das bei Eingabeformaten nicht überraschen wird. Mercury 3 ist ein günstiges, schnelles, reines Textmodell, dessen Qualität unbekannt ist und dessen Geschwindigkeitswert nicht reproduziert wurde. Kaufen Sie Qwen3.8-Max für Arbeit, die Sie nicht lesen werden, bevor sie rausgeht. Probieren Sie Mercury 3 für Arbeit, bei der eine Person wartet und ein erneuter Versuch kostenlos ist – und legen Sie die Effort-Einstellung fest, sonst vergleichen Sie Ihren Low-Effort-Lauf mit dem High-Effort-Lauf von jemand anderem.