Mercury 3 vs Qwen3.8-Max: el token barato y la respuesta cara

Qwen3.8-Max y Mercury 3 son los dos polos de un debate sobre precios que la mayoría de las comparaciones de modelos interpreta al revés. En la lista de precios, Mercury 3 cuesta 0,10 dólares por millón de tokens de entrada y 0,35 dólares por millón de tokens de salida durante su ventana de lanzamiento, frente a 2,00 y 6,00 dólares de Qwen3.8-Max. Eso parece un descuento de diecisiete veces en la generación. Luego, Artificial Analysis mide lo que cada modelo gasta realmente en completar una tarea, y Qwen3.8-Max queda en 5,41 dólares por evaluación del Intelligence Index, mientras que su precio por token es moderado, porque generó 190 M de tokens para llegar hasta ahí, frente a una mediana de 85 M. Mercury 3, lanzado por Inception Labs el 19 de octubre de 2026, no tiene ninguna medición equivalente. Los fallos documentados de IA y los incidentes de agentes que hay detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, su gravedad, su grado de confianza y su indicador de disputa.

Así que la pregunta útil no es qué modelo es más barato por token. Es cuál es más barato por trabajo terminado, y la página de lanzamiento de ninguno de los dos proveedores responde a eso. Esto es lo que la evidencia sí respalda, y lo que tienes que medir tú mismo.

Qué es Qwen3.8-Max, en la versión que realmente llamarías

Qwen3.8-Max es el buque insignia de Alibaba: un modelo disperso de mezcla de expertos con 2,4 billones de parámetros totales y 95.000 millones activos por token, nativamente multimodal —entrada de texto, imágenes y video, salida de texto—, con un contexto de 1 millón de tokens en la API alojada y un límite de salida de 131.072 tokens. Está disponible de forma general desde el 3 de agosto de 2026, y el historial independiente ya no es escaso.

• Índice de Inteligencia — 45 en Artificial Analysis Index v4.3.2, en el puesto 33 de 217 modelos según la instantánea actual de la página.

• Velocidad de salida — 39,6 tokens por segundo, en el puesto 183 de 186. El propio resumen de la página lo califica de «notablemente lento».

• Coste por tarea de indexación — 5,41 $, en el cuartil más caro de los modelos que enumera.

• Verbosidad: 190 M de tokens de salida en toda la ejecución del índice, descrita como "muy verbosa" frente a una mediana de 85 M.

• Contexto — medido en 984k en el endpoint, que es el techo práctico del millón anunciado en lugar de una especificación diferente.

Esa combinación es coherente internamente y merece decirse sin rodeos: Qwen3.8-Max es un modelo de razonamiento sólido, lento y locuaz. Es bueno en aquello para lo que está tarifado y costoso en el margen porque necesita muchos pasos para hacerlo. Los $5.41 por tarea no son un error de tarificación. Es el comportamiento del modelo reflejándose en la factura.

Una nota sobre las versiones, porque afectará a cualquiera que compare páginas. Las mediciones independientes anteriores se hicieron contra el snapshot del 2 de septiembre, que aparece como «Qwen3.8 Max (0902)». A​libaba también ofrece un endpoint qwen/qwen3.8-max sin fecha, a los mismos $2/$6 y con una tarifa de $0.25 por entrada en caché; ambos se resuelven en nuestro catálogo, y fijar el snapshot con fecha es la opción correcta para cualquier cosa que tengas intención de reproducir.

Lo que Mercury 3 te da y lo que te niega

El modelo de Inception es un modelo de lenguaje de difusión que genera tokens en paralelo, y todas las cifras de la publicación de lanzamiento tienen que ver con la velocidad, el tamaño o el precio, y no con la calidad.

• Rendimiento — 1.068 tokens por segundo, atribuido a "NVIDIA GPUs" sin nombrar hardware, sin tamaño de lote y sin indicar cuál de los cuatro ajustes de esfuerzo de razonamiento lo produjo.

• Contexto: 1M de tokens, frente a 260K en Mercury 2.5, con un límite de salida de 131.072 tokens.

• Precio — $0.20 por entrada y $0.70 por salida por millón según la tarifa de lista, reducidos a la mitad, a $0.10 y $0.35, durante la ventana de lanzamiento. La entrada en caché cuesta $0.02 según la tarifa de lista, y $0.01 durante la ventana.

• Esfuerzo — cuatro ajustes: instantáneo, bajo, medio, alto. El valor predeterminado es bajo, mientras que Mercury 2.5 y Mercury 2 tenían medio como predeterminado.

• Modalidades: entrada de texto, salida de texto. Sin visión, sin audio.

• Calidad: ninguna referencia numérica. La afirmación es que "supera a GPT-6 Luna y Claude Haiku 5.5", sin margen y sin nombrar ningún benchmark. El único resultado estructurado es un 50 % de finalización en 50 tareas de navegación de Mind2Web en vivo dentro del propio harness de Inception.

Esa configuración de esfuerzo predeterminada es el detalle con más probabilidades de envenenar una comparación. Un modelo que responde con esfuerzo bajo será más rápido y obtendrá una puntuación más baja que el mismo modelo con esfuerzo alto, y las propias comparaciones de Inception no indican qué configuración usaron. Si evalúas Mercury 3 sin fijar el parámetro, tus cifras no serán comparables con las de nadie más, incluidas las de Inception.

Prueba uno: coste por trabajo terminado, no por token

Tomemos un agente de triaje de soporte que procesa 2 millones de tokens de entrada y 300.000 tokens de salida al día. Con Mercury 3 a precio de lista, eso son $0.40 de entrada y $0.21 de salida, o $0.61 al día. Con Qwen3.8-Max a $2/$6, son $4.00 y $1.80, o $5.80 al día. Una diferencia de aproximadamente diez veces, y con la tarifa de lanzamiento, el lado de Mercury baja a unos $0.31.

Ahora, la corrección que importa. Esas cifras suponen una pasada por tarea. Los 64 pasos medidos por tarea de GDPval-AA de Qwen3.8-Max, frente a los 14 de su predecesor, son el mecanismo exacto que convierte una tarifa de salida de $6 en $5.41 por evaluación. Si Mercury 3 necesita dos intentos donde Qwen necesita uno, el costo efectivo de Mercury se duplica y parte de la diferencia se cierra. Si Mercury necesita cuatro intentos, la mayor parte se cierra. Por lo tanto, la comparación de costos está supeditada a una cuestión de tasa de finalización que nadie ha medido, por lo que la tabla de tarifas por token es lo menos útil de la página de cualquiera de los dos proveedores.

Por el lado de la entrada hay una palanca que vale la pena conocer. Qwen3.8-Max cobra $0.25 por millón de tokens de entrada en caché; Mercury 3 cobra $0.02, o $0.01 durante el lanzamiento. Los agentes reenvían el mismo prompt de sistema y las mismas definiciones de herramientas en cada paso, así que un preámbulo de 20.000 tokens cuesta $0.0004 por llamada a la tarifa en caché de Mercury frente a $0.005 en la de Qwen. En una ejecución de cincuenta pasos, eso son dos centavos frente a veinticinco. El precio de titular de ninguno de los dos modelos refleja eso, y para cargas de trabajo de agentes es la cifra que decide el presupuesto.

Prueba dos: cuánto cuesta un modelo lento cuando hay una persona esperando

La velocidad es el aspecto en el que los dos modelos no están en absoluto en la misma categoría, y merece la pena ser preciso sobre lo que significa cada medición.

Los 1.068 tokens por segundo de Mercury son una cifra del proveedor que no cuenta con reproducción independiente. Lo que sí tenemos de Artificial Analysis es la generación anterior: Mercury 2.5 se midió en aproximadamente 706 tokens por segundo con su propio entorno de pruebas, lo que está por debajo de la cifra del proveedor que acompañó a ese lanzamiento. Esa diferencia es el descuento habitual entre proveedor e independiente en esta categoría, no una prueba de mala fe, pero es el descuento que hay que aplicar mentalmente a 1.068 hasta que alguien lo reproduzca.

Los 39,6 tokens por segundo de Qwen3.8-Max se miden de forma independiente y vienen acompañados de un puesto: el 183 de 186. A ese ritmo, una respuesta de 1.500 tokens tarda unos 38 segundos solo de generación, antes del prefill. Para un agente en segundo plano que luego informa, eso está bien. Para cualquier cosa en la que un humano mire el cursor, es descalificante por sí solo, sea cual sea la calidad.

Esa es la línea de fractura sobre la que descansa realmente esta comparación. La velocidad de Mercury 3 no está verificada, pero es plausible dada la arquitectura, y su precio es genuinamente bajo. La velocidad de Qwen3.8-Max está verificada y es pobre, y su precio es genuinamente alto. Ninguno de esos hechos te dice qué modelo escribe una mejor respuesta, y para la mayoría de los equipos la cuestión de la calidad de las respuestas es la que todavía no pueden resolver.

Prueba tres: asigna a cada modelo la tarea para la que está diseñado.

Los dos modelos fallan en direcciones opuestas, lo que hace que una evaluación comparativa lado a lado sea más informativa que una única clasificación.

Dale a Qwen3.8-Max el extremo largo, multimodal y de altas apuestas. Un expediente de 400 páginas, una grabación de pantalla de un flujo de pago roto, un gráfico que hay que leer correctamente. Es el único de los dos que puede aceptar la entrada siquiera, y tiene una puntuación independiente con la que fijar expectativas. Presupuesta la verbosidad: con el razonamiento activado, los tokens de salida se facturan a 6 dólares por millón y habrá más de los que esperas. La brecha en el seguimiento de instrucciones es lo primero que hay que probar —la propia tabla publicada de Q​wen situó a IFBench como su cifra más débil, y la cifra independiente de coste por tarea es una consecuencia directa de que se exceda del alcance.

Dale a Mercury 3 el extremo corto, solo texto y crítico en latencia, donde un error es barato de detectar. Autocompletado, reescritura de consultas, una clasificación de primera pasada, una pista en un flujo de tutoría. Fija el ajuste de esfuerzo. Establece un presupuesto de reintentos. Trata cada afirmación de calidad como una hipótesis, porque eso es lo que es actualmente.

Y no le des a ninguno de los dos modelos un trabajo que dependa de la fortaleza del otro. No se puede hacer que Qwen3.8-Max sea rápido pidiéndolo con educación; Mercury 3 no puede leer una página de PDF. Elegir entre ellos según su posición en los benchmarks agregados es elegir la variable equivocada.

Dónde encaja OrcaRouter en esto, que está solo en un lado

Qwen3.8-Max está en nuestro catálogo como qwen/qwen3.8-max, al precio de lista del proveedor con 0% de margen trasladado — así que si A​libaba cambia la tarifa, el cambio se refleja aquí el mismo día en lugar de en el siguiente ciclo de facturación. Está detrás del mismo endpoint compatible con OpenAI que todo lo demás que servimos, lo que significa que una evaluación es un cambio de string de modelo y una prueba en producción es un porcentaje de tráfico, no una migración.

Mercury 3 no está en nuestro catálogo. Nuestra API de modelos no devuelve nada para ningún modelo de Inception, así que la vía para acceder a él es la propia plataforma de Inception, que entrega 100 millones de tokens gratis a las cuentas nuevas. Nosotros enrutamos el lado de Qwen y no enrutamos el lado de Mercury, y la asimetría en cómo se accede a cada uno se deriva de eso y no de una preferencia.

El uso práctico de la capa de enrutamiento es que la evaluación puede ser ciega y barata. Envíe una porción del tráfico a qwen/qwen3.8-max, mantenga el sistema actual en otra y compare el costo por tarea completada en lugar del costo por token —que, como muestran las cifras anteriores, no son la misma medida y pueden apuntar en direcciones opuestas. La conmutación por error automática entre proveedores significa que una mala semana en un endpoint se convierte en una decisión de enrutamiento en lugar de un incidente, y el DSL de enrutamiento le permite mantener la división como una regla, de modo que cerrar el experimento sea un cambio de configuración.

Qué lo resolvería y qué hacer mientras tanto

Tres mediciones zanjarían esta discusión. Una página de Artificial Analysis para Mercury 3, que pondría ambos modelos en un mismo entorno de pruebas y sustituiría una frase del proveedor por una cifra. Una tasa de finalización publicada para Mercury 3 en un benchmark de programación o agéntico, que convertiría el descuento por tokens en un coste por tarea. Y una medición de latencia de Qwen3.8-Max con tu propia concurrencia, porque 39,6 tokens por segundo es una cifra de referencia, no una garantía de servicio, y un modelo que es meramente lento en un benchmark puede resultar inutilizable bajo carga.

Hasta que existan, la postura defendible es más estrecha de lo que sugiere cualquiera de las publicaciones de lanzamiento. Qwen3.8-Max es un modelo mesurado, multimodal, lento y caro al que puedes poner precio con confianza y que no te sorprenderá en los formatos de entrada. Mercury 3 es un modelo barato, rápido y solo de texto cuya calidad es desconocida y cuya cifra de velocidad no se ha reproducido. Compra Qwen3.8-Max para trabajo que no vas a leer antes de que se entregue. Prueba Mercury 3 para trabajo en el que hay una persona esperando y reintentar es gratis —y fija el ajuste de esfuerzo, o estarás comparando tu ejecución de bajo esfuerzo con la de alto esfuerzo de otra persona.