Mercury 3 vs Qwen3.8-Max: Il token economico e la risposta costosa

Qwen3.8-Max e Mercury 3 sono i due poli di un dibattito sui prezzi che la maggior parte dei confronti tra modelli interpreta al contrario. Sul listino prezzi, Mercury 3 costa $0,10 per milione di token di input e $0,35 per milione di token di output durante la sua finestra di lancio, contro $2,00 e $6,00 per Qwen3.8-Max. Sembra equivalente a uno sconto di diciassette volte sulla generazione. Poi Artificial Analysis misura quanto spende effettivamente ciascun modello per completare un'attività, e Qwen3.8-Max si attesta a $5,41 per valutazione dell'Intelligence Index mentre il suo prezzo per token è moderato — perché ha generato 190M token per arrivarci, contro una mediana di 85M. Mercury 3, rilasciato da Inception Labs il 19 ottobre 2026, non dispone affatto di una misurazione equivalente. I casi documentati di guasti dell'IA e incidenti degli agenti alla base di rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.

Quindi la domanda utile non è quale modello costi meno per token. È quale dei due costi meno per lavoro completato, e la pagina di lancio di nessuno dei due fornitori risponde. Ecco cosa le prove supportano davvero, e cosa devi misurare tu stesso.

Che cos'è Qwen3.8-Max, nella versione che chiameresti davvero

Qwen3.8-Max è il modello di punta di Alibaba: un modello sparse mixture-of-experts con 2,4 trilioni di parametri totali e 95 miliardi attivi per token, nativamente multimodale — testo, immagini e video in input, testo in output — con un contesto di 1M di token sull'API ospitata e un tetto di output di 131.072 token. È disponibile a livello generale dal 3 agosto 2026, e il quadro indipendente non è più scarno.

• Intelligence Index — 45 su Artificial Analysis Index v4.3.2, classificato 33º su 217 modelli nello snapshot attuale della pagina.

Velocità di output — 39,6 token al secondo, classificata 183ª su 186. Il riepilogo della pagina stessa la definisce «notevolmente lenta».

• Costo per attività di indicizzazione — $5.41, nel quartile più costoso dei modelli che elenca.

• Verbosità — 190M token di output nell'intera esecuzione dell'indice, descritta come "molto verbosa" rispetto a una mediana di 85M.

• Contesto — misurato a 984k sull'endpoint, che è il limite pratico del milione pubblicizzato anziché una specifica diversa.

Quella combinazione è internamente coerente e vale la pena dirla chiaramente: Qwen3.8-Max è un modello dal ragionamento forte, lento e loquace. È bravo in ciò per cui è tariffato ed è costoso al margine perché impiega molti passaggi per farlo. I $5.41 per attività non sono un errore di prezzo. È il comportamento del modello che si riflette sulla bolletta.

Una nota sulle versioni, perché creerà problemi a chiunque confronti le pagine. Le misurazioni indipendenti sopra si riferiscono allo snapshot del 2 settembre, indicato come "Qwen3.8 Max (0902)". Alibaba espone anche un endpoint qwen/qwen3.8-max senza data allo stesso prezzo di $2/$6 con una tariffa di $0.25 per l'input in cache; entrambi sono presenti nel nostro catalogo, e fissare lo snapshot datato è la scelta giusta per qualsiasi cosa intendiate riprodurre.

Cosa ti dà Mercury 3 e cosa ti nasconde

Il modello di Inception è un modello linguistico a diffusione che genera token in parallelo, e ogni numero nel post di lancio riguarda velocità, dimensioni o prezzo anziché la qualità.

• Throughput — 1.068 token al secondo, attribuito a "NVIDIA GPUs" senza alcun hardware denominato, senza dimensione del batch e senza indicare quale delle quattro impostazioni di sforzo di ragionamento lo abbia prodotto.

• Contesto — 1M token, in aumento da 260K su Mercury 2.5, con un limite di output di 131.072 token.

• Prezzo — $0,20 per input e $0,70 per output per milione a listino, dimezzati a $0,10 e $0,35 durante la finestra di lancio. L'input in cache è $0,02 a listino, $0,01 nella finestra.

• Impegno — quattro impostazioni: istantaneo, basso, medio, alto. Il valore predefinito è basso, mentre Mercury 2.5 e Mercury 2 usavano medio come impostazione predefinita.

• Modalità — testo in ingresso, testo in uscita. Nessuna visione, nessun audio.

• Qualità — nessun parametro di riferimento numerico. L'affermazione è che "supera GPT-6 Luna e Claude Haiku 5.5", senza alcun margine e senza citare alcun benchmark. L'unico risultato strutturato è il 50% di completamento su 50 attività di navigazione Mind2Web in tempo reale nell'harness proprietario di Inception.

Quell'impostazione predefinita del livello di sforzo è il dettaglio che più probabilmente può compromettere un confronto. Un modello che risponde con uno sforzo basso sarà più veloce e otterrà un punteggio inferiore rispetto allo stesso modello con uno sforzo alto, e i confronti di Inception non dicono quale impostazione abbiano usato. Se valuti Mercury 3 senza fissare il parametro, i tuoi numeri non sono confrontabili con quelli di nessun altro — inclusi quelli di Inception.

Test uno: costo per lavoro completato, non per token

Prendi un agente di triage del supporto che elabora 2 milioni di token di input e 300.000 token di output al giorno. Su Mercury 3 a listino sono $0,40 di input e $0,21 di output, ovvero $0,61 al giorno. Su Qwen3.8-Max a $2/$6 sono $4,00 e $1,80, ovvero $5,80 al giorno. Un divario di circa dieci volte e, con la tariffa di lancio, il lato Mercury scende a circa $0,31.

La correzione che conta è questa. Quei numeri presuppongono un solo passaggio per attività. I 64 passaggi misurati per attività GDPval-AA di Qwen3.8-Max, rispetto ai 14 del suo predecessore, sono esattamente il meccanismo che trasforma una tariffa di output di $6 in $5.41 per valutazione. Se Mercury 3 richiede due tentativi dove Qwen ne richiede uno, il costo effettivo di Mercury raddoppia e parte del divario si chiude. Se Mercury ne richiede quattro, si chiude gran parte del divario. Il confronto dei costi è quindi a valle di una questione di tasso di completamento che nessuno ha misurato, ed è per questo che la tabella delle tariffe per token è la cosa meno utile su entrambe le pagine dei fornitori.

Per il lato input c’è una leva che vale la pena conoscere. Qwen3.8-Max addebita $0,25 per milione di token di input in cache; Mercury 3 addebita $0,02, oppure $0,01 durante il lancio. Gli agenti reinviano lo stesso prompt di sistema e le stesse definizioni degli strumenti a ogni passaggio, quindi un preambolo di 20.000 token costa $0,0004 per chiamata alla tariffa in cache di Mercury contro $0,005 a quella di Q​wen. Su un’esecuzione di cinquanta passaggi sono due centesimi contro venticinque. Il prezzo di listino di nessuno dei due modelli riflette questo, e per i carichi di lavoro degli agenti è il numero che decide il budget.

Test due: quanto costa un modello lento quando una persona è in attesa

La velocità è il punto in cui i due modelli non sono affatto nella stessa categoria, e vale la pena essere precisi su cosa significhi ciascuna misura.

I 1.068 token al secondo di Mercury sono un dato del fornitore senza alcuna riproduzione indipendente. Quello che abbiamo da Artificial Analysis è la generazione precedente: Mercury 2.5 misurava circa 706 token al secondo con il proprio harness, un valore inferiore al numero del fornitore che accompagnava quel lancio. Questo scarto è il normale sconto tra dato del fornitore e dato indipendente in questa categoria, non la prova di malafede — ma è lo sconto da applicare mentalmente a 1.068 finché qualcuno non lo riproduce.

I {{1}}39,6 token al secondo{{/1}} di Qwen3.8-Max sono misurati in modo indipendente e hanno una classifica: {{2}}183º su 186{{/2}}. A quel ritmo, una risposta da 1.500 token richiede circa 38 secondi di sola generazione, prima del prefill. Per un agente in background che riporta i risultati, va bene. Per qualunque cosa in cui un essere umano guarda il cursore, è di per sé squalificante, qualunque sia la qualità.

È questa la linea di faglia su cui si basa realmente questo confronto. La velocità di Mercury 3 non è verificata ma è plausibile data l'architettura, e il suo prezzo è davvero basso. La velocità di Qwen3.8-Max è verificata e scarsa, e il suo prezzo è davvero alto. Nessuno di questi fatti ti dice quale modello scriva una risposta migliore, e per la maggior parte dei team la questione della qualità delle risposte è quella che non riescono ancora a risolvere.

Test tre: assegna a ciascun modello il compito per cui è modellato

I due modelli falliscono in direzioni opposte, il che rende una valutazione affiancata più informativa di una singola classifica.

Assegna a Qwen3.8-Max l'estremo lungo, multimodale e ad alto rischio. Un fascicolo di 400 pagine, una registrazione dello schermo di un flusso di checkout non funzionante, un grafico che deve essere letto correttamente. È l'unico dei due che possa accettare l'input, e ha un punteggio indipendente rispetto al quale calibrare le aspettative. Prevedi la verbosità nel budget: con il ragionamento attivo, i token di output vengono fatturati a $6 per milione e ce ne saranno più di quanti tu ne aspetti. Il divario nel rispetto delle istruzioni è la prima cosa da testare — la tabella pubblicata da Qwen stessa colloca IFBench come il suo valore più debole, e il dato indipendente del costo per attività è una conseguenza diretta del fatto che supera l'ambito.

Assegna a Mercury 3 l'estremità breve, solo testo e critica per la latenza, dove una risposta sbagliata è facile da individuare. Completamento automatico, riscrittura delle query, una classificazione di primo passaggio, un suggerimento in un flusso di tutoring. Fissa l'impostazione dell'effort. Stabilisci un budget di tentativi. Tratta ogni affermazione sulla qualità come un'ipotesi, perché attualmente è questo che è.

E non affidare a nessuno dei due modelli un compito che dipende dai punti di forza dell'altro. Qwen3.8-Max non può essere reso veloce con una richiesta gentile; Mercury 3 non è in grado di leggere una pagina PDF. Scegliere tra i due in base alla posizione nei benchmark aggregati significa guardare la variabile sbagliata.

Dove si colloca OrcaRouter in questo, che è solo da un lato

Qwen3.8-Max è nel nostro catalogo come qwen/qwen3.8-max, al prezzo di listino del fornitore con 0% di ricarico applicato — quindi se A​libaba modifica la tariffa, la modifica è attiva qui lo stesso giorno anziché al ciclo di fatturazione successivo. Si trova dietro lo stesso endpoint compatibile con OpenAI di tutto il resto che serviamo, il che significa che una valutazione è un cambio di stringa del modello e una prova in produzione è una percentuale di traffico, non una migrazione.

Mercury 3 non è nel nostro catalogo. La nostra API per i modelli non restituisce nulla per nessun modello Inception, quindi la via per accedervi è la piattaforma di Inception stessa, che offre ai nuovi account 100 milioni di token gratuiti. Noi instradiamo il lato Qwen e non instradiamo il lato Mercury, e l'asimmetria nel modo in cui si accede a ciascuno deriva da questo, non da una preferenza.

L'uso pratico del livello di routing è che la valutazione può essere cieca ed economica. Invia una fetta di traffico a qwen/qwen3.8-max, mantieni l'incumbent su un'altra e confronta il costo per attività completata anziché il costo per token — che, come mostrano i numeri sopra, non sono la stessa misura e possono puntare in direzioni opposte. Il failover automatico tra provider significa che una brutta settimana su un endpoint diventa una decisione di routing anziché un incidente, e il DSL di routing consente di mantenere la suddivisione come regola, così chiudere l'esperimento è una modifica di configurazione.

Cosa lo risolverebbe, e cosa fare fino ad allora

Tre misurazioni metterebbero fine a questa discussione. Una pagina di Artificial Analysis per Mercury 3, che metterebbe entrambi i modelli sullo stesso harness e sostituirebbe una frase del fornitore con un numero. Un tasso di completamento pubblicato per Mercury 3 su un benchmark di coding o agentico, che convertirebbe lo sconto sui token in un costo per job. E una misurazione della latenza di Qwen3.8-Max con la tua stessa concorrenza, perché 39,6 token al secondo è un dato di indice, non una garanzia di servizio, e un modello che è solo lento in un benchmark può essere inutilizzabile sotto carico.

Finché non esistono, la posizione sostenibile è più ristretta di quanto lasci intendere l'uno o l'altro post di lancio. Qwen3.8-Max è un modello ponderato, multimodale, lento e costoso, di cui puoi stimare il prezzo con sicurezza e che non ti sorprenderà sui formati di input. Mercury 3 è un modello economico, veloce e solo testuale, la cui qualità è sconosciuta e il cui dato sulla velocità non è stato replicato. Acquista Qwen3.8-Max per i lavori che non leggerai prima della consegna. Prova Mercury 3 per i lavori in cui qualcuno sta aspettando e un nuovo tentativo è gratuito — e fissa l'impostazione dello sforzo, altrimenti confronterai la tua esecuzione a basso sforzo con quella ad alto sforzo di qualcun altro.