Mercury 3 対 Qwen3.8-Max：安いトークンと高くつく回答

Qwen3.8-Max と Mercury 3 は、ほとんどのモデル比較が逆に捉えている価格論争の両極だ。料金表では、Mercury 3 はローンチ期間中、入力100万トークンあたり0.10ドル、出力100万トークンあたり0.35ドルで、Qwen3.8-Max の2.00ドルと6.00ドルに対する価格だ。生成費用が17分の1になるように見える。だが Artificial Analysis が各モデルがタスクを完了するために実際に要するコストを測定すると、Qwen3.8-Max はトークン単価が中程度であるにもかかわらず、Intelligence Index 評価1回あたり5.41ドルになる——そこに至るまでに1億9,000万トークンを生成したためで、中央値は8,500万トークンだった。2026年10月19日に Inception Labs がリリースした Mercury 3 には、同等の測定がまったく存在しない。 このようなリリースの背景にある、文書化された AI 障害やエージェントインシデントは、OrcaRouter AI Incident Archiveに収集されており、各項目にはそれぞれの出典、重大度、信頼度グレード、異議ありフラグが付いている。

つまり有益な問いは、トークンあたりでどちらのモデルが安いかではない。完了したジョブ1件あたりでどちらが安いかであり、どちらのベンダーの発表ページもその問いには答えていない。ここでは、証拠が実際に裏づけていることと、自分で測定しなければならないことを示す。

Qwen3.8-Maxとは何か——実際に呼び出すことになるバージョンで

Qwen3.8-MaxはA​libabaのフラッグシップです。総パラメータ数2.4兆、トークンあたり950億がアクティブとなるスパースなMixture-of-Expertsモデルであり、ネイティブにマルチモーダル——テキスト・画像・動画を入力し、テキストを出力——で、ホスト型APIでは100万トークンのコンテキスト、出力上限は131,072トークンです。2026年8月3日から一般提供されており、独立系の検証記録も今や薄いものではありません。

• インテリジェンス指数 — Artificial Analysis Index v4.3.2で45、ページの現在のスナップショットでは217モデル中33位。

• 出力速度 — 毎秒39.6トークン、186台中183位。このページ自体の要約では「際立って遅い」とされています。

• インデックスタスクあたりのコスト — $5.41、掲載されているモデルの中で最も高価な四分位に位置します。

• 冗長性 — インデックス実行全体で出力トークン数は1億9,000万。中央値8,500万に対して「非常に冗長」と評された。

• コンテキスト — エンドポイントで984kとして測定され、これは異なる仕様ではなく、宣伝されている100万の実用的な上限です。

その組み合わせは内部的に一貫しており、率直に言う価値がある。Qwen3.8-Maxは推論能力が高く、動作が遅く、よく喋るモデルだ。価格設定された目的では優れているが、それを遂行するのに多くのステップを要するため、限界的には割高になる。タスクあたり5.41ドルは価格設定の誤りではない。モデルの振る舞いが請求書に表れているのだ。

バージョンに関する注意です。ページを比較する人なら誰でも引っかかるでしょう。上記の独立した測定値は9月2日のスナップショットを基準にしており、「Qwen3.8 Max (0902)」として記載されています。A​libabaはまた、日付のないqwen/qwen3.8-maxエンドポイントを同じ$2/$6、キャッシュ入力$0.25の料金で提供しています。どちらも当社のカタログに存在し、再現しようとするものについては日付付きスナップショットを固定するのが適切です。

Mercury 3があなたに与えるもの、そして与えないもの

Inceptionのモデルはトークンを並列に生成する拡散言語モデルであり、ローンチ記事に登場するすべての数値は、品質ではなく速度、サイズ、価格に関するものだ。

• スループット — 毎秒1,068トークン。"NVIDIA GPUs"に帰属されているが、ハードウェア名は明記されず、バッチサイズもなく、4つの推論エフォート設定のうちどれがそれを生み出したかについての記述もない。

• コンテキスト — 1Mトークン（Mercury 2.5の260Kから増加）、出力上限は131,072トークン。

• 価格 — リスト価格では100万トークンあたり入力$0.20、出力$0.70、ローンチ期間中は半額の$0.10と$0.35。キャッシュされた入力はリスト価格で$0.02、期間中は$0.01。

• Effort — 4つの設定: instant、low、medium、high。デフォルトはlowで、Mercury 2.5 と Mercury 2 では medium がデフォルトでした。

• モダリティ — テキスト入力、テキスト出力。視覚なし、音声なし。

• 品質 — 数値的なベンチマークはなし。主張は「GPT-6 Luna と Claude Haiku 5.5 を上回る」というものだが、その差も、名前の挙げられたベンチマークも示されていない。唯一の構造化された結果は、Inception 独自のハーネスにおける 50 件の実環境 Mind2Web ナビゲーションタスクでの 50% 完了というものだ。

そのデフォルトのエフォート設定は、比較を台無しにする可能性が最も高い細部です。低エフォートで回答するモデルは、同じモデルを高エフォートで動かした場合より速く、スコアも低くなりますが、Inception自身の比較ではどの設定を使ったかが示されていません。Mercury 3をパラメータを固定せずにベンチマークすると、あなたの数値は他の誰のものとも比較できません——Inceptionの数値とも。

テスト1：トークンあたりではなく、完了したジョブあたりのコスト

サポートトリアージを行うエージェントが、1日あたり200万入力トークンと30万出力トークンを処理するとします。Mercury 3をリスト価格で使うと、入力が0.40ドル、出力が0.21ドル、つまり1日0.61ドルです。Qwen3.8-Maxを$2/$6で使うと、4.00ドルと1.80ドル、つまり1日5.80ドルになります。およそ10倍の差があり、ローンチ時の料金ではMercury側が約0.31ドルまで下がります。

さて、ここからが本当に重要な補正である。これらの数値は、1タスクにつき1回のパスを前提としている。Qwen3.8-MaxがGDPval-AAタスクあたり64ステップと測定されたのに対し、前世代は14ステップだった。まさにこの仕組みが、$6の出力レートを評価1回あたり$5.41に変えてしまうのである。Mercury 3がQwenの1回に対して2回の試行を必要とするなら、Mercuryの実効コストは倍になり、その差の一部は縮まる。4回必要なら、そのほとんどが埋まる。したがって、コスト比較は誰も測定していない完了率という問いの下流にある。だからこそ、トークンレートの表は両ベンダーのページの中で最も役に立たないものなのである。

入力側については、知っておく価値のあるレバーがある。Qwen3.8-Maxはキャッシュ済み入力トークン100万個あたり0.25ドルを請求し、Mercury 3は0.02ドル、ローンチ期間中は0.01ドルだ。エージェントは各ステップで同じシステムプロンプトとツール定義を再送信するため、20,000トークンの前置きは、Mercuryのキャッシュ料金では1回の呼び出しあたり0.0004ドル、Qwenの場合は0.005ドルかかる。50ステップの実行では2セント対25セントになる。どちらのモデルの公表価格にもこれは反映されておらず、エージェントのワークロードでは予算を決めるのはこの数値だ。

テスト2：人が待っているとき、遅いモデルがどれだけのコストを生むか

速度に関しては、両モデルはまったく別のカテゴリーに属しており、それぞれの測定値が何を意味するのかを正確に説明する価値がある。

Mercuryの毎秒1,068トークンはベンダー公表値であり、独立した再現はない。われわれがArtificial Analysisから得ているのは前世代のデータだ。Mercury 2.5は同社のハーネスで測ると毎秒約706トークンで、そのローンチ時に付随していたベンダー値より低い。この差はこのカテゴリーにおける通常の、ベンダー公表値から独立測定値への割引であり、悪意の証拠ではない。ただし、誰かが1,068を再現するまでは、頭の中でその割引を当てはめて見るべき差である。

Qwen3.8-Maxの毎秒39.6トークンは独立に測定された値で、順位も付いている。186台中183位だ。この速度だと、1,500トークンの回答はプリフィル前の生成だけで約38秒かかる。結果を報告するバックグラウンドエージェントならそれで問題ない。しかし人間がカーソルを眺めるような用途では、品質がどうであれ、それだけで失格となる。

この比較が実際に立脚している断層線はそこにある。Mercury 3 の速度は未検証だが、アーキテクチャを考えればもっともらしく、価格は確かに安い。Qwen3.8-Max の速度は検証済みで遅く、価格は確かに高い。どちらの事実も、どちらのモデルがより良い回答を書くかは教えてくれず、ほとんどのチームにとって、回答品質という問いはまだ決着をつけられない問いだ。

テスト3：各モデルに、それが適した仕事を与える

2つのモデルは逆方向に失敗するため、横並びでの評価は単一のランキングよりも情報量が多くなる。

Qwen3.8-Max には、長く、マルチモーダルで、重要な最終局面を任せよう。400ページの提出書類、壊れたチェックアウトフローの画面録画、正確に読み取る必要のあるグラフ。2つのうち、そもそも入力を受け付けられるのはこれだけで、期待値を照らし合わせるための独立したスコアもある。冗長さを見込んで予算を取っておくこと。推論をオンにすると、出力トークンは100万あたり6ドルで課金され、想像以上に多くなる。まず試すべきは指示追従の差だ。Qwen 自身が公開した表では IFBench が最も弱い数値で、独立したタスクあたりコストの数字は、それがスコープを超えていることの直接の結果である。

Mercury 3 には、短く、テキストのみで、レイテンシが重視され、誤った回答を検出するコストが低い末端のタスクを任せよう。オートコンプリート、クエリの書き換え、初回パスの分類、チュータリングフローでのヒント。エフォート設定は固定する。リトライ予算を設定する。品質に関するあらゆる主張は仮説として扱う。現時点では実際にそうだからだ。

また、どちらのモデルにも、もう一方の強みに依存する仕事を任せないでください。Qwen3.8-Maxは丁寧に頼んでも速くすることはできません。Mercury 3はPDFページを読むことができません。総合ベンチマーク順位で両者を選ぶのは、誤った変数を選んでいることになります。

この中でOrcaRouterがどこに位置するのか、それは片側だけにある

Qwen3.8-Maxは当社のカタログにqwen/qwen3.8-maxとして掲載されています。価格はプロバイダーの定価に0%のマークアップを加えずそのまま反映しており、A​libabaが料金を改定すれば、次回の請求サイクルではなく当日中にここでも反映されます。他のすべての提供物と同じOpenAI互換エンドポイントの背後にあるため、評価はモデル文字列の変更で済み、本番試行は移行ではなくトラフィックの割合で行えます。

Mercury 3は当社のカタログにはありません。当社のモデルAPIはInceptionのどのモデルに対しても何も返さないため、そこへの経路はInception自身のプラットフォームであり、同プラットフォームは新規アカウントに1億個の無料トークンを付与します。当社はQ​wen側はルーティングしますが、Mercury側はルーティングしません。それぞれに到達する方法における非対称性は、好みではなく、そこから生じています。

ルーティング層の実用的な利点は、評価をブラインドかつ低コストで行えることです。トラフィックの一部を qwen/qwen3.8-max に送り、既存のモデルは別のままにしておき、トークンあたりのコストではなく完了したタスクあたりのコストを比較します。上の数値が示すように、この2つは同じ指標ではなく、逆方向を指すこともあります。プロバイダー間の自動フェイルオーバーにより、あるエンドポイントの不調な週はインシデントではなくルーティングの判断になり、ルーティング DSLを使えば、その分割をルールとして保持できるため、実験の終了は設定変更になります。

何がそれを決着させるのか、そしてそれまでどうすればよいのか

この議論に終止符を打つには、3つの測定で足りる。Mercury 3のArtificial Analysisページがあれば、両モデルを同じハーネス上で比較でき、ベンダーの一文を数字に置き換えられる。コーディングまたはエージェント型ベンチマークにおけるMercury 3の公開済み完了率があれば、トークン割引をジョブあたりのコストに変換できる。そして、あなた自身の同時実行数下でのQwen3.8-Maxのレイテンシ測定だ。毎秒39.6トークンは指標値であり、配信保証ではないからだ。ベンチマークで単に遅いだけのモデルは、負荷時に使い物にならないことがある。

そうしたものが存在するまでは、正当化できる立場はどちらのローンチ記事が示唆するよりも限定的だ。Qwen3.8-Max は実測済みのマルチモーダルモデルで、遅く高価だが、自信を持って価格を見積もることができ、入力フォーマットで驚かされることもない。Mercury 3 は安価で高速なテキスト専用モデルだが、品質は不明で、その速度の数値も再現されていない。出荷前に読むことのない作業には Qwen3.8-Max を買うべきだ。人が待っていて、再試行が無料でできる作業には Mercury 3 を試すべきだ。そしてエフォート設定を固定すべきだ。さもないと、自分の低エフォート実行を誰かの高エフォート実行と比較することになる。