Mercury 3 vs Qwen3.8-Max: 저렴한 토큰과 값비싼 답변

Qwen3.8-Max와 Mercury 3는 대부분의 모델 비교가 거꾸로 이해하는 가격 논쟁의 양극단이다. 요금표상 Mercury 3는 출시 기간 동안 입력 토큰 100만 개당 $0.10, 출력 토큰 100만 개당 $0.35인 반면, Qwen3.8-Max는 $2.00와 $6.00이다. 이는 생성 비용이 17배 할인되는 것처럼 보인다. 그러나 Artificial Analysis가 각 모델이 작업을 완료하는 데 실제로 지출하는 비용을 측정하자, Qwen3.8-Max는 토큰당 가격이 중간 수준임에도 Intelligence Index 평가당 $5.41로 나타났다. 그렇게 되기까지 1억 9,000만 토큰을 생성했기 때문이며, 이는 중앙값 8,500만 토큰과 대비된다. 2026년 10월 19일 Inception Labs가 출시한 Mercury 3에는 이에 상응하는 측정치가 전혀 없다. 이와 같은 출시의 배경이 된 문서화된 AI 실패 및 에이전트 사건들은 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급 및 이견 표시 플래그가 포함되어 있다.

따라서 유용한 질문은 어떤 모델이 토큰당 더 저렴한가가 아니다. 완료된 작업당 어느 쪽이 더 저렴한가이며, 어느 공급업체의 출시 페이지도 이에 답하지 않는다. 다음은 증거가 뒷받침하는 내용과 직접 측정해야 하는 내용이다.

Qwen3.8-Max란 무엇인가 — 실제로 호출하게 될 버전 기준으로

Qwen3.8-Max는 Alibaba의 플래그십 모델입니다. 총 2조 4,000억 개의 파라미터와 토큰당 950억 개의 활성 파라미터를 갖춘 희소 전문가 혼합(MoE) 모델로, 네이티브 멀티모달입니다. 즉 텍스트, 이미지, 비디오를 입력받아 텍스트를 출력하며, 호스팅 API에서 100만 토큰 컨텍스트와 131,072 토큰의 출력 상한을 제공합니다. 2026년 8월 3일부터 정식 제공되어 왔으며, 이제 독립적인 기록도 더 이상 빈약하지 않습니다.

• 지능 지수 — Artificial Analysis Index v4.3.2에서 45점, 이 페이지의 현재 스냅샷 기준 217개 모델 중 33위.

• 출력 속도 — 초당 39.6토큰, 186개 중 183위. 페이지 자체 요약에서는 이를 "눈에 띄게 느림"이라고 표현합니다.

• 인덱스 작업당 비용 — $5.41로, 나열된 모델 중 가장 비싼 사분위에 속합니다.

• 장황함 — 인덱스 실행 전반에서 190M개의 출력 토큰이 생성되었으며, 중앙값 85M과 비교해 "매우 장황함"으로 설명됨.

• 컨텍스트 — 엔드포인트에서 984k로 측정되었으며, 이는 별도의 사양이 아니라 광고된 100만의 실질적인 상한선입니다.

그 조합은 내적으로 일관되며 분명히 말할 가치가 있다. Qwen3.8-Max는 강한 추론을 하는 느리고 말이 많은 모델이다. 가격이 책정된 일은 잘하지만, 그 일을 하는 데 많은 단계를 거치기 때문에 한계 비용은 높다. 작업당 5.41달러는 가격 책정 오류가 아니다. 그것은 모델의 행동이 청구서에 드러난 것이다.

버전에 관한 참고 사항입니다. 페이지를 비교하는 사람이라면 누구나 문제가 될 수 있기 때문입니다. 위의 독립 측정값은 "Qwen3.8 Max (0902)"로 표기된 9월 2일 스냅샷을 기준으로 한 것입니다. Alibaba는 또한 날짜가 없는 qwen/qwen3.8-max 엔드포인트를 동일한 $2/$6에 캐시 입력 요금 $0.25로 제공합니다. 둘 다 우리 카탈로그에서 확인되며, 재현하려는 모든 작업에는 날짜가 표기된 스냅샷을 고정하는 것이 올바른 선택입니다.

Mercury 3가 제공하는 것과 숨기는 것

Inception의 모델은 토큰을 병렬로 생성하는 디퓨전 언어 모델이며, 출시 글에 나오는 모든 수치는 품질이 아니라 속도, 크기 또는 가격에 관한 것이다.

• 처리량 — 초당 1,068토큰, "NVIDIA GPUs" 덕분이라고 설명하면서도 구체적인 하드웨어를 밝히지 않았고 배치 크기도 제시하지 않았으며, 네 가지 추론 강도 설정 중 어느 것이 이 수치를 냈는지도 언급하지 않았습니다.

• 컨텍스트 — 1M 토큰으로, Mercury 2.5의 260K에서 증가했으며 출력 상한은 131,072토큰입니다.

• 가격 — 정가 기준 백만 개당 입력 $0.20, 출력 $0.70이며, 출시 기간에는 절반인 $0.10, $0.35입니다. 캐시된 입력은 정가 $0.02, 출시 기간에는 $0.01입니다.

• Effort — 네 가지 설정: instant, low, medium, high. 기본값은 low이며, Mercury 2.5와 Mercury 2에서는 medium이 기본값이었습니다.

• 모달리티 — 텍스트 입력, 텍스트 출력. 비전 없음, 오디오 없음.

• 품질 — 수치 벤치마크 없음. "GPT-6 Luna와 Claude Haiku 5.5를 능가한다"고 주장하지만, 격차도 제시되지 않았고 어떤 벤치마크인지도 명시되지 않았다. 유일하게 구조화된 결과는 Inception 자체 하네스에서 50개의 실제 Mind2Web 탐색 작업을 수행해 50% 완료율을 기록한 것이다.

그 기본 노력 설정은 비교를 오염시킬 가능성이 가장 큰 세부 사항입니다. 낮은 노력으로 답하는 모델은 동일한 모델이 높은 노력으로 답할 때보다 더 빠르고 점수가 낮을 것이며, Inception 자체의 비교에서는 어떤 설정을 사용했는지 밝히지 않습니다. Mercury 3를 벤치마크할 때 해당 매개변수를 고정하지 않으면, 당신의 수치는 Inception의 수치를 포함해 다른 누구의 수치와도 비교할 수 없습니다.

테스트 1: 토큰당이 아니라 완료된 작업당 비용

하루에 입력 토큰 200만 개와 출력 토큰 30만 개를 처리하는 지원 트리아지 에이전트를 생각해 보자. Mercury 3의 정가 기준으로 이는 입력 $0.40, 출력 $0.21, 즉 하루 $0.61이다. Qwen3.8-Max는 $2/$6 기준으로 $4.00와 $1.80, 즉 하루 $5.80이다. 대략 10배 차이이며, 출시 요율에서는 Mercury 쪽이 약 $0.31로 떨어진다.

이제 중요한 정정입니다. 그 수치들은 작업당 한 번의 수행을 가정합니다. Qwen3.8-Max가 GDPval-AA 작업당 64단계로 측정된 것(이전 모델은 14단계)은 $6의 출력 단가를 평가당 $5.41로 바꾸는 바로 그 메커니즘입니다. Mercury 3가 Qwen이 한 번이면 되는 곳에서 두 번의 시도를 필요로 한다면, Mercury의 실효 비용은 두 배가 되고 격차의 일부가 줄어듭니다. Mercury가 네 번의 시도를 필요로 한다면, 격차의 대부분이 줄어듭니다. 따라서 비용 비교는 아무도 측정하지 않은 완료율 질문에 종속되며, 이것이 토큰 단가 표가 두 공급업체 페이지 어느 쪽에서든 가장 쓸모없는 항목인 이유입니다.

입력 쪽에는 알아둘 만한 레버가 하나 있습니다. Qwen3.8-Max는 캐시된 입력 토큰 100만 개당 $0.25를 청구하고, Mercury 3는 $0.02, 출시 기간에는 $0.01을 청구합니다. 에이전트는 매 단계마다 동일한 시스템 프롬프트와 도구 정의를 다시 보내므로, 20,000토큰 프리앰블은 Mercury의 캐시 요금으로 호출당 $0.0004인 반면 Q​wen의 경우 $0.005입니다. 50단계 실행에서는 2센트 대 25센트가 됩니다. 어느 모델의 대표 가격에도 이는 반영되어 있지 않으며, 에이전트 워크로드에서는 예산을 결정하는 숫자가 바로 이것입니다.

테스트 2: 사람이 기다리고 있을 때 느린 모델이 치르는 비용

속도는 두 모델이 전혀 같은 범주에 속하지 않는 부분이며, 각 측정값이 무엇을 의미하는지 정확히 짚고 넘어갈 필요가 있습니다.

Mercury의 초당 1,068 토큰은 독립적으로 재현된 사례가 없는 벤더 측 수치입니다. Artificial Analysis에서 우리가 확보한 것은 이전 세대에 관한 것입니다. Mercury 2.5는 자체 하네스에서 초당 약 706 토큰으로 측정되었는데, 이는 해당 출시 당시 함께 제시된 벤더 수치보다 낮습니다. 이 격차는 이 범주에서 흔히 나타나는 벤더 수치 대 독립 측정치 간의 할인 폭일 뿐, 악의를 보여주는 증거는 아닙니다. 다만 누군가 1,068을 재현하기 전까지는 이 할인 폭을 염두에 두고 적용해야 합니다.

Qwen3.8-Max의 초당 39.6 토큰은 독립적으로 측정된 수치이며, 순위도 함께 제공됩니다: 186개 중 183위입니다. 이 속도라면 1,500토큰 분량의 답변은 프리필(prefill) 전에도 생성만으로 약 38초가 걸립니다. 결과를 보고하는 백그라운드 에이전트라면 이 정도는 괜찮습니다. 사람이 커서를 지켜보는 상황이라면 품질과 무관하게 그 자체로 탈락 사유입니다.

그것이 바로 이 비교가 실제로 기대고 있는 단층선이다. Mercury 3의 속도는 검증되지 않았지만 아키텍처를 고려하면 그럴듯하며, 가격은 정말로 낮다. Qwen3.8-Max의 속도는 검증되었고 형편없으며, 가격은 정말로 높다. 이 사실들 중 어느 것도 어느 모델이 더 나은 답변을 쓰는지 알려주지 않으며, 대부분의 팀에게 답변 품질 문제는 아직 해결하지 못한 문제다.

테스트 3: 각 모델에게 그 모델에 맞게 설계된 작업을 맡겨라

두 모델은 서로 반대 방향으로 실패하기 때문에, 단일 순위보다 나란히 비교 평가하는 것이 더 많은 정보를 제공한다.

Qwen3.8-Max에게 길고 멀티모달하며 고부담인 쪽을 맡겨라. 400페이지짜리 제출 문서, 고장 난 결제 흐름의 화면 녹화, 정확하게 읽어야 하는 차트. 둘 중 입력을 아예 받아들일 수 있는 유일한 모델이며, 기대치를 가늠할 독립적인 점수도 있다. 장황함을 예산에 반영하라: 추론을 켜면 출력 토큰은 100만 개당 6달러로 청구되고, 예상보다 더 많을 것이다. 지시 준수 격차를 가장 먼저 시험해야 한다 — Q​wen이 자체 공개한 표에서는 IFBench가 가장 약한 수치였고, 독립적인 작업당 비용 수치는 그것이 범위를 초과한 직접적 결과다.

Mercury 3에는 짧고 텍스트 전용이며 지연에 민감하고, 틀린 답을 저렴하게 잡아낼 수 있는 쪽을 맡겨라. 자동 완성, 쿼리 재작성, 1차 분류, 튜터링 흐름에서의 힌트. effort 설정은 고정하라. 재시도 예산을 정하라. 모든 품질 관련 주장은 가설로 취급하라. 지금 그것은 실제로 가설이기 때문이다.

그리고 두 모델 중 어느 쪽에도 상대 모델의 강점에 의존하는 작업을 맡기지 마세요. Qwen3.8-Max는 공손하게 부탁한다고 빨라지지 않고, Mercury 3는 PDF 페이지를 읽지 못합니다. 종합 벤치마크 순위만 보고 둘 중 하나를 고르는 것은 잘못된 변수를 고르는 일입니다.

이 안에서 OrcaRouter가 어디에 위치하는지, 그것은 한쪽에만 있습니다.

Qwen3.8-Max는 저희 카탈로그에 qwen/qwen3.8-max로 등록되어 있으며, 제공업체의 정가에 0% 마크업을 그대로 적용합니다 — 따라서 Alibaba가 요금을 변경하면 다음 청구 주기가 아니라 같은 날 여기에 반영됩니다. 이는 저희가 제공하는 다른 모든 서비스와 동일한 OpenAI 호환 엔드포인트를 사용하므로, 평가는 모델 문자열 변경이고 프로덕션 시험은 마이그레이션이 아니라 트래픽 비율 조정입니다.

Mercury 3는 우리 카탈로그에 없습니다. 우리 모델 API는 어떤 Inception 모델에 대해서도 아무것도 반환하지 않으므로, Mercury 3에 이르는 경로는 Inception 자체 플랫폼이며, 이 플랫폼은 신규 계정에 1억 개의 무료 토큰을 제공합니다. 우리는 Qwen 쪽은 라우팅하지만 Mercury 쪽은 라우팅하지 않으며, 각각에 접근하는 방식의 비대칭은 선호가 아니라 바로 그 사실에서 비롯됩니다.

라우팅 계층의 실용적 활용은 평가가 블라인드 방식이고 저렴할 수 있다는 점이다. 트래픽의 한 조각을 qwen/qwen3.8-max로 보내고, 다른 쪽에는 기존 모델을 유지한 뒤, 토큰당 비용이 아니라 완료된 작업당 비용을 비교하라 — 위 수치에서 보듯 이 둘은 같은 측정값이 아니며 반대 방향을 가리킬 수 있다. 공급자 전반의 자동 장애 조치는 한 엔드포인트의 나쁜 한 주가 장애가 아니라 라우팅 결정이 되게 하며, 라우팅 DSL을 사용하면 분할을 규칙으로 유지할 수 있어 실험 종료가 구성 변경이 된다.

무엇이 그것을 해결해 줄지, 그리고 그때까지 무엇을 해야 할지

세 가지 측정만 있으면 이 논쟁은 끝난다. Mercury 3에 대한 Artificial Analysis 페이지가 그것으로, 두 모델을 하나의 하네스에 올려 놓고 벤더의 문장 하나를 숫자로 대체할 것이다. 코딩 또는 에이전틱 벤치마크에서의 Mercury 3 공개 완료율은 토큰 할인을 작업당 비용으로 환산해 줄 것이다. 그리고 Qwen3.8-Max의 지연 시간을 당신 자신의 동시성 조건에서 측정한 값, 즉 초당 39.6 토큰은 지표상의 수치일 뿐 서빙 보장이 아니며, 벤치마크에서 그저 느린 모델은 부하 상황에서 사용 불가능할 수 있기 때문이다.

그것들이 존재하기 전까지, 방어 가능한 입장은 두 출시 발표문 중 어느 쪽이 암시하는 것보다도 범위가 좁다. Qwen3.8-Max는 신중하게 설계된 멀티모달 모델로, 느리고 비싸지만 비용을 자신 있게 산정할 수 있고 입력 형식에서 예상 밖의 문제를 일으키지 않는다. Mercury 3는 저렴하고 빠른 텍스트 전용 모델이지만 품질은 알려지지 않았고 속도 수치는 재현되지 않았다. 결과물이 배포되기 전에 직접 읽어보지 않을 업무에는 Qwen3.8-Max를 구매하라. 사람이 기다리고 있고 재시도가 무료인 업무에는 Mercury 3를 시험해 보라 — 그리고 effort 설정을 고정하라. 그렇지 않으면 자신의 낮은 effort 실행을 다른 사람의 높은 effort 실행과 비교하게 될 것이다.