Mercury 3 vs Qwen3.8-Max: Het goedkope token en het dure antwoord

Qwen3.8-Max en Mercury 3 zijn de twee uitersten van een prijsdiscussie die de meeste modelvergelijkingen verkeerd voorstellen. Op de tarievenkaart kost Mercury 3 tijdens de lanceerperiode $0,10 per miljoen invoertokens en $0,35 per miljoen uitvoertokens, tegenover $2,00 en $6,00 voor Qwen3.8-Max. Dat lijkt een zeventienvoudige korting op generatie. Vervolgens meet Artificial Analysis wat elk model daadwerkelijk uitgeeft om een taak te voltooien, en Qwen3.8-Max komt uit op $5,41 per evaluatie van de Intelligence Index, terwijl de prijs per token gematigd is — omdat het 190 mln tokens genereerde om daar te komen, tegenover een mediaan van 85 mln. Mercury 3, op 19 oktober 2026 uitgebracht door Inception Labs, heeft helemaal geen equivalente meting. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze worden verzameld in het OrcaRouter AI Incident Archive, waarbij elke vermelding zijn eigen bronnen, ernstgraad, betrouwbaarheidsgraad en betwist-vlag heeft.

De nuttige vraag is dus niet welk model goedkoper is per token. Het is welk model goedkoper is per voltooide taak, en geen van beide leveranciers beantwoordt die vraag op de introductiepagina. Dit is wat het bewijs wel ondersteunt, en wat je zelf moet meten.

Wat Qwen3.8-Max is, in de versie die je daadwerkelijk zou noemen

Qwen3.8-Max is A​libaba's vlaggenschip: een schaars mixture-of-expertsmodel met 2,4 biljoen parameters in totaal en 95 miljard actieve parameters per token, native multimodaal — tekst, afbeeldingen en video erin, tekst eruit — met een context van 1M tokens op de gehoste API en een uitvoerplafond van 131.072 tokens. Het is algemeen beschikbaar sinds 3 augustus 2026, en het onafhankelijke beeld is niet langer mager.

• Intelligentie-index — 45 op de Artificial Analysis Index v4.3.2, 33e van 217 modellen in de huidige momentopname van de pagina.

Uitvoersnelheid — 39,6 tokens per seconde, 183e van 186. De eigen samenvatting van de pagina noemt het "opmerkelijk traag".

• Kosten per indextaak — $5,41, in het duurste kwartiel van de modellen die het vermeldt.

• Uitvoerigheid — 190M uitvoertokens tijdens de index-run, beschreven als "zeer uitgebreid" tegenover een mediaan van 85M.

• Context — gemeten op 984k op de endpoint, wat het praktische plafond is van het geadverteerde miljoen in plaats van een andere specificatie.

Die combinatie is intern consistent en het is de moeite waard dat ronduit te zeggen: Qwen3.8-Max is een sterk redenerend, langzaam en praatgraag model. Het is goed in waarvoor het geprijsd is, maar in de marge duur omdat het veel stappen nodig heeft om dat te doen. De $5,41 per taak is geen prijsfout. Het is het gedrag van het model dat op de rekening zichtbaar wordt.

Een opmerking over versies, want dat zal iedereen die pagina's vergelijkt opbreken. De onafhankelijke metingen hierboven zijn tegen de snapshot van 2 september, vermeld als "Qwen3.8 Max (0902)". Alibaba biedt ook een ongedateerd qwen/qwen3.8-max-endpoint aan tegen dezelfde $2/$6 met een tarief van $0.25 voor gecachte invoer; beide zijn opgenomen in onze catalogus, en het vastpinnen op de gedateerde snapshot is de juiste keuze voor alles wat u van plan bent te reproduceren.

Wat Mercury 3 je geeft, en wat het achterhoudt

Het model van Inception is een diffusietaal模型 dat tokens parallel genereert, en elk getal in het lanceringsbericht gaat over snelheid, grootte of prijs in plaats van kwaliteit.

• Doorvoer — 1.068 tokens per seconde, toegeschreven aan "NVIDIA GPUs", zonder dat er hardware wordt genoemd, zonder batchgrootte en zonder vermelding welke van de vier reasoning-effort-instellingen dit heeft opgeleverd.

• Context — 1M tokens, verhoogd van 260K op Mercury 2.5, met een uitvoerplafond van 131.072 tokens.

• Prijs — $0,20 input en $0,70 output per miljoen tegen lijsttarief, gehalveerd naar $0,10 en $0,35 tijdens de lanceringsperiode. Gecachte input is $0,02 tegen lijsttarief, $0,01 in de periode.

• Inspanning — vier instellingen: direct, laag, gemiddeld, hoog. De standaardwaarde is laag, terwijl Mercury 2.5 en Mercury 2 standaard op gemiddeld stonden.

• Modaliteiten — tekst in, tekst uit. Geen beeld, geen audio.

• Kwaliteit — geen numerieke benchmark. De bewering is dat het "beter presteert dan GPT-6 Luna en Claude Haiku 5.5", zonder marge en zonder dat er een benchmark wordt genoemd. Het enige gestructureerde resultaat is 50% voltooiing op 50 live Mind2Web-navigatietaken in de eigen harness van Inception.

Die standaard effort-instelling is het detail dat het waarschijnlijkst een vergelijking vergiftigt. Een model dat met lage effort antwoordt, is sneller en scoort lager dan hetzelfde model met hoge effort, en de eigen vergelijkingen van Inception vermelden niet welke instelling ze gebruikten. Als je Mercury 3 benchmarkt zonder de parameter vast te pinnen, zijn je cijfers niet vergelijkbaar met die van wie dan ook — inclusief die van Inception.

Test één: kosten per afgeronde klus, niet per token

Neem een supporttriage-agent die dagelijks 2 miljoen inputtokens en 300.000 outputtokens verwerkt. Op Mercury 3 tegen de lijstprijs is dat $0.40 aan input en $0.21 aan output, ofwel $0.61 per dag. Op Qwen3.8-Max tegen $2/$6 is dat $4.00 en $1.80, ofwel $5.80 per dag. Ruwweg een factor tien verschil, en tegen het introductietarief daalt de kant van Mercury tot ongeveer $0.31.

De correctie die ertoe doet. Die cijfers gaan ervan uit dat er één doorgang per taak is. Het gemeten aantal van 64 stappen per GDPval-AA-taak voor Qwen3.8-Max, tegenover 14 voor zijn voorganger, is precies het mechanisme dat een outputtarief van $6 omzet in $5,41 per evaluatie. Als Mercury 3 twee pogingen nodig heeft waar Qwen er één nodig heeft, verdubbelen de effectieve kosten van Mercury en wordt een deel van de kloof gedicht. Als Mercury vier pogingen nodig heeft, het grootste deel. De kostenvergelijking is dus stroomafwaarts van een vraag over het voltooiingspercentage die niemand heeft gemeten, en daarom is de token-rate-tabel het minst nuttige item op de pagina van beide leveranciers.

Aan de invoerzijde is er een interessante hefboom om te kennen. Qwen3.8-Max rekent $0,25 per miljoen gecachete invoertokens; Mercury 3 rekent $0,02, of $0,01 tijdens de introductieperiode. Agenten sturen bij elke stap dezelfde systeemprompt en tooldefinities opnieuw mee, dus een preambule van 20.000 tokens kost $0,0004 per aanroep tegen Mercury's gecachete tarief, tegenover $0,005 bij Qwen. Bij een run van vijftig stappen is dat twee cent tegenover vijfentwintig cent. Geen van beide modellen laat dat terugkomen in zijn headline-prijs, en voor agentworkloads is dat het getal dat het budget bepaalt.

Test twee: wat een traag model kost wanneer iemand wacht

Snelheid is waar de twee modellen totaal niet in dezelfde categorie vallen, en het is de moeite waard om precies te zijn over wat elke meting betekent.

Mercury's 1.068 tokens per seconde is een leverancierscijfer zonder onafhankelijke reproductie. Wat we wel van Artificial Analysis hebben, is de vorige generatie: Mercury 2.5, gemeten op ongeveer 706 tokens per seconde in hun eigen testopstelling, wat lager is dan het leverancierscijfer dat bij die lancering hoorde. Dat verschil is de normale korting van leveranciers- naar onafhankelijke cijfers in deze categorie, geen bewijs van kwade trouw — maar het is de korting die je in gedachten moet toepassen op 1.068 totdat iemand het reproduceert.

De 39,6 tokens per seconde van Qwen3.8-Max zijn onafhankelijk gemeten en gaan gepaard met een rang: 183e van 186. Bij dat tempo kost een antwoord van 1.500 tokens alleen al ongeveer 38 seconden genereren, nog vóór prefill. Voor een achtergrondagent die terugrapporteert, is dat prima. Voor alles waarbij een mens naar de cursor kijkt, is dat op zichzelf al diskwalificerend, ongeacht de kwaliteit.

Dat is de breuklijn waarop deze vergelijking feitelijk berust. De snelheid van Mercury 3 is niet geverifieerd maar plausibel gezien de architectuur, en de prijs is echt laag. De snelheid van Qwen3.8-Max is geverifieerd en slecht, en de prijs is echt hoog. Geen van die feiten vertelt je welk model een beter antwoord schrijft, en voor de meeste teams is de vraag naar antwoordkwaliteit degene die ze nog niet kunnen beslechten.

Test drie: geef elk model de taak waarvoor het gevormd is

De twee modellen falen in tegengestelde richtingen, waardoor een zij-aan-zij-evaluatie informatiever is dan een enkele rangschikking.

Geef Qwen3.8-Max het lange, multimodale, hoogrisico-uiteinde. Een dossier van 400 pagina's, een schermopname van een kapotte checkoutflow, een grafiek die correct moet worden gelezen. Het is de enige van de twee die de invoer überhaupt kan accepteren, en het heeft een onafhankelijke score om verwachtingen tegen af te zetten. Houd rekening met de breedsprakigheid: met redeneren ingeschakeld worden outputtokens gefactureerd tegen $6 per miljoen, en het zullen er meer zijn dan je verwacht. De kloof bij het opvolgen van instructies is het eerste dat je moet testen — Qwens eigen gepubliceerde tabel noemde IFBench zijn zwakste cijfer, en het onafhankelijke kosten-per-taakcijfer is een direct gevolg van het feit dat het buiten de scope treedt.

Geef Mercury 3 het korte, tekst-only, latency-kritische uiteinde waar een fout antwoord goedkoop te betrappen is. Autocomplete, query-herschrijving, een eerste classificatie, een hint in een tutoringflow. Zet de inspanningsinstelling vast. Stel een retrybudget in. Behandel elke kwaliteitsclaim als een hypothese, want dat is het momenteel.

En geef geen van beide modellen een taak die afhankelijk is van de sterkte van het andere. Qwen3.8-Max kan niet snel worden gemaakt door vriendelijk te vragen; Mercury 3 kan geen pdf-pagina lezen. Kiezen tussen hen op basis van de geaggregeerde benchmarkpositie is de verkeerde variabele kiezen.

Waar OrcaRouter hierin staat, wat slechts aan één kant is

Qwen3.8-Max staat in onze catalogus als qwen/qwen3.8-max, tegen de lijstprijs van de provider met 0% markup doorberekend — dus als Alibaba het tarief wijzigt, is de wijziging hier dezelfde dag live in plaats van bij de volgende factureringscyclus. Het draait achter hetzelfde OpenAI-compatibele endpoint als alles wat we serveren, wat betekent dat een evaluatie een wijziging van de model-string is en een productietest een verkeerspercentage, geen migratie.

Mercury 3 staat niet in onze catalogus. Onze model-API retourneert voor geen enkel Inception-model iets, dus de route ernaartoe loopt via het eigen platform van Inception, dat nieuwe accounts 100 miljoen gratis tokens geeft. Wij routeren de Q​wen-kant en wij routeren de Mercury-kant niet, en de asymmetrie in hoe je elk ervan bereikt, volgt daaruit en niet uit een voorkeur.

Het praktische nut van de routeringslaag is dat de evaluatie blind en goedkoop kan zijn. Stuur één deel van het verkeer naar qwen/qwen3.8-max, houd het huidige model op een ander deel, en vergelijk de kosten per voltooide taak in plaats van de kosten per token — die, zoals de cijfers hierboven laten zien, niet dezelfde maatstaf zijn en tegengestelde kanten op kunnen wijzen. Automatische failover tussen providers betekent dat een slechte week bij één endpoint een routeringsbeslissing wordt in plaats van een incident, en de routerings-DSL stelt je in staat de verdeling als regel aan te houden, zodat het stoppen van het experiment een configuratiewijziging is.

Wat zou uitsluitsel geven, en wat te doen tot die tijd?

Drie metingen zouden deze discussie beëindigen. Een Artificial Analysis-pagina voor Mercury 3, die beide modellen op één harness zou zetten en een leverancierszin door een getal zou vervangen. Een gepubliceerd voltooiingspercentage voor Mercury 3 op een coding- of agentic-benchmark, dat de tokenkorting zou omzetten in kosten per taak. En een Qwen3.8-Max-latentiemeting onder uw eigen concurrency, want 39,6 tokens per seconde is een indexcijfer, geen servicegarantie, en een model dat in een benchmark slechts traag is, kan onder belasting onbruikbaar zijn.

Totdat die bestaan, is de verdedigbare positie smaller dan beide lanceringsberichten suggereren. Qwen3.8-Max is een afgewogen, multimodaal, traag en duur model waarvan je de kosten met vertrouwen kunt berekenen en dat je niet zal verrassen qua invoerformaten. Mercury 3 is een goedkoop, snel model voor alleen tekst waarvan de kwaliteit onbekend is en waarvan het snelheidscijfer niet is gereproduceerd. Koop Qwen3.8-Max voor werk dat je niet leest voordat het wordt opgeleverd. Probeer Mercury 3 voor werk waarbij iemand wacht en een nieuwe poging gratis is — en zet de effort-instelling vast, anders vergelijk je jouw run met lage inspanning met die van iemand anders met hoge inspanning.