Mercury 3 kontra Qwen3.8-Max: Tani token i droga odpowiedź

Qwen3.8-Max i Mercury 3 to dwa bieguny sporu o ceny, który większość porównań modeli rozumie na opak. W cenniku Mercury 3 kosztuje 0,10 USD za milion tokenów wejściowych i 0,35 USD za milion tokenów wyjściowych w okresie startowym, wobec 2,00 USD i 6,00 USD dla Qwen3.8-Max. Wygląda to na siedemnastokrotną zniżkę na generowaniu. Potem Artificial Analysis mierzy, ile każdy model faktycznie wydaje na ukończenie zadania, i Qwen3.8-Max wypada na 5,41 USD za jedną ocenę Intelligence Index, mimo że jego cena za token jest umiarkowana — ponieważ wygenerował 190 mln tokenów, by to osiągnąć, wobec mediany 85 mln. Mercury 3, wydany przez Inception Labs 19 października 2026 r., nie ma żadnego równoważnego pomiaru. Udokumentowane awarie AI i incydenty z agentami stojące za takimi premierami jak ta są zebrane w Archiwum Incydentów AI OrcaRouter, gdzie każdy wpis zawiera własne źródła, ocenę dotkliwości, stopień pewności i oznaczenie sporności.

Użyteczne pytanie nie brzmi więc: który model jest tańszy za token. Brzmi: który jest tańszy w przeliczeniu na ukończone zadanie — i na to nie odpowiada strona prezentacji żadnego z dostawców. Oto, co faktycznie potwierdzają dowody, a co musisz zmierzyć sam.

Czym jest Qwen3.8-Max w wersji, którą faktycznie byś nazwał

Qwen3.8-Max to flagowy model Alibaby: rzadki model mieszaniny ekspertów (MoE) o łącznej liczbie 2,4 biliona parametrów i 95 miliardach aktywnych na token, natywnie multimodalny — tekst, obrazy i wideo na wejściu, tekst na wyjściu — z kontekstem 1 mln tokenów w hostowanym API i limitem wyjścia 131 072 tokenów. Jest ogólnie dostępny od 3 sierpnia 2026 r., a niezależny dorobek nie jest już skąpy.

Indeks inteligencji — 45 w Artificial Analysis Index v4.3.2, 33. miejsce spośród 217 modeli w bieżącym zrzucie strony.

• Szybkość generowania — 39,6 tokena na sekundę, 183. miejsce na 186. Własne podsumowanie strony określa ją jako „wyraźnie wolną”.

• Koszt na zadanie indeksowania — 5,41 USD, w najdroższym kwartylu modeli, które wymienia.

• Gadatliwość — 190 mln tokenów wyjściowych w całym przebiegu indeksowania, określana jako „bardzo gadatliwa” na tle mediany wynoszącej 85 mln.

Kontekst — zmierzony na poziomie 984k w punkcie końcowym, co stanowi praktyczny pułap reklamowanego miliona, a nie odmienną specyfikację.

Ta kombinacja jest wewnętrznie spójna i warta wyrażenia wprost: Qwen3.8-Max to model o silnym rozumowaniu, wolny i gadatliwy. Jest dobry w tym, do czego został wyceniony, i drogi na marginesie, ponieważ wykonanie tego zajmuje mu wiele kroków. 5,41 USD za zadanie nie jest błędem cenowym. To zachowanie modelu widoczne na rachunku.

Uwaga dotycząca wersji, bo odbije się to każdemu, kto porównuje strony. Powyższe niezależne pomiary odnoszą się do migawki z 2 września, oznaczonej jako „Qwen3.8 Max (0902)”. Alibaba udostępnia również niedatowany endpoint qwen/qwen3.8-max w tej samej cenie 2/6 USD, ze stawką 0,25 USD za wejście z pamięci podręcznej; oba są dostępne w naszym katalogu, a przypięcie datowanej migawki to właściwe posunięcie w przypadku wszystkiego, co zamierzasz odtworzyć.

Co Mercury 3 Ci daje, a co przed Tobą ukrywa

Model Inception to dyfuzyjny model językowy, który generuje tokeny równolegle, a każda liczba w poście premierowym dotyczy szybkości, rozmiaru lub ceny, a nie jakości.

• Przepustowość — 1,068 tokenów na sekundę, przypisana „NVIDIA GPUs” bez wskazania sprzętu, bez rozmiaru partii i bez stwierdzenia, które z czterech ustawień nakładu rozumowania ją wygenerowało.

• Kontekst — 1 mln tokenów, zwiększony z 260 tys. w Mercury 2.5, z limitem wyjściowym 131 072 tokenów.

• Cena — 0,20 USD za wejście i 0,70 USD za wyjście za milion według cennika, obniżona o połowę do 0,10 USD i 0,35 USD w okresie startowym. Wejście z pamięci podręcznej kosztuje 0,02 USD według cennika, 0,01 USD w okresie startowym.

• Wysiłek — cztery ustawienia: natychmiastowe, niskie, średnie, wysokie. Domyślnie jest to niskie, podczas gdy Mercury 2.5 i Mercury 2 domyślnie ustawione były na średnie.

• Modalności — tekst na wejściu, tekst na wyjściu. Brak wizji, brak audio.

• Jakość — brak liczbowego benchmarku. Twierdzenie głosi, że „przewyższa GPT-6 Luna i Claude Haiku 5.5”, bez podania przewagi i bez wskazania benchmarku. Jedynym ustrukturyzowanym wynikiem jest 50% ukończenia na 50 rzeczywistych zadaniach nawigacyjnych Mind2Web we własnym środowisku testowym Inception.

To domyślne ustawienie wysiłku jest szczegółem, który najprawdopodobniej zafałszuje porównanie. Model odpowiadający przy niskim wysiłku będzie szybszy i uzyska niższy wynik niż ten sam model przy wysokim, a własne porównania Inception nie mówią, którego ustawienia użyto. Jeśli prowadzisz benchmark Mercury 3 bez ustalenia wartości tego parametru, twoje wyniki nie są porównywalne z wynikami kogokolwiek innego — w tym z wynikami Inception.

Test pierwszy: koszt na ukończone zadanie, a nie na token

Weźmy agenta do triażu zgłoszeń wsparcia, który przetwarza 2 miliony tokenów wejściowych i 300 000 tokenów wyjściowych dziennie. W Mercury 3 według cennika to $0.40 za wejście i $0.21 za wyjście, czyli $0.61 dziennie. W Qwen3.8-Max przy $2/$6 to $4.00 i $1.80, czyli $5.80 dziennie. To mniej więcej dziesięciokrotna różnica, a przy cenniku startowym koszt po stronie Mercury spada do około $0.31.

Teraz poprawka, która ma znaczenie. Te liczby zakładają jedno przejście na zadanie. Zmierzone 64 kroki Qwen3.8-Max na zadanie GDPval-AA, wobec 14 w przypadku poprzednika, to dokładnie ten mechanizm, który zamienia stawkę 6 USD za tokeny wyjściowe w 5,41 USD na ocenę. Jeśli Mercury 3 potrzebuje dwóch prób tam, gdzie Qwen potrzebuje jednej, efektywny koszt Mercury'ego się podwaja i część różnicy znika. Jeśli Mercury potrzebuje czterech prób, znika większość różnicy. Porównanie kosztów jest zatem pochodną kwestii wskaźnika ukończenia, której nikt nie zmierzył, dlatego tabela stawek za tokeny jest najmniej użyteczną rzeczą na stronie któregokolwiek z dostawców.

Po stronie wejścia jest pewien mechanizm, o którym warto wiedzieć. Qwen3.8-Max pobiera 0,25 USD za milion buforowanych tokenów wejściowych; Mercury 3 pobiera 0,02 USD, czyli 0,01 USD w okresie startowym. Agenci ponownie wysyłają ten sam prompt systemowy i definicje narzędzi na każdym kroku, więc preambuła o długości 20 000 tokenów kosztuje 0,0004 USD na wywołanie przy buforowanej stawce Mercury'ego wobec 0,005 USD u Qwena. W przypadku pięćdziesięciokrokowego przebiegu to dwa centy kontra dwadzieścia pięć. Podana cena żadnego z modeli tego nie odzwierciedla, a w przypadku obciążeń agentowych to liczba, która decyduje o budżecie.

Test drugi: ile kosztuje wolny model, gdy człowiek czeka

Szybkość to dziedzina, w której te dwa modele w ogóle nie należą do tej samej kategorii, i warto doprecyzować, co oznacza każdy z pomiarów.

Mercury 1 068 tokenów na sekundę to liczba podana przez dostawcę, której nikt niezależnie nie odtworzył. To, co mamy od Artificial Analysis, dotyczy poprzedniej generacji: Mercury 2.5 zmierzono na poziomie około 706 tokenów na sekundę w ramach własnego stanowiska testowego, co jest niższe niż liczba podana przez dostawcę przy tej premierze. Ta różnica to normalny rabat między danymi dostawcy a niezależnymi pomiarami w tej kategorii, a nie dowód złej wiary — ale to właśnie ten rabat należy w myślach zastosować do 1 068, dopóki ktoś tego nie odtworzy.

Wynik Qwen3.8-Max wynoszący 39,6 tokena na sekundę jest niezależnie zmierzony i wiąże się z miejscem w rankingu: 183. na 186. Przy takim tempie odpowiedź o długości 1500 tokenów zajmuje około 38 sekund samego generowania, nie licząc prefillu. W przypadku agenta działającego w tle, który raportuje wyniki, to jest w porządku. W każdym zastosowaniu, w którym człowiek patrzy na kursor, samo w sobie jest to dyskwalifikujące, niezależnie od jakości.

To jest linia uskoku, na której faktycznie opiera się to porównanie. Szybkość Mercury 3 jest niezweryfikowana, ale wiarygodna ze względu na architekturę, a jej cena jest naprawdę niska. Szybkość Qwen3.8-Max jest zweryfikowana i słaba, a jego cena jest naprawdę wysoka. Żaden z tych faktów nie mówi, który model pisze lepszą odpowiedź, a dla większości zespołów kwestia jakości odpowiedzi jest tą, której nie potrafią jeszcze rozstrzygnąć.

Test trzeci: przydziel każdemu modelowi zadanie, do którego jest stworzony

Dwa modele zawodzą w przeciwnych kierunkach, co sprawia, że ocena porównawcza obok siebie jest bardziej pouczająca niż pojedynczy ranking.

Przydziel Qwen3.8-Max długie, multimodalne zadanie wysokiego ryzyka. 400-stronicowy dokument, nagranie ekranu z zepsutym procesem płatności, wykres, który trzeba poprawnie odczytać. To jedyny z dwóch, który w ogóle może przyjąć takie dane wejściowe, i ma niezależny wynik, względem którego można ustawić oczekiwania. Zaplanuj budżet na gadatliwość: przy włączonym rozumowaniu tokeny wyjściowe są rozliczane po 6 USD za milion i będzie ich więcej, niż się spodziewasz. Lukę w przestrzeganiu instrukcji trzeba przetestować najpierw — własna opublikowana tabela Qwena wskazywała IFBench jako jego najsłabszy wynik, a niezależny wskaźnik kosztu na zadanie jest bezpośrednią konsekwencją przekroczenia zakresu.

Wyznacz Mercury 3 do krótkich, wyłącznie tekstowych zadań krytycznych pod względem opóźnienia, w których błędną odpowiedź łatwo wychwycić. Autouzupełnianie, przepisywanie zapytań, klasyfikacja wstępna, podpowiedź w scenariuszu korepetycji. Zablokuj ustawienie poziomu wysiłku. Ustaw budżet ponownych prób. Traktuj każde twierdzenie o jakości jako hipotezę, bo tym właśnie obecnie jest.

I nie przydzielaj żadnemu z modeli zadania, które zależy od mocnej strony drugiego. Qwen3.8-Max nie da się przyspieszyć uprzejmą prośbą; Mercury 3 nie potrafi odczytać strony PDF. Wybór między nimi na podstawie pozycji w zagregowanym rankingu benchmarków to wybór niewłaściwej zmiennej.

Gdzie w tym plasuje się OrcaRouter, który znajduje się tylko po jednej stronie

Qwen3.8-Max jest w naszym katalogu jako qwen/qwen3.8-max, w cenie katalogowej dostawcy z 0% narzutu przekazywanego dalej — więc jeśli Al​ibaba zmieni stawkę, zmiana obowiązuje tutaj tego samego dnia, a nie dopiero w kolejnym cyklu rozliczeniowym. Działa za tym samym punktem końcowym zgodnym z OpenAI, co wszystko inne, co udostępniamy, co oznacza, że ewaluacja to zmiana identyfikatora modelu, a próba produkcyjna to procent ruchu, a nie migracja.

Mercury 3 nie znajduje się w naszym katalogu. Nasze API modeli nic nie zwraca dla żadnego modelu Inception, więc droga do niego prowadzi przez własną platformę Inception, która nowym kontom daje 100 milionów darmowych tokenów. Obsługujemy routing po stronie Qwen, a nie po stronie Mercury, a asymetria w sposobie dotarcia do każdego z nich wynika z tego, a nie z preferencji.

Praktyczne zastosowanie warstwy routingu polega na tym, że ocena może być ślepa i tania. Wyślij jedną część ruchu do qwen/qwen3.8-max, a dotychczasowe rozwiązanie pozostaw na innej i porównuj koszt na ukończone zadanie, a nie koszt na token — które, jak pokazują powyższe liczby, nie są tym samym pomiarem i mogą wskazywać przeciwne kierunki. Automatyczne przełączanie awaryjne między dostawcami oznacza, że zły tydzień na jednym punkcie końcowym staje się decyzją dotyczącą routingu, a nie incydentem, a DSL routingu pozwala utrzymać podział jako regułę, dzięki czemu zamknięcie eksperymentu jest zmianą konfiguracji.

Co by to rozstrzygnęło i co robić do tego czasu

Trzy pomiary zakończyłyby ten spór. Strona Artificial Analysis dla Mercury 3, która umieściłaby oba modele w jednym środowisku testowym i zastąpiła zdanie dostawcy liczbą. Opublikowany wskaźnik ukończenia dla Mercury 3 w benchmarku kodowania lub zadań agentowych, który przełożyłby zniżkę na tokeny na koszt na zadanie. Oraz pomiar opóźnienia Qwen3.8-Max przy własnym poziomie współbieżności, ponieważ 39,6 tokena na sekundę to wartość wskaźnikowa, a nie gwarancja obsługi, a model, który jest jedynie wolny w benchmarku, może być bezużyteczny pod obciążeniem.

Dopóki ich nie ma, stanowisko, którego można bronić, jest węższe, niż sugeruje którykolwiek z postów premierowych. Qwen3.8-Max to wyważony, multimodalny, wolny i drogi model, którego cenę możesz podać z przekonaniem i który nie zaskoczy cię formatami wejściowymi. Mercury 3 to tani, szybki model wyłącznie tekstowy, którego jakość jest nieznana, a podany wynik szybkości nie został odtworzony. Kupuj Qwen3.8-Max do pracy, której nie przeczytasz przed wysłaniem. Wypróbuj Mercury 3 do pracy, w której ktoś czeka, a ponowna próba jest darmowa — i przypnij ustawienie poziomu wysiłku, bo inaczej porównasz swoje uruchomienie z niskim wysiłkiem z czyimś wysokim.