Mercury 3 vs Qwen3.8-Max: O Token Barato e a Resposta Cara

Qwen3.8-Max e Mercury 3 são os dois polos de uma discussão sobre preços que a maioria das comparações de modelos interpreta ao contrário. Na tabela de preços, o Mercury 3 custa US$ 0,10 por milhão de tokens de entrada e US$ 0,35 por milhão de saída durante sua janela de lançamento, contra US$ 2,00 e US$ 6,00 do Qwen3.8-Max. Isso parece um desconto de dezessete vezes na geração. Então a Artificial Analysis mede quanto cada modelo realmente gasta para concluir uma tarefa, e o Qwen3.8-Max fica em US$ 5,41 por avaliação do Intelligence Index, embora seu preço por token seja moderado — porque gerou 190M de tokens para chegar lá, contra uma mediana de 85M. O Mercury 3, lançado pela Inception Labs em 19 de outubro de 2026, não tem nenhuma medição equivalente. As falhas de IA documentadas e os incidentes com agentes por trás de lançamentos como este estão reunidos em o OrcaRouter AI Incident Archive onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalizador de contestação.

Então, a pergunta útil não é qual modelo é mais barato por token. É qual deles é mais barato por trabalho concluído, e a página de lançamento de nenhum dos fornecedores responde a isso. Eis o que as evidências de fato sustentam, e o que você mesmo precisa medir.

O que é o Qwen3.8-Max, na versão que você realmente chamaria

Qwen3.8-Max é o carro-chefe da Alibaba: um modelo esparso de mistura de especialistas com 2,4 trilhões de parâmetros totais e 95 bilhões ativos por token, nativamente multimodal — texto, imagens e vídeo como entrada, texto como saída — com contexto de 1 milhão de tokens na API hospedada e teto de saída de 131.072 tokens. Está disponível para o público em geral desde 3 de agosto de 2026, e o histórico independente já não é escasso.

• Índice de Inteligência — 45 no Artificial Analysis Index v4.3.2, classificado em 33º de 217 modelos no snapshot atual da página.

• Velocidade de saída — 39,6 tokens por segundo, classificada em 183º lugar entre 186. O próprio resumo da página a descreve como "notavelmente lenta".

• Custo por tarefa de índice — US$ 5,41, no quartil mais caro dos modelos que ele lista.

• Verbosidade — 190 milhões de tokens de saída durante a execução do índice, descrita como "muito verbosa" em comparação com uma mediana de 85 milhões.

• Contexto — medido em 984k no endpoint, o que representa o limite prático do milhão anunciado, e não uma especificação diferente.

Essa combinação é coerente em si mesma e vale a pena afirmar sem rodeios: o Qwen3.8-Max é um modelo de raciocínio forte, lento e verboso. Ele é bom na tarefa para a qual foi precificado e caro na margem porque leva muitos passos para realizá-la. Os US$ 5,41 por tarefa não são um erro de precificação. É o comportamento do modelo aparecendo na conta.

Uma nota sobre versões, porque isso vai afetar qualquer pessoa que compare páginas. As medições independentes acima referem-se ao snapshot de 2 de setembro, listado como "Qwen3.8 Max (0902)". A Alibaba também disponibiliza um endpoint qwen/qwen3.8-max sem data, pelo mesmo $2/$6, com uma taxa de $0.25 para entrada em cache; ambos constam no nosso catálogo, e fixar o snapshot datado é a decisão certa para qualquer coisa que você pretenda reproduzir.

O que o Mercury 3 lhe oferece e o que ele retém

O modelo da Inception é um modelo de linguagem por difusão que gera tokens em paralelo, e todos os números no post de lançamento são sobre velocidade, tamanho ou preço, e não sobre qualidade.

• Vazão — 1.068 tokens por segundo, atribuída a "NVIDIA GPUs" sem nenhum hardware nomeado, sem tamanho de lote e sem indicação de qual das quatro configurações de esforço de raciocínio a produziu.

• Contexto — 1M de tokens, acima dos 260K do Mercury 2.5, com teto de saída de 131.072 tokens.

• Preço — $0.20 de entrada e $0.70 de saída por milhão no preço de tabela, reduzidos pela metade para $0.10 e $0.35 durante a janela de lançamento. A entrada em cache custa $0.02 no preço de tabela, $0.01 na janela.

• Esforço — quatro configurações: instantâneo, baixo, médio, alto. O padrão é baixo, enquanto Mercury 2.5 e Mercury 2 usavam médio como padrão.

• Modalidades — texto como entrada, texto como saída. Sem visão, sem áudio.

• Qualidade — nenhum benchmark numérico. A alegação é que ele "supera o GPT-6 Luna e o Claude Haiku 5.5", sem margem e sem benchmark nomeado. O único resultado estruturado é 50% de conclusão em 50 tarefas de navegação Mind2Web ao vivo, no próprio harness da Inception.

Essa configuração padrão de esforço é o detalhe com maior probabilidade de contaminar uma comparação. Um modelo respondendo com esforço baixo será mais rápido e terá pontuação menor do que o mesmo modelo com esforço alto, e as próprias comparações da Inception não dizem qual configuração usaram. Se você fizer benchmark do Mercury 3 sem fixar o parâmetro, seus números não serão comparáveis aos de ninguém — inclusive aos da Inception.

Teste um: custo por trabalho concluído, não por token

Considere um agente de triagem de suporte que processa 2 milhões de tokens de entrada e 300 mil tokens de saída por dia. No Mercury 3, pelo preço de tabela, isso é US$ 0,40 de entrada e US$ 0,21 de saída, ou US$ 0,61 por dia. No Qwen3.8-Max, a US$ 2/US$ 6, são US$ 4,00 e US$ 1,80, ou US$ 5,80 por dia. Uma diferença de cerca de dez vezes e, na tarifa de lançamento, o lado do Mercury cai para cerca de US$ 0,31.

Agora, a correção que importa. Esses números pressupõem uma passagem por tarefa. Os 64 passos medidos do Qwen3.8-Max por tarefa do GDPval-AA, contra 14 do seu antecessor, são exatamente o mecanismo que transforma uma taxa de saída de US$ 6 em US$ 5,41 por avaliação. Se o Mercury 3 precisar de duas tentativas onde o Qwen precisa de uma, o custo efetivo do Mercury dobra e parte da diferença diminui. Se o Mercury precisar de quatro tentativas, a maior parte dela diminui. A comparação de custos, portanto, depende de uma questão de taxa de conclusão que ninguém mediu, e é por isso que a tabela de taxas de tokens é a coisa menos útil na página de qualquer um dos fornecedores.

No lado da entrada, há um detalhe que vale a pena conhecer. O Qwen3.8-Max cobra US$ 0,25 por milhão de tokens de entrada em cache; o Mercury 3 cobra US$ 0,02, ou US$ 0,01 durante o lançamento. Agentes reenviam o mesmo prompt de sistema e as mesmas definições de ferramentas a cada etapa, então um preâmbulo de 20.000 tokens custa US$ 0,0004 por chamada na tarifa de cache da Mercury, contra US$ 0,005 na da Qwen. Em uma execução de cinquenta etapas, isso é dois centavos contra vinte e cinco. O preço de destaque de nenhum dos modelos reflete isso, e, para cargas de trabalho de agentes, é esse o número que decide o orçamento.

Teste dois: quanto custa um modelo lento quando uma pessoa está esperando

A velocidade é onde os dois modelos não estão nem de longe na mesma categoria, e vale a pena ser preciso sobre o que cada medição significa.

Os 1.068 tokens por segundo do Mercury são um número do fornecedor sem reprodução independente. O que temos da Artificial Analysis é a geração anterior: o Mercury 2.5 medido em cerca de 706 tokens por segundo sob seu próprio harness, o que é inferior ao número do fornecedor que acompanhou aquele lançamento. Essa diferença é o desconto normal entre fornecedor e independente nessa categoria, não evidência de má-fé — mas é o desconto a aplicar mentalmente aos 1.068 até que alguém o reproduza.

Os 39,6 tokens por segundo do Qwen3.8-Max são medidos de forma independente e vêm com uma classificação: 183º de 186. Nesse ritmo, uma resposta de 1.500 tokens leva cerca de 38 segundos só de geração, antes do prefill. Para um agente em segundo plano que reporta de volta, isso é aceitável. Para qualquer coisa em que um humano fique olhando o cursor, isso é desqualificador por si só, independentemente da qualidade.

É nessa linha de falha que esta comparação realmente se apoia. A velocidade do Mercury 3 não é verificada, mas é plausível dada a arquitetura, e seu preço é genuinamente baixo. A velocidade do Qwen3.8-Max é verificada e ruim, e seu preço é genuinamente alto. Nenhum desses fatos diz qual modelo escreve uma resposta melhor, e, para a maioria das equipes, a questão da qualidade da resposta é a que elas ainda não conseguem resolver.

Teste três: dê a cada modelo o trabalho para o qual ele foi moldado

Os dois modelos falham em direções opostas, o que torna uma avaliação lado a lado mais informativa do que um único ranking.

Dê ao Qwen3.8-Max o extremo longo, multimodal e de alto risco. Uma petição de 400 páginas, uma gravação de tela de um fluxo de checkout quebrado, um gráfico que precisa ser lido corretamente. É o único dos dois que consegue aceitar a entrada, e tem uma pontuação independente para servir de referência às expectativas. Reserve orçamento para a verbosidade: com o raciocínio ativado, os tokens de saída são cobrados a US$ 6 por milhão e haverá mais deles do que você espera. A lacuna de seguimento de instruções é o que testar primeiro — a própria tabela publicada da Qwen colocou o IFBench como seu número mais fraco, e o valor independente de custo por tarefa é consequência direta de ele exceder o escopo.

Atribua ao Mercury 3 o extremo curto, somente texto e crítico para latência, onde uma resposta errada é barata de detectar. Autocomplete, reescrita de consultas, uma classificação de primeira passagem, uma dica em um fluxo de tutoria. Fixe a configuração de esforço. Defina um orçamento de novas tentativas. Trate toda alegação de qualidade como uma hipótese, porque é isso que ela atualmente é.

E não dê a nenhum dos modelos uma tarefa que dependa do ponto forte do outro. O Qwen3.8-Max não pode ser tornado rápido apenas pedindo com educação; o Mercury 3 não consegue ler uma página de PDF. Escolher entre eles com base na posição agregada em benchmarks é escolher a variável errada.

Onde o OrcaRouter se encaixa nisto, que fica apenas de um lado

Qwen3.8-Max está no nosso catálogo como qwen/qwen3.8-max, ao preço de tabela do fornecedor, com 0% de margem repassado — portanto, se a Alibaba alterar a tarifa, a mudança fica ativa aqui no mesmo dia, e não no próximo ciclo de faturação. Está por trás do mesmo endpoint compatível com OpenAI que tudo o resto que servimos, o que significa que uma avaliação é uma alteração de string de modelo e um teste em produção é uma percentagem de tráfego, não uma migração.

O Mercury 3 não está no nosso catálogo. Nossa API de modelos não retorna nada para nenhum modelo da Inception, então a rota até ele é a própria plataforma da Inception, que concede 100 milhões de tokens grátis a novas contas. Nós roteamos o lado do Qwen e não roteamos o lado do Mercury, e a assimetria na forma como você chega a cada um decorre disso, e não de uma preferência.

O uso prático da camada de roteamento é que a avaliação pode ser cega e barata. Envie uma fração do tráfego para qwen/qwen3.8-max, mantenha o incumbente em outra e compare o custo por tarefa concluída em vez do custo por token — que, como mostram os números acima, não são a mesma medida e podem apontar em direções opostas. O failover automático entre provedores significa que uma semana ruim em um endpoint se torna uma decisão de roteamento, e não um incidente, e a DSL de roteamento permite manter a divisão como uma regra, de modo que encerrar o experimento seja uma mudança de configuração.

O que resolveria a questão, e o que fazer até lá

Três medições encerrariam esta discussão. Uma página do Artificial Analysis para o Mercury 3, que colocaria os dois modelos na mesma estrutura de avaliação e substituiria uma frase de fornecedor por um número. Uma taxa de conclusão publicada para o Mercury 3 em um benchmark de programação ou agêntico, que converteria o desconto por token em um custo por tarefa. E uma medição de latência do Qwen3.8-Max sob a sua própria concorrência, porque 39,6 tokens por segundo é um número de referência, não uma garantia de serving, e um modelo que é apenas lento em um benchmark pode ser inutilizável sob carga.

Até que eles existam, a posição defensável é mais estreita do que qualquer um dos posts de lançamento sugere. O Qwen3.8-Max é um modelo ponderado, multimodal, lento e caro, cujo preço você pode estimar com confiança e que não vai te surpreender com formatos de entrada. O Mercury 3 é um modelo barato, rápido e somente de texto, cuja qualidade é desconhecida e cujo número de velocidade não foi reproduzido. Compre o Qwen3.8-Max para trabalhos que você não lerá antes de serem entregues. Experimente o Mercury 3 para trabalhos em que uma pessoa está esperando e uma nova tentativa é gratuita — e fixe a configuração de esforço, ou você estará comparando sua execução de baixo esforço com a de alto esforço de outra pessoa.