Mercury 3 vs Qwen3.8-Max: Den billiga token och det dyra svaret

Qwen3.8-Max och Mercury 3 är de två polerna i en prisdiskussion som de flesta modelljämförelser har bakvänt. Enligt prislistan kostar Mercury 3 0,10 USD per miljon indatatoken och 0,35 USD per miljon utdatatoken under sitt lanseringsfönster, mot 2,00 respektive 6,00 USD för Qwen3.8-Max. Det ser ut som en sjuttonfaldig rabatt på genereringen. Sedan mäter Artificial Analysis vad varje modell faktiskt spenderar för att slutföra en uppgift, och Qwen3.8-Max landar på 5,41 USD per Intelligence Index-utvärdering samtidigt som dess pris per token är måttligt – eftersom den genererade 190 miljoner token för att komma dit, mot ett medianvärde på 85 miljoner. Mercury 3, som släpptes av Inception Labs den 19 oktober 2026, har ingen motsvarande mätning alls. De dokumenterade AI-felen och agentincidenterna bakom lanseringar som den här samlas i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omstridd status.

Så den användbara frågan är inte vilken modell som är billigare per token. Det är vilken som är billigare per slutfört jobb, och ingen av leverantörernas lanseringssidor svarar på det. Här är vad bevisen faktiskt stöder, och vad du själv måste mäta.

Vad Qwen3.8-Max är, i den version du faktiskt skulle kalla den

Qwen3.8-Max är Alibabas flaggskepp: en sparse mixture-of-experts-modell med 2,4 biljoner parametrar totalt och 95 miljarder aktiva per token, inbyggt multimodalt – text, bilder och video in, text ut – med en kontext på 1M token i det hostade API:et och ett tak för utdata på 131 072 token. Den har varit allmänt tillgänglig sedan 3 augusti 2026, och det oberoende underlaget är inte längre tunt.

• Intelligence Index — 45 på Artificial Analysis Index v4.3.2, rankad 33:a av 217 modeller i sidans aktuella ögonblicksbild.

Utdatningshastighet – 39,6 tokens per sekund, rankad 183:a av 186. Sidans egen sammanfattning kallar den ”anmärkningsvärt långsam”.

• Kostnad per indextask — 5,41 USD, i den dyraste kvartilen bland de modeller den listar.

• Verbositet — 190M utdatatoken under indexkörningen, beskrivet som "mycket verbost" mot en median på 85M.

• Kontext — uppmätt till 984k på slutpunkten, vilket är det praktiska taket för den annonserade miljonen snarare än en annan specifikation.

Den kombinationen är internt konsekvent och värd att säga rakt ut: Qwen3.8-Max är en starkt resonerande, långsam och pratsam modell. Den är bra på det den är prissatt för att göra och dyr i marginalen eftersom den tar många steg för att göra det. $5.41 per uppgift är inte ett prissättningsfel. Det är modellens beteende som syns på fakturan.

En kommentar om versioner, eftersom det kommer att ställa till problem för alla som jämför sidor. De oberoende mätningarna ovan avser ögonblicksbilden från 2 september, listad som "Qwen3.8 Max (0902)". Alibaba tillhandahåller också en odaterad qwen/qwen3.8-max-endpoint till samma $2/$6 med en cachad indatakostnad på $0.25; båda finns i vår katalog, och att pinna den daterade ögonblicksbilden är rätt val för allt du tänker reproducera.

Vad Mercury 3 ger dig, och vad det undanhåller

Inceptions modell är en diffusionsspråkmodell som genererar tokens parallellt, och varje siffra i lanseringsinlägget handlar om hastighet, storlek eller pris snarare än kvalitet.

• Genomströmning – 1 068 tokens per sekund, tillskriven "NVIDIA GPUs" utan att någon hårdvara namnges, ingen batchstorlek och ingen uppgift om vilken av de fyra inställningarna för resonemangsansträngning som gav den.

• Kontext — 1M tokens, upp från 260K på Mercury 2.5, med ett utdatatak på 131 072 tokens.

• Pris — $0.20 för input och $0.70 för output per miljon enligt listpris, halverat till $0.10 och $0.35 under lanseringsfönstret. Cachad input kostar $0.02 enligt listpris, $0.01 under fönstret.

• Ansträngning — fyra inställningar: direkt, låg, medel, hög. Standard är låg, där Mercury 2.5 och Mercury 2 hade medel som standard.

• Modaliteter – text in, text ut. Ingen bild, inget ljud.

• Kvalitet – inget numeriskt riktmärke. Påståendet är att det "överträffar GPT-6 Luna och Claude Haiku 5.5", utan marginal och utan att något riktmärke namnges. Det enda strukturerade resultatet är 50 % slutförande på 50 live-navigeringsuppgifter i Mind2Web i Inceptions egen testmiljö.

Den standardinställda ansträngningsnivån är detaljen som mest sannolikt förgiftar en jämförelse. En modell som svarar med låg ansträngning går snabbare och får lägre poäng än samma modell med hög, och Inceptions egna jämförelser anger inte vilken inställning de använde. Om du benchmarkar Mercury 3 utan att låsa parametern är dina siffror inte jämförbara med någon annans – inklusive Inceptions.

Test ett: kostnad per slutfört jobb, inte per token

Ta en supporttriageagent som bearbetar 2 miljoner indatatokens och 300 000 utdatatokens per dag. På Mercury 3 enligt listpris är det $0,40 för indata och $0,21 för utdata, eller $0,61 per dag. På Qwen3.8-Max till $2/$6 är det $4,00 och $1,80, eller $5,80 per dag. Ungefär en tiofaldig skillnad, och vid lanseringspriset sjunker Mercurys sida till omkring $0,31.

Now the correction that matters. Those figures assume one pass per task. Qwen3.8-Max's measured 64 steps per GDPval-AA task, against 14 for its predecessor, is the exact mechanism that turns a $6 output rate into $5.41 per evaluation. If Mercury 3 needs two attempts where Q​wen needs one, Mercury's effective cost doubles and some of the gap closes. If Mercury needs four attempts, most of it does. The cost comparison is therefore downstream of a completion-rate question that nobody has measured, which is why the token-rate table is the least useful thing on either vendor's page.

For the input side there is a lever worth knowing about. Qwen3.8-Max charges $0.25 per million cached input tokens; Mercury 3 charges $0.02, or $0.01 during launch. Agents resend the same system prompt and tool definitions on every step, so a 20,000-token preamble costs $0.0004 per call at Mercury's cached rate against $0.005 at Q​wen's. On a fifty-step run that is two cents versus twenty-five. Neither model's headline price reflects that, and for agent workloads it is the number that decides the budget.

Test två: vad en långsam modell kostar när en person väntar

Snabbhet är där de två modellerna inte alls är i samma kategori, och det är värt att vara precis om vad varje mätning betyder.

Mercurys 1 068 token per sekund är en leverantörssiffra utan oberoende reproduktion. Det vi däremot har från Artificial Analysis är den föregående generationen: Mercury 2.5 uppmättes till ungefär 706 token per sekund i deras egen testmiljö, vilket är lägre än den leverantörssiffra som åtföljde lanseringen. Den skillnaden är den normala rabatten mellan leverantör och oberoende mätning i den här kategorin, inte ett tecken på ond tro – men det är den rabatt man bör tillämpa mentalt på 1 068 tills någon reproducerar den.

Qwen3.8-Max:s 39,6 token per sekund är oberoende uppmätt och kommer med en placering: 183:e av 186. I den takten tar ett svar på 1 500 token cirka 38 sekunder enbart för genereringen, innan prefill. För en bakgrundsagent som rapporterar tillbaka är det okej. För allt där en människa sitter och tittar på markören är det diskvalificerande i sig, oavsett kvaliteten.

Det är den skiljelinje som den här jämförelsen faktiskt vilar på. Mercury 3:s hastighet är overifierad men rimlig med tanke på arkitekturen, och priset är verkligen lågt. Qwen3.8-Max:s hastighet är verifierad och dålig, och priset är verkligen högt. Ingen av dessa fakta säger vilken modell som skriver ett bättre svar, och för de flesta team är frågan om svarskvalitet den de ännu inte kan avgöra.

Test tre: ge varje modell det jobb som den är utformad för

De två modellerna misslyckas åt motsatta håll, vilket gör en utvärdering sida vid sida mer informativ än en enda rangordning.

Give Qwen3.8-Max the long, multimodal, high-stakes end. A 400-page filing, a screen recording of a broken checkout flow, a chart that has to be read correctly. It is the only one of the two that can accept the input at all, and it has an independent score to set expectations against. Budget for the verbosity: with reasoning on, output tokens are billed at $6 per million and there will be more of them than you expect. The instruction-following gap is the thing to test first — Q​wen's own published table put IFBench as its weakest number, and the independent cost-per-task figure is a direct consequence of it exceeding scope.

Ge Mercury 3 den korta, enbart textbaserade, latenskritiska änden där ett felaktigt svar är billigt att upptäcka. Autocomplete, frågeomskrivning, en förstapassklassificering, en ledtråd i ett handledningsflöde. Lås effort-inställningen. Sätt en återförsöksbudget. Behandla varje kvalitetsanspråk som en hypotes, eftersom det är vad det för närvarande är.

Och ge inte någon av modellerna ett jobb som beror på den andras styrka. Qwen3.8-Max kan inte göras snabb genom att man ber snällt; Mercury 3 kan inte läsa en PDF-sida. Att välja mellan dem utifrån sammanlagd benchmarkposition är att välja fel variabel.

Var OrcaRouter befinner sig i detta, vilket bara är på ena sidan

Qwen3.8-Max finns i vår katalog som qwen/qwen3.8-max, till leverantörens listpris med 0 % påslag som förs vidare — så om Alibaba ändrar taxan gäller ändringen här samma dag i stället för vid nästa faktureringscykel. Den ligger bakom samma OpenAI-kompatibla endpoint som allt annat vi tillhandahåller, vilket innebär att en utvärdering är en ändring av modellsträngen och ett produktionstest är en trafikprocent, inte en migrering.

Mercury 3 is not on our catalogue. Our model API returns nothing for any Inception model, so the route to it is Inception's own platform, which hands new accounts 100 million free tokens. We route the Q​wen side and we do not route the Mercury side, and the asymmetry in how you reach each one follows from that rather than from a preference.

Den praktiska nyttan med routningslagret är att utvärderingen kan vara blind och billig. Skicka en del av trafiken till qwen/qwen3.8-max, behåll den nuvarande på en annan och jämför kostnad per slutförd uppgift i stället för kostnad per token – vilket, som siffrorna ovan visar, inte är samma mätning och kan peka i motsatta riktningar. Automatisk failover mellan leverantörer innebär att en dålig vecka vid en endpoint blir ett routningsbeslut i stället för en incident, och routnings-DSL låter dig behålla uppdelningen som en regel så att avslutningen av experimentet blir en konfigurationsändring.

Vad som skulle avgöra saken, och vad man ska göra tills dess

Tre mätningar skulle avgöra den här diskussionen. En Artificial Analysis-sida för Mercury 3, som skulle sätta båda modellerna i samma testramverk och ersätta en leverantörs mening med en siffra. En publicerad slutförandegrad för Mercury 3 på ett kod- eller agentbaserat riktmärke, som skulle omvandla tokenrabatten till en kostnad per jobb. Och en latensmätning för Qwen3.8-Max under din egen samtidighet, eftersom 39,6 token per sekund är en indexsiffra, inte en driftgaranti, och en modell som bara är långsam i ett riktmärke kan vara oanvändbar under belastning.

Tills de finns är den försvarbara positionen snävare än vad något av lanseringsinläggen antyder. Qwen3.8-Max är en avvägd, multimodal, långsam och dyr modell som du kan prissätta med säkerhet och som inte överraskar dig när det gäller indataformat. Mercury 3 är en billig, snabb textbaserad modell vars kvalitet är okänd och vars hastighetssiffra inte har reproducerats. Köp Qwen3.8-Max för arbete som du inte kommer att läsa innan det levereras. Prova Mercury 3 för arbete där en person väntar och ett nytt försök är gratis – och lås effort-inställningen, annars jämför du din körning med låg effort mot någon annans med hög.