Mercury 3 vs Claude Opus 5.5: Token đầu ra rẻ hơn 57 lần không đồng nghĩa với một câu trả lời rẻ hơn

Mercury 3 có giá $0.35 mỗi triệu token đầu ra trong tuần này. Claude Opus 5.5 có giá $20.00. Nhân một hàng đợi hỗ trợ với hai con số đó và khoảng cách trông như một lỗi trong một trong các bảng giá — gấp 57 lần, ở giá ra mắt, hoặc gấp 28,6 lần khi chương trình giảm giá 50% của Inception kết thúc và Mercury 3 quay lại mức $0.70. Câu hỏi quyết định sự so sánh không phải là con số nào nhỏ hơn. Mà là bạn phải thực hiện bao nhiêu cuộc gọi Mercury 3 để có được câu trả lời mà Opus 5.5 lẽ ra đã làm đúng ngay lần đầu, bởi vì mỗi lần thử lại, mỗi lần leo thang và mỗi lần con người xem xét đều được tính theo mức giá của nhân sự hoặc của cuộc gọi thứ hai, chứ không phải theo mức giá của token. Các lỗi AI và sự cố agent được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong the OrcaRouter AI Incident Archive trong đó mỗi mục có nguồn riêng, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp.

Cách đóng khung đó quan trọng vì hai mô hình này không phải là đối thủ theo nghĩa thông thường. Claude Opus 5.5, được Anthropic phát hành vào ngày 22 tháng 9 năm 2026, là một mô hình suy luận tiên phong với giá 4 USD mỗi triệu token đầu vào và 20 USD mỗi triệu token đầu ra, được xây dựng cho lập trình agentic dài hạn và công việc tri thức, với tư duy thích ứng, đầu vào hình ảnh và tệp, ngữ cảnh 1 triệu token và giới hạn đầu ra 128K. Mercury 3, được Inception Labs phát hành vào ngày 19 tháng 10 năm 2026, là một mô hình ngôn ngữ khuếch tán được xây dựng để đạt tốc độ: 1.068 token mỗi giây trên phần cứng NVIDIA theo đo lường của chính Inception, ngữ cảnh 1 triệu token, đầu ra 131K, chỉ văn bản, và một tuyên bố về chất lượng nêu tên GPT-6 Luna và Claude Haiku 5.5 — phân khúc tốc độ — thay vì Opus. Việc so sánh chúng vẫn đáng làm, vì khoảng cách giá mời gọi đúng kiểu thay thế mà định vị không ủng hộ.

Các con số thực sự đến từ đâu

Mọi con số chất lượng của Opus 5.5 trong bài viết này đều là của Artificial Analysis, được đo trên bộ khung đánh giá riêng của họ: Chỉ số Intelligence Index đạt 57.6, Humanity's Last Exam đạt 61.4%, SciCode đạt 66.9%, Terminal-Bench 4.0 đạt 59.6% và khả năng ghi nhớ ngữ cảnh dài đạt 84.7%. Đây là những số liệu độc lập và được cập nhật tính đến tuần này.

Mọi con số về Mercury 3 đều là của Inception, được công bố hôm qua, chỉ trừ một ngoại lệ: phần so sánh thông lượng với thế hệ trước. Artificial Analysis đo Mercury 2.5 ở mức 705,9 token mỗi giây, còn Mercury 2 ở khoảng 684. Mercury 3 vẫn chưa có trang trên Artificial Analysis — danh mục mô hình vẫn chỉ dừng ở Mercury 2.5 — nên con số 1.068 tok/s và tuyên bố "vượt trội GPT-6 Luna và Claude Haiku 5.5" của nó là do nhà cung cấp tự báo cáo, chưa được kiểm chứng lại, và nên được hiểu đúng như vậy trong ít nhất một tuần nữa.

Sự bất đối xứng đó chính là toàn bộ phép so sánh được thu nhỏ lại. Một bên có điểm số được kiểm toán độc lập và bảng giá được công bố; bên kia có một bài đăng ra mắt, một ưu đãi giảm giá và một con số tốc độ rất lớn.

Từng thông số một, kèm theo bằng chứng đính kèm.

• Giá đầu ra — Mercury 3 $0.35 mỗi triệu khi ra mắt, $0.70 theo giá niêm yết, so với $20.00 của Opus 5.5. Tỷ lệ là 57 lần trong thời gian khuyến mãi và 28,6 lần sau đó.

• Giá đầu vào — Mercury 3 $0,10 khi ra mắt, $0,20 theo giá niêm yết, so với $4,00 của Opus 5.5. Cùng một kiểu, tỷ lệ hơi rộng hơn.

• Đầu vào được lưu trong bộ nhớ đệm — Mercury 3 $0.01 khi ra mắt, $0.02 theo giá niêm yết, so với $0.20 cho các lần đọc bộ nhớ đệm của Opus 5.5. Opus cũng tính $5.00 mỗi triệu để ghi vào bộ nhớ đệm 5 phút và $8.00 cho bộ nhớ đệm một giờ, điều mà bảng giá của Mercury không tách riêng.

Thông lượng — Mercury 3 đạt 1.068 tok/s theo Inception, chưa được tái lập; Opus 5.5 đạt 75,6 tok/s đầu ra theo đo lường trên lưu lượng playground của chính chúng tôi trong bảy ngày qua. Đó là khoảng cách gấp mười bốn lần theo hướng mà Inception tuyên bố, và lần này ít nhất được đo ở cả hai phía, dù bằng những harness khác nhau.

• Thời gian đến token đầu tiên — Mercury 3 là một mô hình diffusion tạo sinh song song, nên đầu ra hữu ích đầu tiên của nó đến sớm hơn so với mô hình tự hồi quy; Inception không công bố con số cho endpoint trò chuyện, và tuyên bố dưới 300ms trên trang chủ công ty của họ đề cập đến dòng sản phẩm chứ không riêng Mercury 3. Độ trễ end-to-end p50 của Opus 5.5 trên lưu lượng của chúng tôi là 4,4 giây, bao gồm cả thời gian suy nghĩ.

• Ngữ cảnh — cả hai đều 1M token. Giới hạn đầu ra có khác nhau: 131.072 đối với Mercury 3, 128.000 đối với Opus 5.5.

• Đầu vào — Opus 5.5 nhận văn bản, hình ảnh và tệp; Mercury 3 chỉ nhận văn bản. Đây không phải là một hạng mục phụ nhỏ. Bất kỳ tài liệu, ảnh chụp màn hình, sơ đồ hay PDF nào trong quy trình của bạn đều âm thầm khiến Mercury 3 bị loại.

• Kiểm soát suy luận — Mercury 3 cung cấp các mức nỗ lực tức thì, thấp, trung bình và cao, đồng thời mặc định ở mức thấp khi trường này bị bỏ qua. Opus 5.5 sử dụng tư duy thích ứng với bộ điều chỉnh mức nỗ lực riêng. Cả hai đều mặc định theo cách sẽ khiến bạn bất ngờ nếu bạn không đặt trường này một cách rõ ràng: Mercury 3 ở mức thấp, Opus ở mức mà chính sách thích ứng của Anthropic chọn cho yêu cầu.

• Bằng chứng — Opus 5.5 có điểm chỉ số độc lập và bảng đánh giá chuẩn của nhà cung cấp; Mercury 3 không có điểm số của bên thứ ba lẫn điểm số dạng số từ nhà cung cấp.

Kết quả agent duy nhất mà Inception đã công bố

Bị chôn vùi dưới những tuyên bố về thông lượng là phép đo chất lượng duy nhất của Mercury 3 với một tác vụ được định nghĩa: một bộ khung tác nhân web chạy trên 50 tác vụ điều hướng Mind2Web trực tiếp, trong đó Mercury 3 hoàn thành 50% và, Inception nói, “nhiều hơn đáng kể so với GPT-6.1-Sol”, sử dụng cùng khối lượng token và số bước tác nhân.

Hãy đọc kỹ điều đó. Mô hình so sánh là GPT-6.1 Sol, không phải Opus 5.5. Bộ khung kiểm thử là bộ khung sản xuất của chính Inception. Mẫu gồm 50 tác vụ. Và “cùng khối lượng token và cùng số bước tác nhân” là phần quan trọng đối với chi phí, vì điều đó có nghĩa là khoản tiết kiệm trên mỗi tác vụ thực sự là tỷ lệ trên mỗi token chứ không phải là hệ quả tạo tác của việc mô hình thực hiện ít bước hơn để đạt được kết quả. Tỷ lệ hoàn thành 50% trên điều hướng trang web trực tuyến là một kết quả đáng tin cậy đối với một mô hình nhanh; đó không phải là tuyên bố rằng Mercury 3 sẽ hoàn thành một tác vụ lập trình cấp Opus.

Đối với Opus 5.5, bằng chứng tương đương là Terminal-Bench 4.0 ở mức 59,6% trên harness của Artificial Analysis — một benchmark khác, một nhóm tác vụ khác và không thể so sánh trực tiếp. Phát biểu trung thực là chưa ai chạy cả hai mô hình trên cùng một benchmark agent và công bố kết quả. Cho đến khi có ai đó làm vậy, mọi tuyên bố về việc mô hình nào làm việc với agent tốt hơn đều chỉ là suy luận từ định vị.

Chi phí lưu lượng truy cập một tuần trên mỗi cái là bao nhiêu

Hãy lấy một khối lượng công việc hợp lý cho cả hai: 2 triệu token đầu vào và 500.000 token đầu ra mỗi ngày, đại khái là một trợ lý hỗ trợ hoặc nghiên cứu cỡ trung bình với vài trăm nghìn lượt gọi. Trên Mercury 3 ở mức giá ra mắt, đó là $0.20 cho đầu vào và $0.175 cho đầu ra — dưới bốn mươi xu một ngày. Ở giá niêm yết, con số là $0.40 và $0.35, tức 75 xu. Trên Opus 5.5, cùng lưu lượng đó là $8.00 cho đầu vào và $10.00 cho đầu ra, tức $18.00 một ngày.

Giờ hãy thêm phần mà phép tính token che giấu. Nếu Mercury 3 cần thử lại lần hai ở một trong năm cuộc gọi, và mỗi lần thử lại tốn bằng lần gốc, thì giá thực tế tăng 20% — lên khoảng 45 xu một ngày. Ngay cả trong trường hợp vô lý là mọi cuộc gọi đều phải lặp lại một lần, hóa đơn vẫn chỉ là 75 xu, vẫn thấp hơn Opus 5.5 tới 24 lần. Lập luận về giá không hề sát nút, và chính vì thế quyết định phải được đưa ra dựa trên chất lượng và năng lực thay vào đó.

Nhìn theo chiều ngược lại, cùng phép tính đó giải thích vì sao người ta vẫn trả tiền cho Opus. Với 18 đô la một ngày, một lần leo thang được tránh mỗi ngày — một lượt hỗ trợ không cần đến người thật, một thay đổi mã không cần đánh giá lại lần hai — đủ trả toàn bộ hóa đơn Opus gấp nhiều lần. Mô hình đắt đỏ trên mỗi token vì công việc mà nó thay thế còn đắt đỏ hơn.

Các dòng năng lực không xuất hiện trong bảng giá

Opus 5.5 chấp nhận hình ảnh và tệp, nghĩa là nó có thể đọc ảnh chụp màn hình người dùng đính kèm, tệp PDF chứa hợp đồng hoặc sơ đồ trong tài liệu thiết kế. Mercury 3 chỉ nhận văn bản và xuất văn bản. Nếu khối lượng công việc của bạn liên quan đến bất kỳ loại nào trong số đó, thì việc so sánh dừng lại ở đó và khoảng cách giá không còn quan trọng.

Opus 5.5 cũng mang theo bộ công cụ của Anthropic: structured outputs, tool use, một batch API với giá bằng nửa cho công việc bất đồng bộ, và prompt caching với mức giá ghi và đọc được nêu rõ ràng. Mercury 3 có tool calling và structured outputs trên một endpoint tương thích OpenAI, điều này thực sự tiện lợi — nó tích hợp vào mã hiện có mà không cần viết lại — nhưng câu chuyện cache của nó chỉ là một khoản giảm giá trên đầu vào chứ không phải một vòng đời ghi cache được ghi chép rõ ràng.

Dòng năng lực nghịch đảo là tốc độ. Opus 5.5 với 75.6 token mỗi giây thì ổn cho một tác nhân lập trình đang xử lý một tác vụ dài, và đau đớn cho bất cứ thứ gì mà con người phải chờ. Lời chào hàng của Mercury 3 là người chờ nó sẽ không nhận ra mình đang chờ. Nếu sản phẩm của bạn là một lượt thoại, một tính năng tự động hoàn thành, một câu trả lời tìm kiếm hay một gợi ý của gia sư, thì sự khác biệt đó chính là sản phẩm, chứ không phải thứ tốt nếu có.

Làm thế nào để vận hành cả hai mà không đặt cược vào bên nào

Claude Opus 5.5 nằm trong danh mục của chúng tôi với mã anthropic/claude-opus-5.5 ở mức biểu giá niêm yết của Anthropic — $4 đầu vào, $20 đầu ra, $0,20 cho mỗi lần đọc cache — với mức đánh thêm 0%, nên khi bảng giá của Anthropic thay đổi, phía chúng tôi sẽ phản ánh ngay trong cùng ngày thay vì vào chu kỳ thanh toán tiếp theo. Mercury 3 không có trong danh mục của chúng tôi: API mô hình của chúng tôi không trả về bất kỳ mô hình Inception nào cả, và chỉ dẫn trung thực là truy cập nó qua nền tảng riêng của Inception. Chúng tôi sẽ không giả vờ điều khác đi để một lời chào hàng định tuyến trở nên thuyết phục.

Điều mà việc tách này hữu ích chính là ở quyết định này. Đặt Mercury 3 phía sau khóa của Inception trên tầng quan trọng về độ trễ, giữ Opus 5.5 làm đường leo thang phía sau một endpoint tương thích OpenAI cùng với hơn 200 mô hình khác, và để cơ chế chuyển đổi dự phòng tự động bắt trường hợp nhà cung cấp mới chập chờn trong tháng đầu tiên. DSL định tuyến có thể diễn đạt việc chuyển tiếp — mô hình nhanh trước, leo thang khi có tín hiệu độ tin cậy thấp hoặc lỗi gọi công cụ — mà không cần tích hợp thứ hai cho phương án dự phòng. Cuối cùng, bạn đo Mercury 3 dựa trên lưu lượng của chính mình thay vì dựa trên một bài đăng ra mắt, và bạn giữ lại mô hình có thể đọc ảnh chụp màn hình cho những yêu cầu cần điều đó.

Chọn cái nào?

Nếu khối lượng công việc của bạn chỉ là văn bản, bị giới hạn bởi độ trễ và chấp nhận được một câu trả lời sai thỉnh thoảng mà một người hoặc một lần thử lại có thể phát hiện, thì Mercury 3 với mức giá khởi điểm là một trong những lựa chọn đáng tin cậy rẻ nhất hiện có trong tuần này, và 100 triệu token miễn phí trên nền tảng của Inception khiến việc dùng thử gần như miễn phí. Hãy thử nó trên lưu lượng của chính bạn, cố định thiết lập effort, và đo tỷ lệ thử lại thay vì thông lượng.

Nếu khối lượng công việc của bạn liên quan đến tài liệu, hình ảnh, những thay đổi mã nguồn dài hạn, hoặc những câu trả lời mà không ai kiểm tra trước khi được đem ra thực hiện, thì Opus 5.5 vẫn là lựa chọn có thể bảo vệ được, và giá cả không phải là biến số đáng quan tâm. Điểm chỉ số độc lập, đầu vào đa phương thức và bảng điểm chuẩn đã công bố của nó chính là những gì bạn đang mua, và chưa có cái nào trong số đó có tương đương ở Mercury 3.

Sai lầm cần tránh là coi mức 57x như một mệnh lệnh bắt buộc phải chuyển đổi. Đó chỉ là một khoản chiết khấu trên token, mà token lại là phần rẻ nhất trong hầu hết các hệ thống AI. Những phần đắt đỏ — con người xem xét đầu ra, một câu trả lời sai lọt đến khách hàng, một pipeline được xây lại quanh một mô hình không thể nhìn thấy — lại đúng là những phần mà bảng giá không hề hiển thị.