Mercury 3 vs Gemini 4 Pro: Một trong hai cái tên này không phải là mô hình

Không hề có Gemini 4 Pro. Có Gemini 4 Argon, mô hình mà Google đã đưa vào diện khả dụng chung trên bậc API trả phí của mình vào ngày 13 tháng 10 năm 2026, và có Mercury 3, do Inception Labs phát hành vào ngày 19 tháng 10 năm 2026 — và rất nhiều người đang tìm kiếm một so sánh giữa Mercury 3 và một Gemini 4 Pro mà Google chưa từng công bố, chưa từng gán định danh, chưa từng định giá và chưa từng công bố độ dài ngữ cảnh cho nó. Bài viết này vẫn xem trọng truy vấn đó, bởi vì câu hỏi ẩn bên dưới nó là có thật: một mô hình khuếch tán 1,068 token mỗi giây đến từ một phòng thí nghiệm nhỏ so sánh thế nào với mô hình chủ lực hiện tại của Google trên những thứ bạn thực sự có thể đo được? Câu trả lời được đối chiếu với Gemini 4 Argon, mô hình thực sự tồn tại, và phát hiện đầu tiên là hai mô hình không hề ở cùng một thị trường. Các lỗi AI và sự cố tác nhân đã 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 mang nguồn riêng, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp.

Tên còn thiếu được xác minh như thế nào

Sự vắng mặt không phải là một suy luận rút ra từ sự im lặng. Nó vẫn đứng vững qua năm lần kiểm tra riêng biệt.

• Tài liệu mô hình API Gemini của Google chỉ liệt kê đúng một mô hình dưới tiêu đề Gemini 4 — gemini-4-argon — và trang được cập nhật lần cuối vào ngày 19 tháng 10 năm 2026, một ngày trước bài viết này. Chưa có thẻ Gemini 4 thứ hai nào tiếp theo.

• Trang mô hình của DeepMind chỉ có thẻ Argon và không có gì khác trong dòng Gemini 4.

• Blog của chính Google không có thông báo nào về Gemini 4 Pro, và bài đăng ra mắt Argon mô tả Argon là mẫu flagship của dòng Gemini 4, chứ không phải là một thành viên của một dòng sản phẩm phân tầng với một phiên bản Pro ở phía trên hoặc phía dưới nó.

• Không có mã định danh mô hình G​emini 4 Pro ở bất kỳ đâu trong tài liệu API, không có bảng giá, không có độ dài ngữ cảnh, không có giới hạn đầu ra và không có điều khoản giấy phép. Một mô hình không có bất kỳ điều nào trong số đó không phải là mô hình được phát hành một cách âm thầm; đó là một cái tên mà người ta đã cho rằng sẽ tồn tại.

• Nó cũng không có trong danh mục của chúng tôi. Các mô hình Google mà OrcaRouter định tuyến thuộc dòng 3.x — gemini-3.1-pro-preview, gemini-3.8-flash, gemini-3.6-flash, gemini-3.5-flash và các biến thể lite — cộng với không có gì từ dòng 4. Chúng tôi không giữ lại tuyến nào; không có tuyến nào để giữ lại.

Nếu một chiếc G​emini 4 Pro ra mắt vào cuối năm nay, cấu trúc của phép so sánh này có lẽ vẫn giữ nguyên, vì mức giá mà nó sẽ chiếm đã bị Argon nắm giữ ở vị trí cao nhất trong dòng sản phẩm. Nhưng những con số bên dưới thuộc về G​emini 4 Argon, và chúng được ghi nhãn như vậy.

Gemini 4 Argon là gì, vì đây là thứ đang được so sánh

Gemini 4 Argon được công bố vào ngày 30 tháng 9 năm 2026 và đạt mức phát hành rộng rãi trên gói trả phí vào ngày 13 tháng 10 năm 2026. Nó hỗ trợ đa phương thức ở cả hai chiều của lệnh gọi — nhận văn bản, hình ảnh, video, âm thanh và PDF, xuất văn bản — với ngữ cảnh hợp nhất 1 triệu token, giới hạn đầu ra mặc định 65.536 token, có thể mở rộng lên 1.048.576 token ở chế độ giải mã dài. Giá là mức giới thiệu 2,00 USD cho mỗi triệu token đầu vào và 10,00 USD cho mỗi triệu token đầu ra, tăng lên 4,00 USD và 20,00 USD vào ngày 1 tháng 12 năm 2026, với đầu vào được lưu trong bộ nhớ đệm ở mức 0,10 USD, tăng gấp đôi lên 0,20 USD cùng ngày. Việc lưu bộ nhớ đệm chỉ là ngầm định; không có gói bộ nhớ đệm rõ ràng để mua. Nó không nằm trong gói miễn phí của Google.

Trên Intelligence Index của Artificial Analysis, nó đạt 52.6 điểm, với chi phí tính toán khoảng $1.99 cho mỗi tác vụ chỉ số. Các số liệu do chính G​oogle công bố bao gồm 57.1% trên Terminal-Bench 4.0, 61.8% trên SciCode và 57.1% trên Humanity's Last Exam — do nhà cung cấp tự báo cáo và được ghi nhãn như vậy, nhưng ít nhất được nêu trên một bộ khung đánh giá có tên với các nhiệm vụ có tên.

Vậy nên mô hình ở phía bên kia của phép so sánh này là một mô hình chủ lực đa phương thức với điểm chỉ số độc lập là 52.6 và mức giá tăng gấp đôi trong sáu tuần. Mercury 3 là một mô hình khuếch tán chỉ xử lý văn bản, không có điểm chỉ số và mức giá giảm một nửa khi ra mắt. Gần như mọi khía cạnh của phép so sánh đều là sự tương phản giữa hai lý thuyết khác nhau về mục đích của một mô hình ngôn ngữ.

Sự tương phản về thông số kỹ thuật, trên những khía cạnh quyết định việc triển khai

Giá đầu ra — Mercury 3 ở mức 0,35 USD/triệu khi ra mắt và 0,70 USD theo giá niêm yết, so với Gemini 4 Argon ở mức 10,00 USD hiện tại và 20,00 USD từ ngày 1 tháng 12 năm 2026.

• Giá đầu vào — $0.10 khi ra mắt và $0.20 niêm yết, so với $2.00 hiện tại và $4.00 sau ngày 1 tháng 12.

• Đầu vào được lưu trong bộ nhớ đệm — $0.01 giá ra mắt và $0.02 giá niêm yết trên Mercury 3, so với $0.10 hiện tại và $0.20 sau ngày 1 tháng 12 trên Argon, chỉ lưu đệm ngầm.

• Ngữ cảnh — 1.000.000 token ở cả hai, mặc dù của Argon được hợp nhất xuyên phương thức còn của Mercury 3 chỉ chứa văn bản.

• Đầu ra tối đa — 131.072 token trên Mercury 3, so với 65.536 theo mặc định trên Argon và lên tới 1.048.576 ở chế độ long-decode.

• Phương thức đầu vào — chỉ văn bản so với văn bản, hình ảnh, video, âm thanh và PDF.

• Thông lượng — 1,068 token mỗi giây do nhà cung cấp báo cáo trên Mercury 3, so với việc không có số liệu luồng đơn tương đương nào được công bố cho Argon.

• Điểm chỉ số độc lập — Mercury 3 không có điểm nào, so với 52,6 của Argon với khoảng $1,99 chi phí tính toán cho mỗi tác vụ chỉ số.

• Hướng giá — Mức giảm giá của Mercury 3 không có ngày kết thúc được công bố; việc tăng giá của Argon được lên lịch vào ngày 1 tháng 12 năm 2026 và áp dụng cho toàn bộ yêu cầu khi đầu vào vượt qua ranh giới ngữ cảnh dài.

Dòng giá là yếu tố sẽ quyết định phần lớn các triển khai thực tế, và mốc ngày 1 tháng 12 khiến nó trở nên cấp bách theo cách mà đợt ra mắt Mercury không có. Một nhóm xây dựng pipeline tài liệu trên Argon với mức $2.00/$10.00 rồi chạy lại mô hình chi phí vào tháng 1 sẽ thấy giá đầu vào tăng gấp đôi và giá đầu ra cũng tăng gấp đôi theo. Đó không phải là một rủi ro tinh tế; đó là một mục trên lịch.

Nơi việc so sánh giá hoàn toàn không còn hiệu lực

Gemini 4 Argon nhận PDF, ảnh chụp màn hình, âm thanh và video. Mercury 3 chỉ nhận văn bản. Chỉ riêng điều đó đã vô hiệu hóa việc so sánh giá đối với phần lớn các khối lượng công việc mà Argon thực sự được dùng đến — hóa đơn, biểu mẫu quét, cuộc gọi ghi âm, bản ghi màn hình, bất cứ thứ gì mà đầu vào đến dưới dạng điểm ảnh hay dạng sóng thay vì ký tự.

Để đưa một PDF vào Mercury 3, trước tiên phải chạy OCR hoặc một mô hình bố cục, và bước đó có chi phí, độ trễ và tỷ lệ lỗi riêng. Một hợp đồng quét 40 trang không trở nên miễn phí chỉ vì mô hình đọc văn bản đã trích xuất là rẻ. Trên những khối lượng công việc mà tính đa phương thức của Argon là yếu tố then chốt, Mercury 3 không phải là một lựa chọn rẻ hơn — nó không phải là một lựa chọn, và so sánh trung thực dừng lại ở đó.

Ở những nơi các phương thức thực sự khớp nhau — đầu vào văn bản, đầu ra văn bản, và phần lớn lưu lượng sản xuất đúng là như vậy — khoảng cách giá là khoảng 14 lần ở tốc độ đầu ra hiện tại của Argon và 28 lần sau ngày 1 tháng 12. Mức đó đủ lớn để thay đổi một kiến trúc. Một pipeline truy xuất hiện đang gửi hai mươi đoạn ứng viên đến một mô hình hàng đầu để xếp hạng lại có thể gửi một trăm đoạn đến Mercury 3 với cùng số tiền, và ngữ cảnh bổ sung rất có thể đáng giá hơn cả khác biệt chất lượng trên mỗi token.

Sự bất đối xứng về bằng chứng, và lý do nó quan trọng hơn ở đây

Gemini 4 Argon có một phép đo độc lập và một bảng điểm chuẩn của nhà cung cấp. Mercury 3 không có cả hai. Thứ Mercury 3 có là một con số thông lượng mà Inception đo trên phần cứng NVIDIA không được chỉ định, một tuyên bố về số tham số nhiều hơn 40 lần so với Mercury 1, và một kết quả chất lượng có cấu trúc: tỷ lệ hoàn thành 50% trên 50 tác vụ điều hướng Mind2Web trực tiếp bên trong bộ khung tác nhân của chính Inception, mà công ty nói là "nhiều hơn đáng kể so với GPT-6.1-Sol" ở cùng lượng token và số bước.

Đó là một kết quả thực sự — điều hướng web trực tiếp rất khó bị thao túng — nhưng nó không thể so sánh với mức 52.6 trên một chỉ số trung lập. Hai con số trả lời những câu hỏi khác nhau: một bên nói rằng "mô hình này có thể hoàn thành một nửa trong số năm mươi tác vụ điều hướng thực tế"; bên kia nói rằng "mô hình này đạt 52.6 trên một bộ kiểm thử cố định, đã công bố mà mọi mô hình khác trong chỉ số cũng đã thực hiện". Bạn có thể xếp hạng con số thứ hai so với các lựa chọn thay thế. Bạn chỉ có thể kiểm tra nhanh tính hợp lý của con số thứ nhất.

Còn một vấn đề hiệu chuẩn ẩn trong phép so sánh. Mercury 3 mặc định dùng mức thấp nhất trong bốn thiết lập mức nỗ lực khi tham số bị bỏ qua, vì vậy bất kỳ đánh giá nào không cố định mức nỗ lực đều đang đo mô hình ở thiết lập kém năng lực nhất. Argon không có cơ chế điều chỉnh tương đương. Một lần chạy benchmark cho cả hai, nếu thực hiện cẩu thả, sẽ khiến khoảng cách trông lớn hơn mức thực tế theo cả hai hướng — và các tuyên bố so sánh của chính Inception cũng không nêu rõ thiết lập nào đã tạo ra chúng.

Hai mô hình không nằm cùng một phía của một thay đổi giá.

Đặt hai bảng giá cạnh nhau và hướng đi là ngược nhau. Mercury 3 ra mắt với mức giảm giá 50% không có ngày kết thúc, nghĩa là một nhà phát triển không thể biết liệu mức giá sau sáu tháng là $0.10/$0.35 hay $0.20/$0.70. Argon ra mắt với mức giá giới thiệu có ngày kết thúc cố định, nghĩa là một nhà phát triển biết chính xác mức giá vào ngày 2 tháng 12: gấp đôi.

Sự chắc chắn về một con số xấu thường đáng giá hơn sự không chắc chắn về một con số tốt, và đây là trường hợp hai mô hình mang đến cho bạn mỗi thứ một loại. Nếu bạn đang lập ngân sách cho một pipeline trong một năm, con số $4.00/$20.00 của Argon là con số để làm mốc tính toán từ tháng 12 trở đi, còn giá niêm yết $0.20/$0.70 của Mercury 3 là con số để làm mốc vì mức chiết khấu không phải là bảng giá chính thức. Ngay cả với hai con số thận trọng đó, khoảng cách vẫn là 20 lần ở đầu ra, và đây vẫn là sự thật đơn lẻ lớn nhất trong phép so sánh này.

Điều mà không bảng giá nào cho bạn biết là một tác vụ tốn bao nhiêu chi phí. Mỗi lần chạy chỉ mục của Argon tốn khoảng 1,99 USD chi phí tính toán cho mỗi tác vụ; Mercury 3 không có phép đo tương đương, và nền kinh tế token của nó dưới giải mã khuếch tán không có cùng hình dạng như của một mô hình tự hồi quy. Bất kỳ ai hiện đang đưa ra chi phí cho mỗi tác vụ của Mercury 3 đều đang ngoại suy từ mức giá trên mỗi token và một ước đoán về độ dài đầu ra.

Làm thế nào để giữ cả hai mà không cam kết với bên nào

G​emini 4 Argon không có trong danh mục của OrcaRouter. Những gì chúng tôi định tuyến từ G​oogle là dòng 3.x — gemini-3.1-pro-preview ở mức $2.00/$12.00, gemini-3.8-flash và gemini-3.6-flash ở mức $0.75/$3.75, gemini-3.5-flash ở mức $1.50/$9.00 và các biến thể lite — và Mercury 3 cũng không có trong danh mục, vì lý do đơn giản hơn là chúng tôi không cung cấp bất kỳ mô hình Inception nào. Vậy nên với cặp đối chiếu cụ thể này, quan điểm trung thực của chúng tôi là chúng tôi không phải tuyến phù hợp cho cả hai bên.

Nơi một router vẫn hữu ích là ở phần kiến trúc bao quanh lựa chọn đó. Các mô hình 3.x mà chúng tôi thực sự cung cấp có thể đóng vai trò dự phòng cho cả hai: định tuyến phần lớn công việc văn bản đến Gemini 3.1 Pro hoặc Gemini 3.8 Flash theo giá niêm yết của chúng mà không thêm phụ phí từ phía chúng tôi, và chỉ gửi những lệnh gọi thực sự cần mô hình hàng đầu hoặc mô hình khuếch tán đến nhà cung cấp tương ứng. Điều đó giữ một endpoint, một khóa và một bộ thông tin xác thực cho phần lớn lưu lượng, và giới hạn hai trường hợp đặc biệt vào hai đường dẫn mã hẹp — đây là một cam kết nhỏ hơn nhiều so với việc chọn một trong số chúng làm mặc định cho mọi thứ.

Cách định giá chuyển tiếp đặc biệt quan trọng với Argon. Khi ngày 1 tháng 12 đến và Google tăng gấp đôi mức giá, giá của một mô hình được định tuyến sẽ thay đổi ngay ngày nhà cung cấp thay đổi nó, không cần đàm phán lại và không có bảng giá cũ trong mô hình chi phí của bạn. Hiện chúng tôi không định tuyến Argon; nếu điều đó thay đổi, mức tăng sẽ rơi vào cùng lịch mà Google công bố thay vì lịch của chúng tôi.

Phải làm gì với việc so sánh với một mô hình không tồn tại

Lời khuyên thực tế này có vẻ nhàm chán nhưng đáng để nêu ra. Nếu một tài liệu mua sắm, một đề xuất nội bộ hoặc một bộ tài liệu trình bày của nhà cung cấp trước mặt bạn có nhắc đến G​emini 4 Pro, hãy hỏi mã định danh mô hình trong API. Không phải tên tiếp thị, không phải tên dòng sản phẩm, không phải hạng — mà là chuỗi bạn sẽ đặt vào phần thân yêu cầu. Nếu câu trả lời là gemini-4-argon, thì bạn đang xem Argon với một nhãn khác, và bảng giá là $2.00/$10.00 hiện tại và $4.00/$20.00 từ ngày 1 tháng 12. Nếu không có câu trả lời, tài liệu đó chỉ đang nêu một cái tên chứ không phải một sản phẩm.

Bài kiểm tra tương tự cũng áp dụng cho Mercury 3 theo chiều ngược lại. Mã định danh của nó là thật, bảng giá của nó được công bố, độ dài ngữ cảnh của nó được công bố, và con số thông lượng của nó là tuyên bố của nhà cung cấp. Giữa một mô hình có bảng thông số đầy đủ mà không có điểm đánh giá độc lập, và một mô hình có điểm đánh giá độc lập nhưng tên thì người ta cứ nhớ sai, mô hình thứ hai vẫn là lựa chọn mặc định an toàn hơn — không phải vì Google là nhà cung cấp an toàn hơn, mà vì một con số bạn không phải tin theo kiểu đức tin vẫn đáng giá hơn một khoản giảm giá bạn không thể xác minh. Cho đến khi mô hình của Inception có một trang chỉ mục, lựa chọn giữa hai mô hình này là lựa chọn giữa bằng chứng và giá cả, và hầu hết các nhóm nên mua bằng chứng và thuê giá.