Mercury 3 so với GPT-5.6 Sol: Rẻ hơn 20 lần trên mỗi token, và token chính là toàn bộ lý lẽ

Điều thú vị khi đặt Mercury 3 cạnh GPT-5.6 Sol là Sol vốn đã là mức rẻ nhất trong dòng tiên phong của OpenAI, còn Mercury 3 lại rẻ hơn nữa với khoảng cách lớn đến mức từ “rẻ” chẳng còn ý nghĩa gì. Inception Labs phát hành Mercury 3 vào ngày 19 tháng 10 năm 2026 với giá $0.20 mỗi triệu token đầu vào và $0.70 mỗi triệu token đầu ra, giảm một nửa còn $0.10 và $0.35 trong giai đoạn ra mắt không nêu ngày kết thúc. GPT-5.6 Sol, do OpenAI phát hành ngày 9 tháng 7 năm 2026, niêm yết ở mức $4.00 và $20.00 cho dưới 272.000 token, và $8.00 và $30.00 cho trên ngưỡng đó. Ở đầu ra, đó là khoảng cách gấp 57 lần ở mức giá ra mắt của Mercury và gấp 28 lần ở giá niêm yết — và khác với phần lớn những khoảng cách như vậy, nó không thu hẹp khi bạn đo theo mỗi câu trả lời, bởi lợi thế của Sol trong các so sánh GPT-6 trước đó là tiết kiệm token, và Sol không tiết kiệm theo cách mà GPT-6 Sol từng làm. Những thất bại AI và sự cố agent được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archive trong đó mỗi mục đều có nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.

Cả hai mô hình sẽ nhận một triệu token đầu vào trong một lần gọi và cả hai chỉ xuất ra văn bản. Điểm chúng khác nhau nằm ở những gì diễn ra xung quanh các token: Mercury 3 là mô hình ngôn ngữ khuếch tán, chốt các khối vị trí cùng một lúc và chạy ở tốc độ 1.068 token/giây do nhà cung cấp đo, trong khi GPT-5.6 Sol là mô hình tiên phong tự hồi quy, chấp nhận cả hình ảnh và tệp cũng như văn bản, và được Artificial Analysis đo ở 87,7 token/giây với chi phí 1,99 USD cho mỗi tác vụ Intelligence Index. Do đó, việc so sánh ít nói về mô hình nào tốt hơn — điều chưa ai đo đối với Mercury — mà nói nhiều hơn về chi phí của cùng một khối lượng công việc trên mỗi mô hình khi tính cả các lần thử lại và token bị lãng phí.

Hai bảng giá, hãy đọc kỹ.

Bảng giá của Sol có một ngưỡng mà bảng giá của Mercury không có, và ngưỡng này là khác biệt cấu trúc quan trọng nhất giữa hai sản phẩm. Mọi thứ tới 272,000 token đầu vào được tính ở mức $4.00 và $20.00. Bất cứ thứ gì vượt quá mức đó sẽ định giá lại toàn bộ yêu cầu ở mức $8.00 và $30.00 — không phải chỉ các token vượt mức, mà là toàn bộ. Một prompt 300,000 token tốn $2.40 tiền đầu vào trên Sol, cao hơn chi phí của một prompt 250,000 token ở mức $4.00 với hệ số hơn hai lần, dù chỉ nhiều hơn 20% văn bản.

• Giá — Mercury 3: $0.20 / $0.70 mỗi triệu, $0.10 / $0.35 khi ra mắt, đầu vào đã cache được giảm 90% so với mức giá đầu vào. GPT-5.6 Sol: $4.00 / $20.00 mỗi triệu với dưới 272,000 token, $8.00 / $30.00 với trên ngưỡng đó, đầu vào đã cache ở mức $0.40 với chi phí ghi $5.00 mỗi triệu.

Ngữ cảnh và đầu ra — Mercury 3: 1.000.000 token vào, 131.072 ra. GPT-5.6 Sol: 1.050.000 vào, 128.000 ra.

• Phương thức — Mercury 3: chỉ văn bản. GPT-5.6 Sol: đầu vào văn bản, hình ảnh và tệp, đầu ra văn bản.

• Tốc độ — Mercury 3: 1.068 token mỗi giây, do Inception đo. GPT-5.6 Sol: 87,7 token mỗi giây trên bộ kiểm thử của Artificial Analysis, với thời gian đến token đầu tiên là 91,8 giây trên khối lượng công việc lời nhắc dài mặc định của nó.

• Điểm số độc lập — Mercury 3: không có điểm nào được công bố; không tồn tại trang Artificial Analysis nào. GPT-5.6 Sol: 47 trên Chỉ số Trí tuệ, 77,4 trên chỉ số lập trình, 94,1 trên GPQA Diamond, 49,5 trên Humanity's Last Exam, 84,0 trên khả năng ghi nhớ ngữ cảnh dài.

• Phát hành — Mercury 3: ngày 19 tháng 10 năm 2026. GPT-5.6 Sol: ngày 9 tháng 7 năm 2026.

Một con số trên hồ sơ của Sol xứng đáng có một câu riêng, vì đó chính là con số cấu thành nên ngân sách độ trễ. Artificial Analysis ghi nhận thời gian trung vị đến token đầu tiên là 91,8 giây đối với GPT-5.6 Sol trên cấu hình mà họ kiểm thử. Đó không phải lỗi đánh máy và cũng không phải khởi động nguội; đó là điều một mô hình ưu tiên suy luận làm khi nó nghĩ trước khi nói trên một lời nhắc dài. Bài đưa tin ra mắt Mercury 3 có bao gồm các báo cáo độ trễ từ bên thứ ba — Octen đo được thời gian tạo trung vị là 0,9 giây và thời gian phản hồi đầu-cuối trung vị là 2,2 giây trên khối lượng công việc của mình — nhưng đó là những lời chứng thực của khách hàng trong thông báo của nhà cung cấp, không phải một bộ kiểm thử trung lập, và là những khối lượng công việc khác nhau. Không có gì phải nghi ngờ về hướng đi; độ lớn thì không thể giải quyết nếu không có một bài kiểm thử chung.

Vì sao số lượng token quyết định trường hợp này và cách kiểm tra nó đối với khối lượng công việc của bạn

Chênh lệch mỗi token là 28 lần theo giá niêm yết và 57 lần khi ra mắt, nên cách duy nhất để Sol thu hẹp khoảng cách này là tạo ra ít token hơn nhiều cho cùng một khối lượng công việc. Đó chính xác là điều đã xảy ra trong so sánh GPT-6 Sol, nơi Sol dùng khoảng 31.000 token đầu ra cho mỗi tác vụ chỉ mục so với 193.000 của Claude Sonnet 5.5 và cuối cùng rẻ hơn trên mỗi tác vụ dù giá token đầu ra cao gấp 20 lần. Ở đây điều đó không hiển nhiên xảy ra: GPT-5.6 Sol tốn $1.99 cho mỗi tác vụ Intelligence Index, trong khi GPT-6 Sol tốn khoảng $1.05 trên cùng một harness, vì vậy Sol đắt hơn khoảng gấp đôi trên mỗi câu trả lời so với bản kế nhiệm của nó và đắt hơn khoảng 40 lần trên mỗi câu trả lời so với mức $0.05 của một tác vụ Mercury 3 nếu Mercury tiêu thụ cùng lượng token.

Cái "nếu" đó đang gánh toàn bộ công việc, và đáng để nêu nó như một bài kiểm tra thay vì một lời khẳng định. Hãy lấy một trăm prompt của chính bạn, chạy chúng qua Sol, và ghi lại số token đầu ra cho mỗi prompt cùng việc câu trả lời có cần thử lại hay không. Làm điều tương tự trên Mercury 3. Nhân với bảng giá. Kết quả chính là câu trả lời của bạn, và việc đó chỉ mất một buổi chiều thay vì một cuộc tranh luận về benchmark.

Ba dạng kết quả thường đủ phổ biến để có thể dự đoán trước.

• Công việc văn bản ngắn, khối lượng lớn — phân loại, trích xuất, định tuyến, tóm tắt ngắn, 150 token đầu ra mỗi lần gọi. Khả năng tiết kiệm token của Sol không có gì để phát huy, vì vậy bảng giá nói lên tất cả: rẻ hơn 28 đến 57 lần trên Mercury 3, trước khi áp dụng chiết khấu.

• Công việc đòi hỏi nhiều suy luận — một phân tích nhiều bước mà Sol dành 20.000 token suy luận cho. Nếu Mercury 3 cần hai lần thử để đạt cùng câu trả lời, khoảng cách hiệu dụng giảm từ 28 lần xuống 14 lần; nếu cần năm lần, con số này giảm xuống dưới sáu lần. Vẫn là một khoản tiết kiệm lớn, không còn là sai số làm tròn trong quyết định nữa.

Bất kỳ nội dung nào liên quan đến hình ảnh — ảnh chụp màn hình, một trang được quét, một biểu đồ. Mercury 3 trả về lỗi. Không tồn tại phép so sánh nào, và giá đầu vào đa phương thức của Sol chính là mức mà Sol tính.

Khoản giảm giá, và lý do mô hình chi phí trung thực sử dụng giá niêm yết

Mức giá đầu ra $0.35 của Mercury 3 là một chương trình khuyến mãi. Inception đã công bố giá niêm yết và mức giảm giá nhưng không công bố ngày kết thúc, nghĩa là một mô hình chi phí được xây dựng trên mức $0.35 có một khoản nợ tiềm ẩn mà không ai có thể định lượng được. Trên khối lượng công việc trả lời ngắn ở trên, chênh lệch giữa giá ra mắt và giá niêm yết là 2x — đúng 2x đó là ranh giới giữa một quý tốt và một quý xấu, đến mà không có cảnh báo.

Thẻ của Sol có thuộc tính ngược lại. Nó ổn định, có ranh giới được tài liệu hóa và có cấu trúc bộ nhớ đệm được tài liệu hóa: $0.40 mỗi triệu lượt đọc, chi phí ghi $5.00 mỗi triệu, cao hơn 25% so với mức giá đầu vào. Với khối lượng công việc gửi lại cùng một phần mở đầu 30.000 token ở mọi bước của vòng lặp agent, phụ phí ghi đó đáng để tính toán trước khi bỏ qua — Sol trả cao hơn 25% một lần và ít hơn 90% ở mọi lượt đọc tiếp theo, và với mười bước trở lên mỗi tác vụ, chi phí đầu vào được phân bổ giảm xuống dưới $1.00 mỗi triệu.

Giá cache của Mercury 3 là 0,02 USD mỗi triệu theo giá niêm yết, 0,01 USD trong cửa sổ ra mắt, và không có phụ phí ghi nào được công bố. Đó chính là con số mạnh nhất duy nhất ủng hộ nó cho đúng loại khối lượng công việc đó: một vòng lặp agent hai mươi bước với phần mở đầu 30.000 token tốn 0,60 USD đầu vào đã cache trên Mercury theo giá niêm yết, so với khoảng 0,40 USD mỗi triệu lượt đọc trên Sol sau thao tác ghi — tương đương về giá trị tuyệt đối, và phép so sánh chỉ giữ được tính tương đương vì cache của Sol tốt bất thường. Bỏ cache khỏi cả hai thì khoảng cách lại là gấp 20 lần.

Lớp định tuyến xử lý thế nào với khoảng cách gấp 20 lần và không có điểm trung lập?

GPT-5.6 Sol có trong danh mục của OrcaRouter với đúng mức giá của OpenAI — 4,00 và 20,00 USD mỗi triệu token, 8,00 và 30,00 USD khi vượt ngưỡng 272.000 token, 0,40 USD cho lượt đọc từ bộ nhớ đệm — thông qua cùng endpoint tương thích OpenAI như mọi thứ khác chúng tôi định tuyến, mà không cộng thêm phí. Mercury 3 không có trong danh mục; API mô hình của chúng tôi không trả về gì cho bất kỳ mô hình Inception nào, nên ai gọi nó sẽ phải đến nền tảng riêng của Inception, nơi tài khoản mới được 100 triệu token miễn phí, hoặc đến một trong nhiều nền tảng bên thứ ba lưu trữ nó.

Khoảng cách đủ lớn đến mức động thái hấp dẫn là chuyển toàn bộ khối lượng công việc sang và xem cái gì sẽ hỏng. Lý do để không làm vậy không phải là sự thận trọng vì bản thân nó; mà là Mercury 3 có một kết quả chất lượng, được tạo ra bên trong harness tác tử của chính Inception trên 50 tác vụ Mind2Web trực tiếp, nơi nó hoàn thành 50% và được báo cáo là đạt được điều đó với cùng lượng token và số bước như một mô hình tiên phong. Đó là một kết quả thực sự thú vị — các trang web trực tiếp, không phải bản chụp nhanh — và nó cũng không thể bị bác bỏ từ bên ngoài, vì harness và việc chấm điểm thuộc về bên bán.

Điều mà một quy tắc định tuyến mang lại trong tình huống đó là một thử nghiệm có giới hạn. Gửi một phần lưu lượng được xác định đến Mercury 3, giữ Sol phía sau làm đường dự phòng, và để cơ chế chuyển đổi dự phòng tự động xử lý trường hợp mô hình mới bị quá thời gian hoặc gặp lỗi. Phần lưu lượng đó là một con số trong tệp cấu hình, không phải một đường dẫn mã; việc mở rộng nó từ 10% lên 100%, hoặc thu hẹp nó về 0 khi chương trình giảm giá kết thúc, chỉ là thay đổi con số đó.

Còn một lựa chọn thứ ba mà trang của cả hai nhà cung cấp sẽ không nói với bạn, và đó là lựa chọn mà hầu hết các nhóm chọn sau khi họ tính toán: GPT-6 Sol. Nó có cùng bảng giá 4,00 USD và 20,00 USD như GPT-5.6 Sol, nằm dưới một bậc so với mô hình hàng đầu GPT-6, và tốn khoảng 1,05 USD cho mỗi tác vụ Intelligence Index so với 1,99 USD của Sol. Nếu lý do bạn đang xem xét Mercury 3 là vì Sol quá đắt cho mỗi câu trả lời, thì giải pháp rẻ hơn cho vấn đề đó có thể là một mô hình mới hơn với cùng mức giá, chứ không phải một mô hình chưa được đo lường với giá bằng một phần hai mươi.

Nơi điều này kết thúc

Đối với công việc chỉ dùng văn bản, khối lượng lớn, phép tính không hề sát nút và không phụ thuộc vào bất cứ điều gì chưa được kiểm chứng: theo giá niêm yết, Mercury 3 rẻ hơn 20 lần ở đầu vào và 28 lần ở đầu ra so với GPT-5.6 Sol, với cửa sổ ngữ cảnh có cùng kích thước và không có ranh giới nào phải vượt qua. Nếu khối lượng công việc của bạn là một triệu lệnh gọi ngắn mỗi tháng, thì đó chính là quyết định, và rủi ro có thể đo được trong vòng một ngày có lưu lượng.

Đối với công việc cần suy luận tới hai mươi nghìn token, đọc một ảnh chụp màn hình hoặc chạy không giám sát trong nhiều giờ với các công cụ trong vòng lặp, Sol là mô hình có hành vi được tài liệu hóa và mức giá ổn định, còn thời gian tới token đầu tiên là 91,8 giây là một con số thực tế mà bạn có thể dựa vào để lập kế hoạch, chứ không phải một tuyên bố mà bạn phải kiểm chứng. Đó không phải là điều nhỏ nhặt để phải bỏ tiền ra mua.

Phép đo duy nhất có thể chấm dứt cuộc tranh luận là chi phí cho mỗi tác vụ Intelligence Index của Mercury 3 trên bộ khung đánh giá đã tạo ra mức 1,99 USD của Sol. Phép đo đó không tồn tại, không có ngày nào được đưa ra cho nó, và cho đến khi nó tồn tại, mọi con số cho mỗi câu trả lời trong bài viết này về Mercury 3 đều là một giả định đi kèm với một bảng giá. Bảng giá, ít nhất, là có thật — và ở mức gấp 20 lần, nó đủ rộng để đáng được kiểm chứng trước khi đáng được tin.