Mercury 3 so với Kimi K3: Một mô hình bạn có thể tải xuống, một mô hình bạn chỉ có thể thuê

Sự khác biệt hữu ích nhất giữa Mercury 3 và Kimi K3 không liên quan gì đến tốc độ hay giá cả. Kimi K3, được Moonshot AI phát hành ngày 16 tháng 7 năm 2026 và sau đó công bố trọng số vào ngày 27 tháng 7 theo giấy phép MIT sửa đổi, là một mô hình hỗn hợp chuyên gia 2,8 nghìn tỷ tham số mà bạn có thể tự tải xuống, kiểm tra, lượng tử hóa và tự lưu trữ. Mercury 3, được Inception phát hành ngày 19 tháng 10 năm 2026, là một mô hình khuếch tán đóng mà bạn chỉ có thể gọi. Mọi thứ còn lại trong màn so tài này — cửa sổ 1 triệu token mà chúng chia sẻ, hàng nghìn token mỗi giây mà một trong hai tuyên bố, khoảng cách giá đầu ra chạy theo hướng ngược lại — đều bắt nguồn từ khác biệt đầu tiên đó về việc ai sở hữu sản phẩm. Cùng một khóa có thể truy cập toàn bộ danh mục hơn 200 mô hình theo giá niêm yết, với khả năng chuyển đổi dự phòng giữa các nhà cung cấp. Các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archive nơi mỗi mục đi kèm nguồn riêng, mức độ nghiêm trọng, mức độ tin cậy và cờ tranh chấp.

Cách diễn giải đó không hề mang tính hàn lâm. Nó quyết định mô hình nào trong hai mô hình này có thể tồn tại khi nhà cung cấp rút lui, mô hình nào có thể được tinh chỉnh trên dữ liệu của bạn, mô hình nào bạn có thể chạy lúc ba giờ sáng mà không bị giới hạn tần suất, và mô hình nào chỉ là một khoản mục chi phí sẽ chấm dứt khi người khác quyết định như vậy. Nó cũng quyết định thế nào mới là một so sánh công bằng: giá theo token của Kimi K3 là chi phí hosting, còn của Mercury 3 là một khoản thuê.

Các thông số kỹ thuật, ở cả hai phía của ranh giới sở hữu

• Tham số — Kimi K3 tổng 2,8 nghìn tỷ, 104 tỷ hoạt động mỗi token, 16 trong 896 chuyên gia so với Mercury 3 không được tiết lộ, chỉ được mô tả là lớn hơn Mercury 1 hơn 40 lần

• Kiến trúc — hỗn hợp chuyên gia trên Kimi Delta Attention so với mô hình ngôn ngữ khuếch tán tinh chỉnh song song các khối token

• Cửa sổ ngữ cảnh — 1,048,576 token so với 1,000,000 token; thực chất là ngang nhau

• Đầu ra tối đa — Kimi K3 lên tới toàn bộ cửa sổ 1M trong một phản hồi duy nhất, so với Mercury 3 131.072 token

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

• Trọng số — được công bố, Modified MIT, trên Hugging Face so với đóng

• Giá đầu vào — $3.00 mỗi 1M so với $0.20 mỗi 1M theo giá niêm yết, $0.10 khi ra mắt

• Giá đầu ra — $15.00 mỗi 1M so với $0.70 mỗi 1M theo giá niêm yết, $0.35 khi ra mắt

• Đầu vào được lưu trong bộ nhớ đệm — 0,30 USD mỗi 1M so với 0,02 USD mỗi 1M

• Thông lượng được tuyên bố — không được Moonshot công bố so với 1.068 token mỗi giây, theo báo cáo của nhà cung cấp

• Chỉ số Trí tuệ Độc lập — 43,6, theo Artificial Analysis so với chưa có mục nào tính đến ngày 20 tháng 10 năm 2026

Đặt hai cột giá cạnh nhau và khoảng cách là 15× ở đầu vào và 21× ở đầu ra. Đặt dòng phương thức bên cạnh đó và khoảng cách thu hẹp lại thành thứ còn hẹp hơn một trận thua tan tác: Kimi K3 chấp nhận video và hình ảnh, Mercury 3 chấp nhận văn bản, và một tác vụ phải xem bản ghi màn hình thì không lựa chọn giữa chúng ở bất kỳ mức giá nào. Đặt dòng trọng số bên cạnh đó và so sánh thay đổi hoàn toàn về bản chất, vì hai mức giá không đo cùng một thứ.

Những phép đo của Kimi K3 thực sự nói lên điều gì

Kimi K3 là mô hình duy nhất trong loạt năm phần này có cả trọng số được công bố và một hồ sơ độc lập đầy đủ, khiến nó trở thành mốc tham chiếu hữu ích:

• Chỉ số Trí tuệ — 43.6, được đo bởi Artificial Analysis

• Terminal-Bench 4.0 — 0.1263; Terminal-Bench 2.1 — 0.8502 theo lần chạy do chính nhà cung cấp báo cáo

• SciCode — 0.5949, mức cao nhất trong bốn đối thủ ở lô này

• Kỳ thi cuối cùng của nhân loại — 0.4690

• AA-LCR suy luận ngữ cảnh dài — 0.8867, mức đọc hiểu ngữ cảnh dài mạnh nhất trong loạt

• GDPval-AA — Elo 1532,59

• AA-Omniscience — 19.7

GPQA Diamond — 0.9354

• Chi phí mỗi tác vụ đánh chỉ mục — $2.00

Hai lưu ý về bảng đó. Các con số Terminal-Bench chênh lệch rất xa — 0.1263 trên phiên bản 4.0 và 0.8502 trên 2.1 — đó là vấn đề phiên bản benchmark chứ không phải vấn đề mô hình, và ai trích dẫn con số này mà không kèm con số kia là đang chọn phe. Và chỉ số Artificial Analysis của Kimi K3 hiện là 43.6, trong khi tài liệu ra mắt của chính nhà cung cấp tuyên bố 57 theo một phiên bản trước đó của chỉ số. Chỉ số đã được xây dựng lại kể từ đó; con số 57 là một kết quả mang tính lịch sử, không phải kết quả hiện tại.

Hồ sơ năng lực trụ lại được sau cả hai lưu ý là một mô hình mạnh về suy luận ngữ cảnh dài và mã khoa học, ở mức trung bình về khả năng nhớ kiến thức, và không có gì nổi bật ở công việc agent kiểu terminal. Đó không phải hồ sơ của một mô hình mà bạn tải về để thay thế toàn bộ một API tiên tiến. Đó là hồ sơ của một mô hình đáng sở hữu cho một mảng công việc cụ thể — và đây chính là lập luận cho trọng số mở.

Lưu ý về việc tải xuống và chạy, được nói rõ ràng

Trọng số được công bố và trọng số có thể chạy được là những tuyên bố khác nhau, và việc đánh đồng chúng là kiểu phóng đại phổ biến nhất trong các bài viết về những mô hình lớn của Trung Quốc. Một mô hình mixture-of-experts 2,8 nghìn tỷ tham số với 104 tỷ tham số hoạt động là một sản phẩm của trung tâm dữ liệu. Công bố checkpoint nghĩa là bạn có thể kiểm tra, tinh chỉnh, lượng tử hóa và phục vụ nó — đối với các tổ chức có hàng chục accelerator và đội ngũ kỹ thuật để giữ chúng bận rộn. Điều đó không có nghĩa là nó chạy trên một máy trạm, và làn sóng lượng tử hóa theo sau mỗi bản phát hành kiểu này không chỉ nhằm làm mô hình nhỏ đi mà còn nhằm làm cho nó có thể được phục vụ.

Vậy cách diễn giải trung thực về giấy phép của Kimi K3 thì hẹp hơn "mở" nhưng vẫn đáng kể: đó là một mô hình đẳng cấp tiên phong, có thể kiểm toán, sửa đổi và tự vận hành. Với một doanh nghiệp trong ngành bị quản lý chặt chẽ mà không thể gửi dữ liệu khách hàng đến API của bên thứ ba, đó chính là điều quyết định tất cả. Với một startup chỉ có ba kỹ sư và hóa đơn API 400 đô-la mỗi tháng, nó chỉ là thú vui.

Mercury 3 không có lựa chọn như vậy ở bất kỳ mức giá nào. Đó là một hạn chế thực sự và cần nói rõ rằng Inception chưa công bố việc phát hành trọng số (weights) hay ngày phát hành. Giải pháp thay thế dành cho doanh nghiệp mà họ cung cấp mang tính hợp đồng chứ không phải kỹ thuật: năng lực chuyên dụng, tự động mở rộng quy mô, kiểm soát tuân thủ và thời gian lưu giữ dữ liệu có thể cấu hình, tất cả trong nền tảng của Inception. Điều đó trả lời câu hỏi về lưu trú dữ liệu cho một số người mua. Nó không trả lời câu hỏi "nếu nhà cung cấp biến mất thì sao" cho bất kỳ ai trong số họ.

Chi phí cho mỗi công việc đã hoàn thành, không phải chi phí cho mỗi token

Chênh lệch giá đầu ra 21× là con số thường được trích dẫn, và tự nó gây hiểu lầm theo cả hai hướng.

Đầu tiên, mức $3.00/$15.00 của Kimi K3 là một vị thế cao cấp trên thị trường Trung Quốc và Moonshot đã nói như vậy. So với mức $0.20/$0.70 của Mercury 3, đó không phải là cao cấp, mà là một phân khúc khác. Một đội xử lý 50 triệu token đầu ra mỗi tháng trả $750 cho Kimi K3 và $35 cho Mercury 3 theo giá niêm yết. Khoản chênh lệch đó đủ nhỏ để không đáng kể với một số doanh nghiệp và đủ lớn để trang trải cho một vị trí tuyển dụng với những doanh nghiệp khác.

Thứ hai, các con số chi phí độc lập trên mỗi tác vụ đảo ngược trực giác. Kimi K3 tốn $2.00 cho mỗi tác vụ chỉ mục đã hoàn thành; Mercury 2.5, thành viên được đo gần nhất của dòng Mercury, tốn $0.1167 — nhưng chỉ đạt 12.3 so với 43.6 của Kimi K3. Rẻ trên mỗi token và rẻ trên mỗi đơn vị công việc là hai con số khác nhau, và chỉ một trong số đó thuộc về một kế hoạch năng lực. Mercury 3 không có con số chi phí mỗi tác vụ vì nó không có điểm chỉ mục, nghĩa là ô quan trọng nhất trong so sánh này đang trống.

Thứ ba, và đây là điều mọi người hay quên: Kimi K3 có trên OrcaRouter với mức giá niêm yết của Moonshot và 0% phụ phí, và phần còn lại của danh mục hơn 200 mô hình cũng vậy, trên cùng một endpoint tương thích OpenAI với tính năng chuyển đổi dự phòng tự động. Mercury 3 thì không — nó được phục vụ qua API riêng của Inception và một số nền tảng bên thứ ba. Sự bất đối xứng này thay đổi cục diện của một cuộc thử nghiệm hợp lý: bạn có thể so sánh Kimi K3 với mô hình hiện tại của mình mà không cần đăng ký bất cứ điều gì mới, còn với Mercury 3 thì bạn không thể làm điều tương tự nếu không có thêm một tích hợp thứ hai.

Đối với một khối lượng công việc chạy các phiên tác nhân dài, còn một đòn bẩy chi phí nữa đáng kiểm tra trước khi tin vào bất kỳ bảng giá nào. Ngữ cảnh 1M của Kimi K3 không có phụ phí yêu cầu dài nào được công bố, và Mercury 3 cũng vậy. Điều đó thật bất thường và là lý do chính khiến cả hai mô hình đáng tin cậy cho những bản ghi hội thoại mà ở nơi khác sẽ kích hoạt một bậc định giá lại.

Nên chọn cái nào, dựa theo tình huống thay vì theo điểm số

Chọn Kimi K3 khicông việc cần hình ảnh hoặc video, khi suy luận ngữ cảnh dài là nhiệm vụ cốt lõi — điểm 0,8867 trên AA-LCR của nó là kết quả tốt nhất trong lô này — khi bạn cần tinh chỉnh trên dữ liệu độc quyền, khi dữ liệu không thể rời khỏi hạ tầng của bạn, hoặc khi bạn muốn có một mức năng lực đo được trước khi dồn lưu lượng. Bộ trọng số chính là tài sản chiến lược; giấy phép thực sự thoáng; còn mức giá chính là cái giá của việc không tự vận hành nó.

Chọn Mercury 3 khi khối lượng công việc chỉ có văn bản, nhạy cảm với độ trễ và có khối lượng lớn: phản hồi hỗ trợ, câu trả lời tìm kiếm, các lượt dạy kèm, công việc liên quan đến phân loại mà ở đó phản hồi dưới một giây chính là sản phẩm. Với giá đầu ra $0.70 và đầu vào được cache $0.02, nó đủ rẻ để bài toán kinh tế theo từng yêu cầu không còn là ràng buộc thiết kế, và cửa sổ 1M nghĩa là bạn hiếm khi phải tóm tắt. Điều bạn đánh đổi là tính đa phương thức, một ngưỡng năng lực được công bố, và bất kỳ con đường tự vận hành nào.

Chọn cả hai khi việc phân chia diễn ra theo làn chứ không theo model. Hai hệ thống này đối lập nhau về kiến trúc — một bên là MoE tự hồi quy thưa khổng lồ, bên kia là bộ sinh diffusion song song — nghĩa là chúng hỏng theo những cách khác nhau, và một chính sách gửi các tác vụ thị giác và suy luận ngữ cảnh dài tới Kimi K3, còn các lượt văn bản tức thời tới Mercury 3, là hợp lý xét về bản chất chứ không chỉ vì giá. Cái khó nằm ở khâu tích hợp: chỉ một trong hai là thứ có thể thêm vào chỉ với một khóa.

Điều gì sẽ làm thay đổi câu trả lời

Ba diễn biến, không có diễn biến nào mang tính suy đoán:

• Điểm độc lập đầu tiên của Mercury 3. Thành viên duy nhất của dòng Mercury được đo lường nằm ở 12.3 trên Chỉ số Trí tuệ, so với 43.6 của Kimi K3. Nếu Mercury 3 đạt mức gần Kimi K3 trong khi chi phí chỉ bằng một phần mười lăm, lập luận về quyền sở hữu sẽ trở thành lập luận duy nhất còn lại của Kimi K3. Nếu nó đạt mức gần 12.3, khoảng cách giá không còn quan trọng.

• Một bản phát hành trọng số Mercury 3. Inception chưa nói gì về một bản như vậy. Trọng số mở sẽ khiến khác biệt cốt lõi trong bài viết này sụp đổ chỉ sau một đêm

• Một nhà cung cấp hosting rẻ hơn cho Kimi K3. Mức giá $3/$15 là của chính Moonshot; giấy phép mở nghĩa là các nhà cung cấp hosting bên thứ ba có thể chào giá thấp hơn, và một mô hình MoE 2,8T được host với giá bằng một nửa sẽ thay đổi bài toán chi phí trên mỗi tác vụ mà không thay đổi mô hình

Cho đến khi một trong những điều đó thành hiện thực, phép so sánh là giữa một mô hình văn bản rất nhanh, có thể thuê, chưa được đo lường và một mô hình cao cấp, có thể sở hữu, đã được đo lường, biết đọc video. Đó không phải là những thứ có thể thay thế cho nhau. Câu trả lời thực sự sai duy nhất là chọn một cái vì nó thắng ở một cột mà cái kia chưa từng được chấm điểm.