Mercury 3 vs Mercury 2.5 Preview: Bản nâng cấp có thời hạn, và thời hạn đó là ngày 15 tháng 11

Đây là một so sánh mô hình hiếm hoi mà mô hình cũ hơn đang bị tắt ngay trong lúc bạn đọc. Mercury 2.5 Preview đã ra mắt vào ngày 31 tháng 8 năm 2026; nó đã bị thay thế bởi bản phát hành chính thức Mercury 2.5 vào ngày 8 tháng 9; và khi Inception ra mắt Mercury 3 vào ngày 19 tháng 10 năm 2026, công ty cũng thông báo rằng Mercury 2 và Mercury 2.5 đã đóng với người dùng mới, còn khách hàng hiện hữu chỉ giữ quyền truy cập đến ngày 15 tháng 11 năm 2026. Vậy câu hỏi không phải là liệu Mercury 3 có tốt hơn bản xem trước mà nó bắt nguồn từ đó hay không — việc tăng quy mô tham số gấp 40 lần và cửa sổ ngữ cảnh tăng gấp bốn lần đã trả lời điều đó trên bảng thông số kỹ thuật. Câu hỏi là việc chuyển sang Mercury 3 thực sự tốn của bạn bao nhiêu, hội đồng độc lập nói gì về mô hình mà bạn đang rời bỏ, và bao nhiêu phần trong tuyên bố ra mắt của chính Mercury 3 đã bị hội đồng đó bác bỏ khi xét mô hình tiền nhiệm của nó. Hạn chót là 26 ngày kể từ hôm nay. Nếu mô hình bạn chọn là một mô hình do chúng tôi định tuyến, kỷ luật cấu hình tương tự cũng áp dụng trên điểm cuối tương thích OpenAI của chúng tôi, theo giá niêm yết của nhà cung cấp với mức cộng thêm 0%, nên việc chuyển đổi ở đây cũng chỉ là một thay đổi cấu hình. 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 OrcaRouter AI Incident Archive trong đó mỗi mục đều có nguồn, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp riêng.

Điều gì đã thay đổi giữa bản xem trước và bản flagship?

Inception đã duy trì cấu trúc đội hình một cách nhất quán lạ thường qua ba bản phát hành trong bảy tuần, khiến việc nêu rõ các mức chênh lệch trở nên dễ dàng:

• Phát hành — Mercury 2.5 Preview, ngày 31 tháng 8 năm 2026 (được thay thế bởi Mercury 2.5 vào ngày 8 tháng 9) so với Mercury 3, ngày 19 tháng 10 năm 2026

• Cửa sổ ngữ cảnh — 260.000 token trên Mercury 2.5 so với 1.000.000 trên Mercury 3, mức tăng 3,8 lần

• Đầu ra tối đa — 65,536 token so với 131,072, đúng gấp đôi

• Giá đầu ra niêm yết — 0,75 USD so với 0,70 USD mỗi triệu, mức giảm 6,7%, không phải mức giảm mạnh

• Giá đầu vào theo giá niêm yết — $0.20 ở cả hai; dòng đầu vào không hề nhúc nhích chút nào

• Đầu vào được lưu trong bộ nhớ đệm — $0.02 cho cả hai

• Giảm giá ra mắt — Mercury 2.5 có mức giảm giá giới thiệu 80%; Mercury 3 ra mắt với mức giảm 50%, tức là $0.10 cho đầu vào và $0.35 cho đầu ra trong suốt chương trình khuyến mãi

• Thông lượng — 1.107 token mỗi giây được công bố cho Mercury 2.5 Preview so với 1.068 cho Mercury 3; mô hình mới hơn, lớn hơn nhiều này chậm hơntheo số liệu của chính nhà cung cấp

• Quy mô — Mercury 3 được mô tả là lớn hơn Mercury 1 trên 40 lần về tổng số tham số; Inception không công bố con số tham số tuyệt đối nào cho cả hai mô hình

• Phương thức — chỉ văn bản, ở cả hai

• Trọng lượng — đóng ở cả hai bên

Hai dòng trong danh sách đó đáng để nhìn kỹ hơn. Dòng đầu là giá. Chuyển từ bản kế nhiệm đã chính thức phát hành của bản preview sang mẫu flagship giảm chi phí đầu ra 5 xu mỗi triệu token và không thay đổi gì khác trên thẻ — nghĩa là việc migration không hề được bán dựa trên giá. Lập luận của Mercury 3 phải là năng lực và ngữ cảnh, nếu không thì không phải là lập luận. Dòng thứ hai là thông lượng: theo chính số liệu của Inception, mô hình lớn hơn chậm hơn 39 token mỗi giây, nên nâng cấp không mua tốc độ thô. Nó mua không gian.

Room mới là sản phẩm thực sự ở đây. 260K đến 1M là khác biệt giữa một cuộc trò chuyện phải được tóm tắt và một cuộc trò chuyện không cần như vậy; 65K đến 131K đầu ra là khác biệt giữa một câu trả lời và một tài liệu. Nếu khối lượng công việc Mercury 2.5 của bạn chưa bao giờ chạm tới 200K token ngữ cảnh, thì lý do để chuyển sớm chưa đủ thuyết phục. Nếu nó thường xuyên bị cắt ngắn, Mercury 3 đang giải quyết vấn đề của bạn và thời hạn chót là một món quà.

Phần của quyết định mà không ai in ra: hội đồng quản trị đã nói gì về 2.5

Mercury 2.5 có một hồ sơ độc lập, và nó không hề tốt đẹp. Trên Artificial Analysis, theo dữ liệu đọc ngày 20 tháng 10 năm 2026:

• Chỉ số Trí tuệ — 12.3, được đo lường chứ không phải ước tính

• AA-Omniscience — −39,5, với tỷ lệ ảo giác 80,3% trong bài kiểm tra kiến thức

• Terminal-Bench 4.0 — 0.0

• SciCode — 0.3854

Humanity's Last Exam — 0.1177

• AA-LCR suy luận ngữ cảnh dài — 0.7167

• GDPval-AA — Elo 474.8

• Chi phí cho mỗi tác vụ lập chỉ mục — $0.1167, rẻ nhất trong toàn bộ loạt năm bài viết này, rẻ hơn gấp sáu lần

Đó là một mô hình có hồ sơ rất cụ thể: rẻ, nhanh và yếu đúng ở những công việc nặng về kiến thức mà một trợ lý tổng quát được đánh giá dựa trên đó. Đó là hồ sơ của một thành phần độ trễ hơn là một mô hình suy luận, điều này nhất quán với cách Inception luôn định vị dòng sản phẩm này — giọng nói, hỗ trợ, tìm kiếm, gia sư — và không nhất quán với cách bản xem trước được đưa tin vào thời điểm đó. Nó cũng tốn $0.1167 mỗi tác vụ chỉ mục, con số này không phải lỗi đánh máy và cũng không phải món hời: một mô hình trả lời nhanh và sai thì rẻ trên mỗi tác vụ và đắt trên mỗi kết quả.

Điều này quan trọng với Mercury 3 vì bảng xếp hạng đó không có mục nào cho nó. Mẫu chủ lực mới ra đời được chín ngày, và thành viên duy nhất của dòng mô hình đã được đo đạt 12,3. Điều đó không dự báo điểm của Mercury 3 — việc mở rộng quy mô 40× với một lần huấn luyện mới là một mô hình khác, và Inception tuyên bố trí thông minh đã tăng 3× từ Mercury 1 (mini) lên Mercury 3 — nhưng nó có nghĩa là thành tích độc lập của dòng mô hình hiện chỉ gồm một kết quả đo yếu và một sự vắng mặt. Bất kỳ ai lên kế hoạch chuyển đổi vào tháng 11 nên coi Mercury 3 là chưa được đo cho đến khi bảng xếp hạng nói khác, và thiết kế việc chuyển đổi sao cho một mô hình chưa được đo không thể làm sập một đường production.

Quá trình migration thực sự bao gồm những gì

Phần cơ chế là phần dễ, và Inception đã làm chúng dễ hơn hầu hết các nhà cung cấp. Mô hình tương thích OpenAI-API, nên hình dạng endpoint không thay đổi. Điều thay đổi là:

• Định danh mô hình. Mercury 3 là một ID mới, không phải là bản tăng phiên bản trên một ID hiện có

• Ngân sách ngữ cảnh. Cửa sổ 1M tạo điều kiện cho những prompt mà cửa sổ 260K không thể chấp nhận, và một pipeline bắt đầu gửi các yêu cầu 600K token là một hồ sơ chi phí khác ngay cả khi cùng mức giá trên mỗi token

• Cài đặt suy luận. Mercury 3 cung cấp các mức instant, low, medium và high; thang mức của Mercury 2.5 ngắn hơn. Một yêu cầu không chỉ định cài đặt này sẽ dùng giá trị mặc định, mà có thể không phải mức mà ngân sách độ trễ của bạn được thiết kế dựa trên.

• Nhiệt độ. Mercury 3 chấp nhận 0,5 đến 1,0. Bất kỳ giá trị nào dưới 0,5 mà các prompt 2.5 của bạn phụ thuộc vào đều phải được kẹp lại

• Đầu ra có cấu trúc và gọi công cụ. Cả hai đều được hỗ trợ trên Mercury 3, và cả hai đều thuộc kiểu tính năng có hành vi khác biệt tinh tế khi mở rộng quy mô 40× — đáng để có một bài kiểm thử hồi quy ở cấp lược đồ thay vì chỉ kiểm tra bằng mắt.

• Mức trần đầu ra. 131,072 token là đủ rộng rãi đến mức một lần sinh chạy mất kiểm soát sẽ tốn tiền thật trước khi dừng lại. Hãy đặt giới hạn rõ ràng cho nó.

Cách rẻ để chạy việc này là triển khai shadow: sao chép một phần lưu lượng của Mercury 2.5 sang Mercury 3 với cùng prompt, ghi log cả hai đầu ra, rồi so sánh chúng trên chỉ số mà bạn thực sự quan tâm — mức độ hoàn thành tác vụ, không phải độ tương đồng token. Làm vậy trong một tuần, rồi chuyển hẳn. Mốc ngày 15 tháng 11 cho bạn đủ dư địa cho một chu kỳ như thế và không hơn nhiều, nên hãy bắt đầu với điểm gọi có lưu lượng cao nhất thay vì điểm thú vị nhất.

Cũng cần lưu ý hướng của cơ chế dự phòng. Trong giai đoạn shadow, cấu hình an toàn là Mercury 3 làm chính với Mercury 2.5 làm phương án chuyển đổi dự phòng, chứ không phải ngược lại: nếu mô hình mới hoạt động sai, mô hình cũ vẫn phản hồi; và nếu mô hình cũ bị ngừng cung cấp ngay dưới chân bạn, mô hình mới đã gánh lưu lượng. Ghi chú của chính Inception nói rằng khách hàng hiện hữu giữ quyền truy cập "đến ngày 15 tháng 11 năm 2026", điều này được hiểu là điểm dừng cứng chứ không phải mềm. Một pipeline mà phương án dự phòng duy nhất là một mô hình có ngày hết hạn thì không còn dự phòng sau ngày đó.

OrcaRouter không định tuyến Mercury 3 hay Mercury 2.5 — cả hai đều không có trong danh mục của chúng tôi, và đều được cung cấp qua API riêng của Inception cùng một số nền tảng bên thứ ba. Điều đó khiến đây là một trong số ít bài viết trong loạt bài này mà lời khuyên về định tuyến nói về hình dạng của tích hợp thay vì về endpoint của chúng tôi: bất kể bạn dùng nhà cung cấp nào, hãy đặt mã định danh mô hình và cài đặt suy luận trong cấu hình thay vì trong mã, để việc chuyển đổi vào tháng 11 chỉ là thay đổi cấu hình chứ không phải triển khai.

Ai nên hành động ngay bây giờ, ai nên chờ đợi

Hãy chuyển ngay nếu: lưu lượng Mercury 2.5 của bạn mang tính quyết định về độ trễ và có khối lượng lớn, các prompt của bạn thường xuyên chạm mức trần 260K, bạn cần đầu ra dài hơn 65K token, hoặc bạn đang dùng một nhà cung cấp sẽ ngừng hỗ trợ 2.5 cho bạn vào ngày 15 tháng 11 dù bạn đã sẵn sàng hay chưa. Trong những trường hợp đó, việc di chuyển không phải là tùy chọn và quyết định duy nhất còn lại là có nên kiểm thử nó đúng cách trước hay không. Hãy kiểm thử nó đúng cách.

Chờ đã — nhưng vẫn chuẩn bị — nếu:Mercury 2.5 là một thành phần nhỏ, khối lượng công việc của bạn nằm gọn thoải mái trong 260K, hoặc bạn cần chất lượng đã được đo lường trước khi cam kết. Chờ đợi không có nghĩa là không làm gì: hãy đưa identifier và các cài đặt reasoning vào cấu hình ngay bây giờ, chạy so sánh shadow, và hoãn việc chuyển đổi cho đến khi mục Artificial Analysis xuất hiện hoặc ngày 10 tháng 11 đến, tùy cái nào đến trước.

Hãy tìm nơi khác hoàn toàn nếu: công việc của bạn cần thị giác, nhập tệp hoặc suy luận thiên về kiến thức với một ngưỡng năng lực được công bố. Mercury 3 chỉ hỗ trợ văn bản và không có điểm đánh giá; một mô hình có chỉ số độc lập và đầu vào hình ảnh là lựa chọn mua an toàn hơn, và mức giảm 6,7% giá đầu ra không đủ để bù đắp cho một phương thức bị thiếu.

Hạn chót chính là tin tức thực sự.

Bỏ qua phần khung ra mắt, điều Inception công bố vào ngày 19 tháng 10 là một lịch ngừng cung cấp gắn với một mô hình. Mercury 2.5 Preview từng là bản xem trước đã năm tuần tuổi; Mercury 2.5 tồn tại sáu tuần với tư cách mô hình phát hành chính thức trước khi bị đóng với người dùng mới; và hạn chót cho khách hàng hiện hữu là ngày 15 tháng 11. Đó là nhịp độ nhanh đối với một nhà cung cấp đang yêu cầu doanh nghiệp xây dựng trên nền tảng của mình, và đó là sự thật đơn lẻ liên quan nhất đến quyết định đối với bất kỳ ai vận hành dòng sản phẩm này trong môi trường sản xuất — liên quan hơn cả mức tăng ngữ cảnh 3,8×, vì tăng ngữ cảnh là cơ hội còn ngày ngừng cung cấp là ràng buộc.

Lập luận phản bác là nhịp độ đó đã đổi lấy được những thứ thực chất: ngữ cảnh 1M token, trần đầu ra tăng gấp đôi, và mức giá đầu ra rẻ hơn một chút so với mô hình mà nó thay thế, tất cả ở cùng mức giá đầu vào, với một endpoint tương thích OpenAI để việc hoán đổi chỉ là cấu hình chứ không phải mã. Các mô hình khuếch tán được kỳ vọng sẽ đụng phải một bức tường chất lượng khi mở rộng quy mô, và tuyên bố của Inception là chúng đã không như vậy. Liệu tuyên bố đó có đứng vững trước một đánh giá độc lập hay không là câu hỏi mở mà bài viết này không thể trả lời, và là lý do nên kiểm thử song song thay vì chuyển hẳn dựa trên sức mạnh của một bài đăng ra mắt.

Điều không còn bỏ ngỏ chính là lịch trình. Nếu Mercury 2.5 đang mang theo bất cứ thứ gì bạn quan tâm, thì kế hoạch chuyển đổi vẫn tồn tại dù bạn có viết nó ra hay không, và nó sẽ đến hạn trong chưa đầy bốn tuần nữa.