Mercury 3 vs MiniMax M3: Một con số đối đầu cả một thành tích.

Inception đã phát hành Mercury 3 vào ngày 19 tháng 10 năm 2026 với duy nhất một con số hiệu năng — 1.068 token mỗi giây — và không có điểm benchmark nào dưới bất kỳ hình thức nào. MiniMax đã phát hành MiniMax M3 vào ngày 1 tháng 6 năm 2026 với bảng benchmark của nhà cung cấp, một checkpoint có thể tải xuống và, bốn tháng sau, một điểm số được công bố từ một đơn vị đánh giá độc lập. Đặt hai mô hình cạnh nhau, câu hỏi thú vị không phải là mô hình nào nhanh hơn hay rẻ hơn. Mà là một trong hai mô hình ngày nay có thể được kiểm chứng bởi người khác ngoài tác giả của nó, còn mô hình kia thì không. Sự bất đối xứng đó chính là toàn bộ phép so sánh, và nó vẫn tồn tại qua mọi đợt giảm giá mà bất kỳ phòng thí nghiệm nào trong hai bên công bố. Các lỗi 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, nơi mỗi mục đi kèm nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.

Hai mô hình cũng tình cờ đủ sát nhau trên giấy đến mức lựa chọn là có thật. Cả hai đều chạy cửa sổ một triệu token. Cả hai đều nằm trong phân khúc giá rẻ. Cả hai đều được xây dựng trên những kiến trúc không thông thường so với phân khúc của chúng — diffusion cho Mercury 3, sparse attention trên mixture of experts cho MiniMax M3 — và cả hai đều khẳng định chính kiến trúc đó là thứ mang lại cho chúng lợi thế kinh tế.

Hai bài đăng ra mắt, hai kiểu bằng chứng khác nhau

Hãy đọc thông báo của Inception như một tài liệu. Nó đưa ra một lập luận về mở rộng quy mô: Mercury 3 có tổng số tham số lớn hơn Mercury 1 hơn 40 lần, trí tuệ đo được tăng khoảng gấp ba lần từ Mercury 1 (mini) lên Mercury 3, và mô hình này "nhanh ngang" tổ tiên nhỏ nhất của nó. Nó đưa ra một tuyên bố so sánh về chất lượng: Mercury 3 "ngang bằng hoặc tốt hơn các mô hình tối ưu tốc độ tiên phong như GPT-6 Luna và Claude Haiku 5.5". Và nó báo cáo đúng một kết quả nhiệm vụ, từ bộ khung tác nhân web của chính Inception, trên 50 nhiệm vụ điều hướng Mind2Web trực tiếp, trong đó mô hình hoàn thành 50 phần trăm. Mỗi một điểm trong số đó đều do nhà cung cấp báo cáo và không điểm nào nêu tên một bộ tiêu chuẩn đánh giá, một mức chênh lệch hay một cấu hình phần cứng.

Đọc tài liệu của M​iniMax như một văn bản thì nó có hình dạng ngược lại. Có một bảng đánh giá chuẩn với các bộ kiểm thử được đặt tên và tỷ lệ phần trăm — SWE-Bench Pro 59.0, Terminal-Bench 2.1 66.0, BrowseComp 83.5, OSWorld-Verified 68.70 — cùng với một thẻ mô hình, cùng với trọng số trên Hugging Face, cùng với một danh sách độc lập từ Artificial Analysis chấm mô hình 29 điểm trên Chỉ số Trí tuệ của họ. Các con số của nhà cung cấp vẫn là con số của nhà cung cấp, và chúng tôi chưa thấy chúng được tái lập. Nhưng mô hình có thể được tải xuống, chạy và đo lường bởi bất kỳ ai muốn, đó là lý do vì sao con số độc lập lại tồn tại.

Sự khác biệt đó trong những gì được công bố không phải là một chi tiết tiếp thị. Nó quyết định loại lời khuyên mà bất kỳ ai có thể dành cho bạn về hai mô hình này. Với MiniMax M3, có một con số thông lượng đo được, một chi phí đo được cho mỗi tác vụ đánh chỉ mục, một thứ hạng đo được. Với Mercury 3, chỉ có một tuyên bố.

Thông số kỹ thuật, kèm theo nguồn của mỗi bên

• Giá mỗi triệu token — Mercury 3: $0.20 đầu vào và $0.70 đầu ra theo giá niêm yết, giảm một nửa còn $0.10 và $0.35 trong thời gian ưu đãi ra mắt, so với MiniMax M3 là $0.30 và $1.20 cho các yêu cầu lên đến 512K token đầu vào

• Đầu vào được lưu trong bộ nhớ đệm — Mercury 3 $0,02 mỗi triệu, $0,01 trong giai đoạn ra mắt, so với MiniMax M3 $0,06 mỗi triệu

• Cửa sổ ngữ cảnh — Mercury 3 1,000,000 token so với MiniMax M3 1,048,576

• Đầu ra tối đa — Mercury 3 131.072 token so với MiniMax M3 512.000 token trên trang danh mục của chính chúng tôi; MiniMax không công bố con số đầu ra tối đa, nên con số đó là của chúng tôi, không phải của nhà cung cấp

• Phương thức đầu vào — Mercury 3 chỉ văn bản so với MiniMax M3 văn bản, hình ảnh và video

• Kiến trúc — Mercury 3 là mô hình ngôn ngữ khuếch tán tinh chỉnh các khối token song song, trong khi MiniMax M3 là mô hình hỗn hợp chuyên gia, tổng cộng khoảng 428B và khoảng 23B hoạt động trên mỗi token, với MiniMax Sparse Attention

• Trọng số — Mercury 3 đóng, chỉ API so với MiniMax M3 có thể tải xuống theo Giấy phép Cộng đồng M​iniMax

• Thông lượng — Mercury 3 đạt 1.068 token/giây, theo báo cáo của nhà cung cấp trên phần cứng NVIDIA không nêu tên với kích thước lô và thiết lập nỗ lực không xác định, so với MiniMax M3 đạt 106.4 token/giây do Artificial Analysis đo được

• Chỉ số Trí tuệ Độc lập — Mercury 3 không có mục nào tính đến ngày 20 tháng 10 năm 2026 so với MiniMax M3 29, xếp thứ 23 trong số 121 mô hình trên bản sửa đổi hiện hành vào ngày đó

• Điều khiển suy luận — Mercury 3 có bốn cài đặt mức nỗ lực, từ instant đến high, mặc định là low khi bỏ qua tham số, so với MiniMax M3 có tham số thinking với các chế độ enabled, adaptive và disabled

• Gọi công cụ và đầu ra có cấu trúc — cả hai đều được hỗ trợ trên endpoint chat completions tương thích OpenAI

Hai trong số những dòng đó cần được gắn một lưu ý trước khi chúng được trích dẫn ở bất kỳ đâu. Con số 1,068 là phép đo của nhà cung cấp mà không nêu rõ bộ khung kiểm thử, nên không thể so sánh với một con số do bên đánh giá độc lập tạo ra theo một phương pháp cố định. Và Artificial Analysis định kỳ chấm lại chỉ số của mình; con số 29 ở trên là giá trị ghi nhận vào ngày 20 tháng 10 năm 2026, và MiniMax M3 đã cho kết quả khác ở các bản sửa đổi trước đó. Các con số trên chỉ số đó có biến động; việc có một con số cho M3 mà không có cho Mercury 3 thì không.

1,068 token mỗi giây có ý nghĩa gì ở cấp độ yêu cầu

Token trên giây là một đơn vị tồi để quyết định bất cứ điều gì, vì không ai mua token. Họ mua các yêu cầu đã hoàn thành. Hãy chuyển cả hai con số thành thứ mà người dùng thực sự trải nghiệm — một câu trả lời nghìn token mất bao lâu để tạo ra.

Với tốc độ 1.068 token/giây mà Inception công bố, một câu trả lời 1.000 token mất khoảng 0,94 giây để sinh. Với mức 106,4 đo được của MiniMax M3, câu trả lời tương tự mất khoảng 9,4 giây. Tính cả thời gian đến token đầu tiên đo được là 1,13 giây đối với M3, khoảng cách giữa hai trải nghiệm là khoảng mười lần, trước khi cộng thêm độ trễ mạng, xếp hàng hoặc chi phí riêng của nhà cung cấp.

Đó là trường hợp của Mercury 3, và đây là một trường hợp có thật. Chênh lệch gấp mười lần về thời gian sinh chính là khác biệt giữa một câu trả lời tìm kiếm mang cảm giác tức thì và một câu trả lời giống như phải tải trang. Toàn bộ dòng sản phẩm của Inception được xây dựng xoay quanh điều này: công ty bán Mercury Voice cho thời gian đến token đầu tiên của câu trả lời, Mercury Decide cho phân loại, và định vị sản phẩm chủ lực ở các tác nhân hỗ trợ, gia sư, tìm kiếm và web — tất cả những khối lượng công việc mà ở đó một câu trả lời chậm là một sản phẩm hỏng chứ không phải chỉ là một sản phẩm kém hơn một chút.

Con số gấp mười không cho bạn biết liệu Mercury 3 có tốt hay không. Kết quả Mind2Web — hoàn thành 50% trên 50 tác vụ trực tiếp, "nhiều hơn đáng kể so với GPT-6.1-Sol" — là tín hiệu chất lượng có cấu trúc duy nhất mà Inception công bố, và 50 tác vụ là một mẫu đủ nhỏ để một trang web khó duy nhất làm thay đổi tỷ lệ phần trăm đi hai điểm. Bộ khung đánh giá là của chính Inception. Mô hình so sánh được nêu tên mà không có điểm số. Đó là một tín hiệu thực sự cho thấy mô hình có thể điều khiển trình duyệt, và đó không phải là một phép đo mà bạn có thể đưa vào quyết định mua sắm.

Thành tích của MiniMax M3 thực sự nói lên điều gì

Bức tranh độc lập về M3 tuy không hào nhoáng nhưng hữu ích. Chỉ số Intelligence là 29, so với mức trung vị 19 của các mô hình trong cùng lớp so sánh, 106,4 token đầu ra mỗi giây so với mức trung vị 77,4, thời gian đến token đầu tiên là 1,13 giây so với mức trung vị 1,70 giây, và chi phí 0,51 USD để chạy chỉ số cho mỗi mô hình. Đây là một mô hình có chất lượng cao hơn hẳn mức trung bình trong cùng lớp, tốc độ rõ ràng cao hơn mức trung bình so với kích thước của nó, và chi phí vận hành thấp.

Các điểm phụ lưu hành từ việc bên thứ ba đăng lại cùng một nhóm chỉ số kể một câu chuyện cụ thể hơn: mạnh về hiểu tài liệu và tuân theo chỉ dẫn, yếu hơn về công việc tác nhân tự chủ nhiều bước. Khoảng cách giữa điểm phụ về lập trình và điểm phụ về năng lực tác nhân của nó là mức chênh lệch nội bộ lớn nhất trong hồ sơ của nó. Nếu khối lượng công việc của bạn là “đọc tài liệu dài này và trả lời chính xác”, M3 có bằng chứng vững. Nếu là “chạy trong hai mươi phút và bàn giao”, bằng chứng mỏng hơn và chỉ theo hướng ngược lại.

Đối với Mercury 3, không có đoạn tương đương nào để viết, vì dữ liệu không tồn tại. Artificial Analysis không có trang Mercury 3 — chỉ mục của nó vẫn liệt kê Mercury 2.5 và Mercury 2 — nên một ngày sau khi ra mắt, mô hình không có điểm số độc lập, không có chỉ số tốc độ độc lập và không có con số chi phí trên mỗi tác vụ. Bộ so sánh của Inception (GPT-6 Luna, Claude Haiku 5.5) là phân khúc nhanh chứ không phải tiên phong, đây là đối tượng so sánh phù hợp cho một sản phẩm độ trễ, nhưng tuyên bố không kèm mức chênh lệch nào và không nêu tên bài kiểm tra.

Chênh lệch giá nhỏ hơn so với mức mà giá niêm yết gợi ý

Bản năng là gọi Mercury 3 là lựa chọn tiết kiệm và M3 là lựa chọn đắt đỏ. Tính theo token thì điều đó đúng về mặt xu hướng và ít kịch tính hơn nhiều so với vẻ ngoài: đầu vào rẻ hơn 1,5 lần trên Mercury 3, đầu ra rẻ hơn 1,7 lần. Đó không phải là một đẳng cấp khác. Mà là một kệ khác.

Hãy chạy một khối lượng công việc cụ thể. Lấy một trợ lý hỗ trợ hoặc tìm kiếm xử lý 10.000 phản hồi mỗi ngày, mỗi phản hồi có 1.500 token đầu vào gồm ngữ cảnh được truy xuất và khung nhắc lệnh, cùng 300 token đầu ra. Đó là 15 triệu token đầu vào và 3 triệu token đầu ra mỗi ngày.

• Mercury 3 theo giá niêm yết — 15 × $0.20 cộng 3 × $0.70, tức $5.10 mỗi ngày

• Mercury 3 theo mức giá ra mắt — 15 × $0.10 cộng 3 × $0.35, tức $2.55 mỗi ngày

• MiniMax M3 theo mức giá cho yêu cầu nhỏ của nó — 15 × $0.30 cộng 3 × $1.20, tức $8.10 mỗi ngày

Vậy chênh lệch hằng ngày giữa hai mức giá niêm yết là khoảng ba đô la trên mười nghìn cuộc hội thoại. Nếu hiệu quả token của Mercury 3 ở thiết lập nỗ lực thấp mặc định kém hơn của M3 — và không ai ngoài Inception biết, vì không có số lượng token đầu ra được đo cho Mercury 3 — thì khoảng chênh ba đô la đó có thể thu hẹp hoặc đảo ngược trên lưu lượng thực. Đây là lý do cụ thể khiến một mô hình chưa được chấm điểm khó lập ngân sách: bạn không thể tính chi phí cho mỗi tác vụ hoàn thành mà không có tỷ lệ hoàn thành được đo và độ dài đầu ra được đo.

Dòng đầu vào được lưu trong bộ nhớ đệm quan trọng hơn tiêu đề đối với khối lượng công việc của tác nhân, vì tác nhân gửi lại cùng một lời nhắc hệ thống và định nghĩa công cụ ở mỗi bước. Mức $0.02 trên một triệu token được lưu trong bộ nhớ đệm của Mercury 3 khiến một phần mở đầu 20.000 token tốn bốn phần vạn đô-la mỗi lần gọi. Mức $0.06 của M3 tốn gấp ba lần con số đó, vẫn là nhỏ — nhưng trong một lượt chạy năm mươi bước, chênh lệch là vài xu, không phải phần nhỏ của một xu, và lưu lượng tác nhân là nơi các xu nhân lên.

Giấy phép, thoát và thứ bạn không thể tải xuống

{{1}}MiniMax M3{{/1}} được phát hành theo {{2}}Giấy phép Cộng đồng M​iniMax{{/2}}. {{3}}Sử dụng phi thương mại{{/3}} là miễn phí; {{4}}sử dụng thương mại{{/4}} yêu cầu hiển thị "Built with MiniMax M3", {{5}}một thông báo một lần{{/5}} khi doanh thu hằng năm dưới 20 triệu USD, và {{6}}sự chấp thuận trước bằng văn bản{{/6}} khi doanh thu từ mức đó trở lên, cùng với việc tuân thủ {{7}}phụ lục về các hành vi bị cấm{{/7}}. Đây là {{8}}một cuộc đánh giá pháp lý{{/8}} chứ không phải {{9}}một thủ tục hình thức{{/9}}, nhưng đó là {{10}}một giấy phép{{/10}} mà bạn có thể đọc trước khi xây dựng.

Mercury 3 không có giấy phép để đọc, vì không có gì để cấp phép. Nó là đóng. Điều đó không tự động là yếu tố loại trừ — hầu hết các nhóm gọi một mô hình qua API không bao giờ chạm vào trọng số — nhưng nó thay đổi điều gì xảy ra nếu Inception thay đổi giá, điều khoản hoặc tính sẵn có của nó. Đường thoát là một cuộc di chuyển, không phải triển khai lại.

Một điểm bất đối xứng nữa đáng gọi tên: M3 đã có lịch sử bốn tháng. Nó đã nằm trong danh mục của chúng tôi đủ lâu để tích lũy các phân vị lưu lượng và độ trễ, và bảng giá của nó đã ổn định. Mercury 3 mới ra mắt được một ngày, giá ra mắt của nó chưa có ngày kết thúc được công bố, và các mẫu tiền nhiệm của nó đã đóng với người dùng mới — ghi chú di trú của chính Inception nói rằng Mercury 2 và Mercury 2.5 ngừng nhận đăng ký mới và khách hàng hiện tại sẽ mất quyền truy cập vào ngày 15 tháng 11 năm 2026. Một nhà cung cấp khai tử một dòng mô hình nhanh đến vậy đang cho bạn biết điều gì đó về cách họ mong bạn tiêu thụ sản phẩm của họ.

Nơi bộ định tuyến thay đổi phép tính

Màn so tài này là một lý lẽ thuyết phục cho việc không chọn gì cả trong tuần đầu tiên. MiniMax M3 có trên OrcaRouter với giá $0.30 cho đầu vào và $1.20 cho đầu ra mỗi triệu token, giá niêm yết của nhà cung cấp mà không cộng thêm phụ phí, cùng với hơn 200 mô hình khác phía sau một endpoint tương thích OpenAI. Mercury 3 không có trong danh mục của chúng tôi — việc kiểm tra API mô hình của chúng tôi không trả về gì cho bất kỳ mô hình Inception nào — vì vậy bất kỳ ai muốn gọi nó đều phải đến nền tảng riêng của Inception hoặc một trong các máy chủ bên thứ ba do Inception liệt kê. Chúng tôi muốn nói thẳng điều đó hơn là ngụ ý về một lối truy cập mà chúng tôi không có.

Mô thức phù hợp với một bản phát hành chưa được đo lường và nhanh bất thường là thiết kế hai đường. Đặt tầng quan trọng về độ trễ trên Mercury 3 thông qua nhà cung cấp, và giữ phương án dự phòng đã được đo lường trên M3 hoặc một mô hình khác mà chúng tôi phục vụ, với cơ chế chuyển đổi dự phòng tự động được đấu nối để lỗi 429 hoặc endpoint bị suy giảm không làm tính năng ngừng hoạt động. Routing DSL tồn tại chính xác để việc phân tách có thể là một quy tắc thay vì một nhánh rẽ trong cơ sở mã của bạn, và vì giá niêm yết của nhà cung cấp được chuyển nguyên trạng, việc Inception giảm giá hoặc MiniMax thay đổi bậc dịch vụ sẽ được phản ánh vào hóa đơn của bạn ngay ngày được công bố thay vì vào hợp đồng tiếp theo.

Điều mà thiết kế đó không mang lại cho bạn là sự bảo đảm chất lượng ở phía Mercury 3. Chưa có gì làm được điều đó, tính đến thời điểm này.

Quy tắc cần áp dụng trong tuần này

• Nếu câu trả lời phải đến trong khoảng một giây và một câu trả lời sai vẫn có thể khắc phục được — gợi ý tìm kiếm, phân loại yêu cầu hỗ trợ, gợi ý gia sư, các bước của tác nhân có lộ trình leo thang — thì chỉ riêng tuyên bố về độ trễ cũng đủ khiến Mercury 3 đáng để đánh giá trong một tuần. Hãy lập ngân sách theo giá niêm yết, chứ không phải mức giảm 50% khi ra mắt, vì khoản giảm giá đó không có ngày kết thúc được công bố.

• Nếu bạn cần biết mô hình tốt đến mức nào trước khi quyết định, MiniMax M3 là mô hình duy nhất trong hai mô hình này cho phép bạn tìm hiểu. Đây cũng là mô hình duy nhất bạn có thể tải xuống, lượng tử hóa, tinh chỉnh hoặc chạy trên phần cứng của riêng mình.

• Nếu tác vụ của bạn cần đọc video hoặc hình ảnh thì cuộc so sánh đã ngã ngũ. M3 xử lý được chúng; Mercury 3 thì không.

• Nếu bạn đang tối ưu chi phí trên mỗi tác vụ đã hoàn thành thay vì chi phí trên mỗi token, thì cả hai mô hình đều chưa cho bạn con số mà bạn cần — M3 bởi vì điểm yếu agentic của nó là có thật và đã được đo lường, còn Mercury 3 bởi vì chưa có bất cứ điều gì về hành vi hoàn thành của nó được đo lường cả.

Điều cần theo dõi không phải giá của Mercury 3. Mà là đánh giá độc lập đầu tiên về Mercury 3, bất cứ khi nào nó xuất hiện. Nếu tuyên bố về thông lượng được tái lập ở mức gần 1.068 token mỗi giây dưới một khung kiểm thử trung lập và chất lượng đạt tới đẳng cấp Haiku mà Inception đang tuyên bố, thì đây không còn là cuộc so kè nữa mà trở thành câu hỏi di chuyển đối với mọi sản phẩm bị ràng buộc bởi độ trễ trên web. Nếu nó chỉ đạt mức sụt giảm thông thường khi chuyển từ nhà cung cấp sang đánh giá độc lập và chất lượng chỉ ở mức cạnh tranh, thì bản tóm tắt trung thực chính là bản ở trên: một mô hình nhanh, rẻ, chưa được chứng minh đối đầu với một mô hình chậm hơn, rẻ, đã được chứng minh — và với hầu hết các đội, bên đã được chứng minh là bên được đưa vào lộ trình sản xuất cho đến khi bên kia có một con số.