Mercury 3 so với Mistral Large 4: Hai mô hình chưa hoàn thiện và những lời hứa đi kèm với mỗi mô hình

Không mô hình nào trong hai mô hình này đã hoàn thiện, và cách chúng chưa hoàn thiện thì trái ngược nhau. Mercury 3 được Inception Labs phát hành ngày 19 tháng 10 năm 2026 dưới dạng sản phẩm thương mại với giá 0,20 đô la cho mỗi triệu token đầu vào và 0,70 đô la cho mỗi triệu token đầu ra, và nó không có bất kỳ đánh giá độc lập nào — không có điểm Artificial Analysis, không có bộ kiểm thử bên thứ ba, không có gì cả. Mistral Large 4 được Mistral công bố ngày 6 tháng 10 năm 2026 dưới dạng bản xem trước công khai với giá 1,36 và 4,18 đô la cho mỗi triệu token, và nó có điểm độc lập là 38 trên Chỉ số Trí tuệ Artificial Analysis cùng chi phí đo được là 1,13 đô la cho mỗi tác vụ chỉ số, nhưng trọng số của nó — thứ mà Mistral hứa sẽ phát hành "trước cuối tháng" — vẫn chưa được công bố trên Hugging Face vào thời điểm bài viết này, và chính đợt chạy học tăng cường của bản xem trước vẫn đang diễn ra khi công bố. Những sự cố AI và sự kiện liên quan đến tác nhân đã được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong Kho lưu trữ Sự cố AI OrcaRouter nơi mỗi mục đều có nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.

Vậy nên phép so sánh là giữa một mô hình mà mọi con số đều do nhà cung cấp báo cáo và một mô hình mà không phải tất cả con số đều là số liệu cuối cùng. Chúng còn nằm ở các nhóm sản phẩm khác nhau: Mercury 3 là mô hình ngôn ngữ khuếch tán chỉ xử lý văn bản với ngữ cảnh một triệu token và tuyên bố thông lượng 1.068 token mỗi giây, trong khi Mistral Large 4 là mô hình hỗn hợp chuyên gia 1 nghìn tỷ tham số, đa phương thức gốc, với 52 tỷ tham số hoạt động, được huấn luyện trên 3.800 GPU NVIDIA Grace Blackwell trong các trung tâm dữ liệu tại Pháp và được định vị rõ ràng xoay quanh chủ quyền AI châu Âu. Nếu khối lượng công việc của bạn là văn bản và ràng buộc của bạn là chi phí, thì khác biệt đó mang tính quyết định trước khi tham khảo bất kỳ điểm chuẩn nào. Nếu không, hai mô hình hầu như không cạnh tranh với nhau.

Mercury 3, và điều cụ thể còn thiếu

Mô hình của Inception là thế hệ thứ ba trong canh bạc giải mã song song của hãng. Thay vì một token mỗi lượt lan truyền xuôi, Mercury khử nhiễu một khối vị trí rồi chốt chúng cùng nhau, và đó là nguồn gốc của tốc độ hơn 1.000 token mỗi giây. Theo Inception, Mercury 3 có tổng số tham số gấp hơn 40 lần Mercury 1, với cửa sổ ngữ cảnh tăng từ 260.000 lên 1.000.000 token và giới hạn đầu ra 131.072 token, đồng thời chạy ở tốc độ 1.068 token mỗi giây trên phần cứng NVIDIA không được nêu rõ.

Điều còn thiếu là bất kỳ phép đo nào mà Inception không thực hiện. Kết quả chất lượng có cấu trúc duy nhất trong thông báo là một bài kiểm tra agent trên trang web đang hoạt động: 50 tác vụ điều hướng Mind2Web trên các trang web thật bên trong chính harness sản xuất của Inception, trong đó Mercury 3 hoàn thành 50% — 25 tác vụ — mà Inception nói là "nhiều hơn đáng kể so với GPT-6.1-Sol" ở cùng khối lượng token và số bước. Điều đó thú vị hơn một bảng benchmark vì các trang web đang hoạt động, và kém đáng tin cậy hơn vì cùng lý do một bản demo của nhà cung cấp luôn như vậy: Inception đã chọn harness, các mục tiêu và cách chấm điểm. Không có trang Artificial Analysis nào cho Mercury 3 tính đến ngày 20 tháng 10 năm 2026, nên không có con số thông lượng trung lập, không có chi phí trung lập trên mỗi tác vụ và không có đường cong recall trung lập cho cửa sổ một triệu token đó.

Hệ quả là cụ thể chứ không phải triết lý. Một ngữ cảnh một triệu token với đường cong khả năng nhớ lại chưa được đo lường là một tuyên bố về dung lượng: các token vừa khít, và chưa ai xác lập được mô hình thực sự dùng bao nhiêu trong số đó. Mercury 2.5 đạt 12 điểm trên Artificial Analysis Intelligence Index, điều này cho bạn biết thế hệ trước đứng ở đâu và không nói gì về thế hệ này.

Mistral Large 4, và điều cụ thể còn dang dở

Mô hình của Mistral là một câu chuyện hoàn toàn khác, và thông báo đặc biệt cụ thể về nó. Đây là một mô hình đa phương thức gốc với 1 nghìn tỷ tham số và 52 tỷ tham số hoạt động — hỗn hợp chuyên gia thưa, vì vậy phần lớn trong một nghìn tỷ tham số không xử lý bất kỳ token cụ thể nào. Nó xử lý tài liệu, biểu đồ, hình ảnh tự nhiên, bản vẽ kỹ thuật và hình ảnh vệ tinh gigapixel, và nó được huấn luyện trên dữ liệu trải rộng hơn 160 ngôn ngữ, bao gồm mọi ngôn ngữ chính thức của EU.

• Lập trình — 61,7% trên DeepSWE v1.1, 59,4% trên SWE-Atlas-QnA, 28,3% trên Terminal-Bench 4, cho Chỉ số Tác nhân Lập trình tổng hợp là 49,8%. Tất cả do Mistral báo cáo.

• Agent và an ninh mạng — 59,9% trên AutomationBench, 1.393 Elo trên AA-Briefcase, 82% trên một bài kiểm tra tái tạo và vá lỗ hổng thực tế mà Mistral nói rằng dẫn đầu mọi mô hình, 93% trên Cybench, và 93,3% khả năng chống tấn công trên B3 của Lakera.

• Thị giác — 42% trên Dense 200 về visual grounding, nhỉnh hơn một chút so với 41% của GPT-6 Astra.

• Đánh giá của con người — 3,74 trên 5 trong bài đánh giá lập trình mù của Surge AI, đứng thứ hai trong số năm mô hình, sau Claude Opus 5 với 4,22. Một bên thứ ba đã thực hiện nghiên cứu; Mistral đã đặt hàng và công bố nó.

• Tổng hợp độc lập — 38 trên Artificial Analysis Intelligence Index, xếp thứ 66 trong số 217, với $1,13 mỗi tác vụ chỉ mục, 67,5 token đầu ra mỗi giây và thời gian đến token đầu tiên là 1,65 giây.

• Trạng thái — bản xem trước, trọng số được cam kết vào cuối tháng 10 năm 2026, quá trình chạy RL vẫn đang diễn ra tại thời điểm công bố.

Việc phân loại này đáng để cẩn trọng. Tài liệu của chính Mistral liệt kê thế hệ v26.10 là “Open” và có trọng số mở; trang Artificial Analysis, đọc vào ngày 20 tháng 10, vẫn ghi là “proprietary” và “trọng số mô hình không được công khai”. Cả hai đều đúng ở những thời điểm khác nhau: giấy phép là ý định, còn trọng số thì chưa có trên đĩa. Bất kỳ ai xây dựng một triển khai dựa trên giả định rằng Mistral Large 4 sẽ có thể tải xuống vào tháng 11 nên lưu ý rằng lời hứa đã có ngày nhưng chưa có kho lưu trữ.

Hai bảng giá, và con số khiến khoảng cách trông nhỏ hơn so với bề ngoài.

Trên giấy tờ, Mercury 3 rẻ hơn đáng kể: 0,70 USD mỗi triệu đầu ra so với 4,18 USD, và 0,20 USD đầu vào so với 1,36 USD. Đó là khoảng cách gấp 6 lần theo giá niêm yết, hoặc gấp 12 lần trong giai đoạn ra mắt của Mercury ở mức 0,10 USD và 0,35 USD, với mức giá khuyến mãi của chính Mistral ở 0,68 USD và 2,09 USD thu hẹp khoảng cách xuống còn khoảng 6 lần.

Con số tính trên mỗi câu trả lời là chỗ nó tiếp tục được nén lại, và đây là con số duy nhất trong bài viết này được đo bởi một bên khác ngoài nhà cung cấp đang bán mô hình. Artificial Analysis định giá Mistral Large 4 Preview ở mức $1.13 cho mỗi tác vụ Intelligence Index. Mercury 3 không có con số tương đương, nên cách duy nhất để dựng ra một con số là giả định một khối lượng token — và các so sánh Mercury trước đó đã cho thấy vì sao giả định đó lại quan trọng: một mô hình tiêu 31.000 token đầu ra trong khi mô hình khác tiêu 193.000 token có thể đắt hơn gấp 20 lần trên mỗi token mà vẫn rẻ hơn trên mỗi câu trả lời. Ở mức $0.70 mỗi triệu token, Mercury 3 sẽ cần khoảng 1,6 triệu token đầu ra để tốn $1.13 cho một tác vụ duy nhất. Nó sẽ không tiêu chừng đó. Ở bất kỳ khối lượng thực tế nào, nó đều nằm xa dưới $1.13, và đó chính là phần cốt lõi trung thực trong lập luận của nó: lợi thế trên mỗi token vẫn sống sót qua phép hiệu chỉnh trên mỗi câu trả lời ở đây theo cách mà nó đã không làm được khi đối đầu với GPT-6 Sol.

• Bối cảnh — Mercury 3: 1.000.000 token theo tài liệu của Inception. Mistral Large 4: 1.000.000 theo danh mục mô hình của Mistral, so với 524.288 trên cấu hình đã thử nghiệm của Artificial Analysis.

• Đa phương thức — Mercury 3: văn bản vào, văn bản ra, không có hình ảnh dù với bất kỳ giá nào. Mistral Large 4: tài liệu, biểu đồ, ảnh chụp, bản vẽ kỹ thuật, ảnh vệ tinh.

• Tốc độ — Mercury 3: 1.068 token mỗi giây, do nhà cung cấp đo. Mistral Large 4: 67,5 token mỗi giây theo Artificial Analysis, với thời gian đến token đầu tiên là 1,65 giây, thực sự nhanh đối với một mô hình cỡ này.

• Trọng số — Mercury 3: không có trọng số nào được công bố và tổ chức Hugging Face của Inception không có kho lưu trữ mô hình nào. Mistral Large 4: được hứa công bố trước cuối tháng 10, vẫn chưa được phát hành.

• Quản trị — Mercury 3: không có tuyên bố công khai về dữ liệu huấn luyện hoặc triển khai tại EU. Mistral Large 4: được huấn luyện tại các trung tâm dữ liệu châu Âu, triển khai do châu Âu vận hành, tất cả ngôn ngữ chính thức của EU.

Dòng về ngữ cảnh dài là dòng cần đọc hai lần. Tài liệu của Mistral liệt kê một triệu token; Artificial Analysis đã kiểm thử ở mức 524.288. Đó không phải là mâu thuẫn — các nhà cung cấp kiểm thử ở bất kỳ lũy thừa hai nào mà bộ khung kiểm thử của họ hỗ trợ — nhưng đó là lời nhắc rằng một con số ngữ cảnh là mức tối đa, không phải năng lực đã được kiểm thử, và khả năng nhớ lại ngữ cảnh dài của Mistral Large 4 cũng chưa được công bố ở cửa sổ đầy đủ.

Nơi lập luận châu Âu thực sự có sức nặng

{{1}}Bài chào hàng về chủ quyền{{/1}} không phải là điểm trang trí cho mô hình này; đó là lý do một số người mua sẽ chọn nó thay vì một thứ rẻ hơn và tốt hơn. Được huấn luyện trên {{2}}GPU Blackwell trong các trung tâm dữ liệu tại Pháp{{/2}}, vận hành từ châu Âu, đa ngôn ngữ trên tất cả các ngôn ngữ chính thức của EU — đối với một người mua thuộc khu vực công hoặc một doanh nghiệp châu Âu chịu quản lý, sự kết hợp đó có thể quan trọng hơn mười hai điểm chỉ số trí tuệ, bởi vì giải pháp thay thế có thể hoàn toàn không mua được.

Mercury 3 không cung cấp bất kỳ điều nào trong số đó. Inception chưa công bố bất cứ điều gì về nơi mô hình chạy, dữ liệu nào được dùng để huấn luyện mô hình, hoặc các điều khoản lưu trữ nào được áp dụng, ngoài việc lưu ý rằng khách hàng doanh nghiệp có thể mua năng lực chuyên dụng, tự động mở rộng quy mô, kiểm soát tuân thủ và khả năng cấu hình thời gian lưu trữ. Đó là những thứ đúng đắn để bán cho một doanh nghiệp, và chúng không đồng nghĩa với một quan điểm xử lý dữ liệu được công bố.

Còn một điểm vướng mắc nữa trong câu chuyện châu Âu đáng được nêu ra hơn là giải quyết: lời hứa về trọng số mở. Nếu Mistral công bố trọng số vào cuối tháng 10, người mua châu Âu sẽ có được thứ mà chưa phòng thí nghiệm Mỹ nào hiện cung cấp ở quy mô này — một mô hình đa phương thức gần mức tiên phong có thể chạy bên trong vành đai của chính họ, trên phần cứng của chính họ, mà không có nhà cung cấp nào nằm trên đường đi của yêu cầu. Đó là một sản phẩm khác biệt về bản chất so với một API xem trước, và đó là lý do kho lưu trữ bị thiếu lại quan trọng hơn các điểm benchmark bị thiếu.

Cả hai mẫu này đều không còn trong danh mục của chúng tôi, điều này làm thay đổi khuyến nghị.

Mercury 3 không có trong danh mục của OrcaRouter, và Mistral Large 4 cũng vậy — API mô hình của chúng tôi không trả về gì cho cả hai, với mọi biến thể slug mà chúng tôi đã thử. Điều đó đủ bất thường để nói thẳng, bởi vì nó có nghĩa là so sánh này không thể kết thúc bằng “đặt cả hai trên một khóa”. Bất kỳ ai gọi một trong hai mô hình đều sẽ đến trực tiếp nhà cung cấp, hoặc đến một trong nhiều nền tảng bên thứ ba lưu trữ nó.

Điều mà một lớp định tuyến vẫn làm trong tình huống đó là phần không đòi hỏi phải tự vận hành mô hình: nó giữ các mô hình mà chúng ta định tuyến phía sau một điểm cuối tương thích OpenAI duy nhất, và nó cho phép bạn diễn đạt một quy tắc về việc lưu lượng nào đi đâu. Nếu trọng số của Mistral xuất hiện vào cuối tháng Mười, kiến trúc đáng quan tâm không phải là "dùng Mistral Large 4 cho mọi thứ" — mà là một đường dẫn Mistral tự vận hành cho những tài liệu không thể rời khỏi vành đai của bạn, một mô hình biên được định tuyến cho công việc có thể rời đi, và một quy tắc quyết định giữa chúng. Cùng quy tắc đó xử lý Mercury 3 nếu Inception tung nó ra ở nơi chúng ta có thể tiếp cận, và nó xử lý trường hợp giá khuyến mại của bất kỳ nhà cung cấp nào kết thúc, mà với Mercury 3 thì chưa có ngày được công bố.

Ai nên chọn cái nào, và điều gì sẽ làm thay đổi câu trả lời

Chọn Mercury 3 nếu công việc là văn bản, khối lượng lớn và việc xác minh câu trả lời tốn ít chi phí. Bảng giá rẻ hơn Mistral Large 4 từ sáu đến mười hai lần tùy theo mức giá đang áp dụng, cửa sổ ngữ cảnh có cùng kích thước công bố, và việc không có điểm trung lập là rủi ro mà bạn có thể đo bằng tỷ lệ lỗi của chính mình trong vòng một ngày. Điều bạn đánh đổi là mọi dạng đầu vào không phải văn bản, cùng khả năng kiểm toán hành vi của mô hình trước khi triển khai nó.

{{1}}Hãy chọn Mistral Large 4{{/1}} nếu đầu vào bao gồm hình ảnh, bản vẽ hoặc bản quét; nếu bộ phận mua sắm yêu cầu huấn luyện và vận hành tại châu Âu; nếu thời gian đến token đầu tiên là 1,65 giây quan trọng hơn thông lượng thô; hoặc nếu lời hứa về trọng số mở chính là lý do thực sự khiến bạn quan tâm, trong trường hợp đó hãy chờ kho lưu trữ thay vì thông báo. {{2}}Điều bạn phải đánh đổi là giá cao gấp sáu lần và mọi tuyên bố về việc là thứ nhanh nhất hiện có.{{/2}}

Hai mốc thời gian sẽ giải quyết phần lớn các câu hỏi còn bỏ ngỏ trong bài viết này. Mốc thứ nhất là cuối tháng Mười, khi Mistral hoặc công bố trọng số hoặc không. Mốc thứ hai là bất cứ khi nào Artificial Analysis chạy Mercury 3, điều sẽ thay thế mọi con số từ nhà cung cấp trong phần đầu bằng một con số đo được. Cả hai mốc đều chưa được công bố. Cho đến khi chúng đến, bản tóm tắt có thể bảo vệ được là Mercury 3 là công cụ văn bản rẻ hơn và Mistral Large 4 là sản phẩm hoàn thiện hơn, và rằng cả hai đang được bán dựa trên những tuyên bố mà người mua hiện tại phải tin mà không có bằng chứng.