Mercury 3 so với Qwen3.8-Max: Token rẻ và câu trả lời đắt đỏ

Qwen3.8-Max và Mercury 3 là hai cực của một cuộc tranh luận về giá mà hầu hết các so sánh mô hình đều hiểu ngược. Trên bảng giá, Mercury 3 có giá $0.10 cho mỗi triệu token đầu vào và $0.35 cho mỗi triệu token đầu ra trong giai đoạn ra mắt, so với $2.00 và $6.00 của Qwen3.8-Max. Điều đó trông giống như mức chiết khấu gấp mười bảy lần cho phần tạo đầu ra. Sau đó, Artificial Analysis đo chi phí thực tế mà mỗi mô hình bỏ ra để hoàn thành một tác vụ, và Qwen3.8-Max có chi phí $5.41 cho một lần đánh giá Intelligence Index trong khi giá trên mỗi token của nó ở mức vừa phải — vì nó đã tạo ra 190 triệu token để đạt được kết quả đó, so với mức trung vị là 85 triệu. Mercury 3, được Inception Labs phát hành ngày 19 tháng 10 năm 2026, không có phép đo tương đương nào cả. Các sự cố AI và sự cố agent được ghi chép đằng sau những bản phát hành như thế này được tập hợp trong the OrcaRouter AI Incident Archive trong đó mỗi mục đều có nguồn riêng, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp.

Vậy câu hỏi hữu ích không phải là mô hình nào rẻ hơn trên mỗi token. Mà là mô hình nào rẻ hơn trên mỗi công việc hoàn thành, và trang ra mắt của cả hai nhà cung cấp đều không trả lời được điều đó. Dưới đây là những gì bằng chứng thực sự ủng hộ, và những gì bạn phải tự đo lường.

Qwen3.8-Max là gì, ở phiên bản mà bạn thực sự sẽ gọi

Qwen3.8-Max là mô hình chủ lực của Alibaba: một mô hình hỗn hợp các chuyên gia thưa với tổng cộng 2,4 nghìn tỷ tham số và 95 tỷ tham số hoạt động trên mỗi token, đa phương thức gốc — nhận văn bản, hình ảnh và video, xuất ra văn bản — với ngữ cảnh 1 triệu token trên API được lưu trữ và giới hạn đầu ra 131.072 token. Mô hình đã được cung cấp rộng rãi từ ngày 3 tháng 8 năm 2026, và hồ sơ độc lập không còn mỏng nữa.

• Chỉ số Trí tuệ — 45 trên Artificial Analysis Index v4.3.2, được xếp thứ 33 trong số 217 mô hình trên ảnh chụp nhanh hiện tại của trang.

• Tốc độ đầu ra — 39,6 token mỗi giây, xếp thứ 183 trên 186. Phần tóm tắt của chính trang gọi nó là "chậm đáng chú ý".

• Chi phí mỗi tác vụ lập chỉ mục — $5.41, thuộc nhóm tứ phân đắt nhất trong số các mô hình mà nó liệt kê.

• Độ dài dòng — 190M token đầu ra trong toàn bộ lượt chạy chỉ mục, được mô tả là "rất dài dòng" so với mức trung vị 85M.

• Bối cảnh — được đo ở mức 984k trên endpoint, đây là mức trần thực tế của con số một triệu được công bố chứ không phải một thông số kỹ thuật khác.

Sự kết hợp đó là nhất quán nội tại và đáng được nói rõ ràng: Qwen3.8-Max là một mô hình lý luận mạnh, chậm và nói nhiều. Nó giỏi ở việc mà nó được định giá để làm, và đắt ở phần biên vì nó cần nhiều bước để làm việc đó. Mức $5.41 mỗi tác vụ không phải là lỗi định giá. Đó là hành vi của mô hình hiện lên trên hóa đơn.

Lưu ý về các phiên bản, vì điều này sẽ khiến bất kỳ ai so sánh các trang phải trả giá. Các phép đo độc lập ở trên được thực hiện dựa trên ảnh chụp nhanh ngày 2 tháng 9, được liệt kê là "Qwen3.8 Max (0902)". A​libaba cũng cung cấp một endpoint qwen/qwen3.8-max không ghi ngày với cùng mức $2/$6 và mức $0.25 cho đầu vào được lưu trong bộ nhớ đệm; cả hai đều có trong danh mục của chúng tôi, và việc ghim ảnh chụp nhanh có ghi ngày là lựa chọn đúng đắn cho bất kỳ nội dung nào bạn định tái tạo.

Mercury 3 mang lại cho bạn những gì và những gì nó giữ lại

Mô hình của Inception là mô hình ngôn ngữ khuếch tán sinh token song song, và mọi con số trong bài đăng ra mắt đều nói về tốc độ, kích thước hoặc giá cả chứ không phải chất lượng.

• Thông lượng — 1,068 token mỗi giây, được quy cho "NVIDIA GPUs" mà không nêu phần cứng nào, không có kích thước lô và không nói rõ mức nào trong bốn mức cài đặt nỗ lực suy luận đã tạo ra con số đó.

• Ngữ cảnh — 1M token, tăng từ 260K trên Mercury 2.5, với giới hạn đầu ra 131.072 token.

• Giá — $0.20 cho đầu vào và $0.70 cho đầu ra mỗi triệu theo giá niêm yết, giảm một nửa xuống $0.10 và $0.35 trong thời gian ra mắt. Đầu vào được lưu trong bộ nhớ đệm là $0.02 theo giá niêm yết, $0.01 trong thời gian ra mắt.

• Mức nỗ lực — bốn cài đặt: tức thì, thấp, trung bình, cao. Mặc định là thấp, trong khi Mercury 2.5 và Mercury 2 mặc định ở mức trung bình.

• Phương thức — văn bản vào, văn bản ra. Không có thị giác, không có âm thanh.

• Chất lượng — không có chuẩn đối sánh định lượng. Tuyên bố là nó “vượt trội hơn GPT-6 Luna và Claude Haiku 5.5”, mà không có biên độ và không nêu tên chuẩn đối sánh nào. Kết quả có cấu trúc duy nhất là tỷ lệ hoàn thành 50% trên 50 tác vụ điều hướng Mind2Web trực tiếp trong harness riêng của Inception.

Cài đặt mức nỗ lực mặc định đó chính là chi tiết dễ làm hỏng một phép so sánh nhất. Một mô hình trả lời ở mức nỗ lực thấp sẽ nhanh hơn và đạt điểm thấp hơn so với cùng mô hình đó ở mức cao, và các so sánh của chính Inception không nói rõ họ đã dùng cài đặt nào. Nếu bạn chạy benchmark Mercury 3 mà không ghim tham số này, các con số của bạn sẽ không thể so sánh với của bất kỳ ai khác — kể cả của Inception.

Bài kiểm tra một: chi phí cho mỗi công việc đã hoàn thành, không phải cho mỗi token

Hãy lấy một agent phân loại hỗ trợ xử lý 2 triệu token đầu vào và 300.000 token đầu ra mỗi ngày. Với Mercury 3 theo giá niêm yết, chi phí là $0,40 cho đầu vào và $0,21 cho đầu ra, tức $0,61 mỗi ngày. Với Qwen3.8-Max ở mức $2/$6, chi phí là $4,00 và $1,80, tức $5,80 mỗi ngày. Chênh lệch khoảng mười lần, và ở mức giá ra mắt, phía Mercury giảm xuống còn khoảng $0,31.

Now the correction that matters. Those figures assume one pass per task. Qwen3.8-Max's measured 64 steps per GDPval-AA task, against 14 for its predecessor, is the exact mechanism that turns a $6 output rate into $5.41 per evaluation. If Mercury 3 needs two attempts where Q​wen needs one, Mercury's effective cost doubles and some of the gap closes. If Mercury needs four attempts, most of it does. The cost comparison is therefore downstream of a completion-rate question that nobody has measured, which is why the token-rate table is the least useful thing on either vendor's page.

For the input side there is a lever worth knowing about. Qwen3.8-Max charges $0.25 per million cached input tokens; Mercury 3 charges $0.02, or $0.01 during launch. Agents resend the same system prompt and tool definitions on every step, so a 20,000-token preamble costs $0.0004 per call at Mercury's cached rate against $0.005 at Q​wen's. On a fifty-step run that is two cents versus twenty-five. Neither model's headline price reflects that, and for agent workloads it is the number that decides the budget.

Bài kiểm tra hai: cái giá của một mô hình chậm khi có người phải chờ đợi

Tốc độ là khía cạnh mà hai mô hình hoàn toàn không cùng một đẳng cấp, và cần nói chính xác từng phép đo có ý nghĩa gì.

1.068 token mỗi giây của Mercury là con số từ nhà cung cấp, chưa có ai tái lập độc lập. Thứ chúng ta có từ Artificial Analysis là thế hệ trước: Mercury 2.5 được đo ở khoảng 706 token mỗi giây theo bộ khung đo của chính họ, thấp hơn con số của nhà cung cấp đi kèm đợt ra mắt đó. Khoảng cách này là mức chiết khấu thông thường từ nhà cung cấp sang đo lường độc lập trong hạng mục này, không phải bằng chứng của sự thiếu thiện chí — nhưng đó là mức chiết khấu cần áp dụng trong đầu cho 1.068 cho đến khi có người tái lập được nó.

Tốc độ 39,6 token/giây của Qwen3.8-Max được đo độc lập và đi kèm một thứ hạng: 183/186. Với tốc độ đó, một câu trả lời 1.500 token mất khoảng 38 giây chỉ riêng phần sinh, trước cả giai đoạn prefill. Đối với một tác nhân chạy nền chỉ báo cáo lại, như vậy là ổn. Nhưng với bất kỳ trường hợp nào mà con người phải theo dõi con trỏ, chỉ riêng điều đó đã đủ để bị loại, bất kể chất lượng ra sao.

Đó chính là đường phân ranh mà phép so sánh này thực sự dựa vào. Tốc độ của Mercury 3 chưa được kiểm chứng nhưng có thể tin được dựa trên kiến trúc, và mức giá của nó thực sự thấp. Tốc độ của Qwen3.8-Max đã được kiểm chứng và kém, còn mức giá của nó thực sự cao. Không dữ kiện nào trong hai dữ kiện đó cho bạn biết mô hình nào viết câu trả lời tốt hơn, và với hầu hết các đội ngũ, câu hỏi về chất lượng câu trả lời là điều họ vẫn chưa thể giải quyết dứt điểm.

Bài kiểm tra thứ ba: giao cho mỗi mô hình công việc mà nó được định hình để đảm nhận

Hai mô hình này thất bại theo những hướng trái ngược nhau, khiến việc đánh giá song song trở nên giàu thông tin hơn so với một bảng xếp hạng đơn lẻ.

Give Qwen3.8-Max the long, multimodal, high-stakes end. A 400-page filing, a screen recording of a broken checkout flow, a chart that has to be read correctly. It is the only one of the two that can accept the input at all, and it has an independent score to set expectations against. Budget for the verbosity: with reasoning on, output tokens are billed at $6 per million and there will be more of them than you expect. The instruction-following gap is the thing to test first — Q​wen's own published table put IFBench as its weakest number, and the independent cost-per-task figure is a direct consequence of it exceeding scope.

Hãy giao cho Mercury 3 phần ngắn, chỉ văn bản, nhạy cảm với độ trễ, nơi một câu trả lời sai có thể bị phát hiện với chi phí thấp. Tự động hoàn thành, viết lại truy vấn, phân loại lượt đầu, một gợi ý trong luồng gia sư. Cố định cài đặt nỗ lực. Đặt ngân sách thử lại. Coi mọi tuyên bố về chất lượng là một giả thuyết, vì hiện tại nó đúng là như vậy.

Và đừng giao cho mô hình nào một công việc phụ thuộc vào thế mạnh của mô hình kia. Qwen3.8-Max không thể trở nên nhanh chỉ bằng cách hỏi một cách lịch sự; Mercury 3 không thể đọc một trang PDF. Chọn giữa chúng dựa trên vị trí tổng hợp trên bảng xếp hạng benchmark là đang chọn sai biến.

Vị trí của OrcaRouter trong vấn đề này, vốn chỉ nằm về một phía.

Qwen3.8-Max có trong danh mục của chúng tôi với mã qwen/qwen3.8-max, theo giá niêm yết của nhà cung cấp với mức cộng thêm 0% được chuyển nguyên — vì vậy nếu Alibaba thay đổi mức giá, thay đổi sẽ có hiệu lực tại đây ngay trong ngày thay vì vào kỳ thanh toán tiếp theo. Nó nằm sau cùng một endpoint tương thích OpenAI như mọi thứ khác chúng tôi cung cấp, nghĩa là một lần đánh giá chỉ là thay đổi chuỗi mô hình và một lần thử nghiệm production chỉ là một tỷ lệ lưu lượng, chứ không phải một cuộc di trú.

Mercury 3 is not on our catalogue. Our model API returns nothing for any Inception model, so the route to it is Inception's own platform, which hands new accounts 100 million free tokens. We route the Q​wen side and we do not route the Mercury side, and the asymmetry in how you reach each one follows from that rather than from a preference.

Việc sử dụng thực tế của lớp định tuyến là ở chỗ việc đánh giá có thể diễn ra mù và rẻ. Gửi một phần lưu lượng đến qwen/qwen3.8-max, giữ hệ thống hiện hành trên một phần khác, và so sánh chi phí trên mỗi tác vụ hoàn thành thay vì chi phí trên mỗi token — mà như các con số ở trên cho thấy, đây không phải cùng một phép đo và có thể chỉ về những hướng ngược nhau. Chuyển đổi dự phòng tự động giữa các nhà cung cấp nghĩa là một tuần tồi tệ ở một điểm cuối trở thành một quyết định định tuyến thay vì một sự cố, và DSL định tuyến cho phép bạn giữ tỷ lệ phân tách như một quy tắc để việc kết thúc thử nghiệm chỉ là một thay đổi cấu hình.

Điều gì sẽ giải quyết được chuyện đó, và phải làm gì cho đến lúc đó

Ba phép đo sẽ chấm dứt cuộc tranh luận này. Một trang Artificial Analysis cho Mercury 3, trang này sẽ đặt cả hai mô hình lên cùng một harness và thay một câu của nhà cung cấp bằng một con số. Một tỷ lệ hoàn thành được công bố cho Mercury 3 trên một benchmark lập trình hoặc tác tử, thứ sẽ chuyển ưu đãi token thành chi phí trên mỗi công việc. Và một phép đo độ trễ của Qwen3.8-Max dưới mức đồng thời của chính bạn, bởi vì 39,6 token mỗi giây là một con số chỉ số, không phải bảo đảm phục vụ, và một mô hình chỉ chậm trong benchmark có thể không dùng được khi chịu tải.

Cho đến khi có những thứ đó, quan điểm có thể bảo vệ được còn hẹp hơn so với hàm ý của cả hai bài đăng ra mắt. Qwen3.8-Max là một mô hình đa phương thức, chậm, đắt và đã được đo lường đầy đủ, mà bạn có thể định giá một cách tự tin và nó sẽ không làm bạn bất ngờ về các định dạng đầu vào. Mercury 3 là một mô hình chỉ văn bản, rẻ và nhanh, có chất lượng chưa rõ và con số tốc độ chưa được tái lập. Hãy mua Qwen3.8-Max cho những công việc mà bạn sẽ không đọc trước khi chúng được giao đi. Hãy thử Mercury 3 cho những công việc mà có người đang chờ và việc thử lại là miễn phí — và hãy ghim thiết lập mức nỗ lực, nếu không bạn sẽ so sánh lần chạy nỗ lực thấp của mình với mức cao của người khác.