Mercury 3 vs Qwen 4 Max: Một trong những mô hình này vẫn chưa tồn tại

Mercury 3 đã có thể gọi được kể từ ngày 19 tháng 10 năm 2026: một mô hình khuếch tán đóng từ Inception với ngữ cảnh 1M token, 131.072 token đầu ra và bảng giá $0,20/$0,70. Q​wen 4 Max đã có thể gọi được trong 0 ngày, vì nó chưa được phát hành. A​libaba đã công bố tên này trên sân khấu tại Hội nghị Apsara ở Hàng Châu vào ngày 22 tháng 9 năm 2026, cùng với Q​wen 4 Flash, Q​wen 4 Plus và Q​wen 4 27B, mô tả dòng sản phẩm này là đang huấn luyện trên một kiến trúc thế hệ mới và nói rằng nó sẽ ra mắt sớm. Tính đến ngày 20 tháng 10, không có thẻ mô hình, không có mã định danh API, không có cửa sổ ngữ cảnh, không có giá, không có giấy phép và không có điểm chuẩn nào cho bất kỳ hạng nào của Q​wen 4. Vì vậy đây không phải là một bài viết so sánh mô hình theo nghĩa thông thường. Đây là một bài viết về những gì bạn thực sự có thể mua ngày hôm nay, một thông báo trên sân khấu đáng giá bao nhiêu, và tại sao lựa chọn thay thế thực sự cho Mercury 3 ở phía Q​wen lại là Qwen3.8-Max chứ không phải mô hình trong tiêu đề. Những sự cố AI và sự cố tác nhân được ghi nhận đằng sau các bản phát hành như thế này được tập hợp trong Kho lưu trữ Sự cố AI OrcaRouter nơi mỗi mục có nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.

Điều gì thực sự đang được so sánh?

Hai loại đối tượng khác nhau. Mercury 3 là một sản phẩm đã được phát hành, có bảng giá được công bố, phạm vi vận hành đã được tài liệu hóa và một bài đăng ra mắt của nhà cung cấp đưa ra những tuyên bố số liệu cụ thể. Q​wen 4 Max là tên một hạng mục gắn với một lộ trình phát triển. Mọi dữ kiện trong cột Q​wen bên dưới đều là dữ kiện về thông báo, không phải về mô hình:

• Ngày phát hành — Mercury 3: 19 tháng 10 năm 2026 so với Q​wen 4 Max: chưa có thông báo; dòng sản phẩm được mô tả là "đang huấn luyện"

• Cửa sổ ngữ cảnh — 1.000.000 token so với chưa công bố

• Đầu ra tối đa — 131,072 token so với chưa công bố

• Giá — $0.20 cho 1M đầu vào và $0.70 cho 1M đầu ra, với mức giảm giá ra mắt 50% so với giá chưa công bố, tính bằng bất kỳ loại tiền tệ nào

• Phương thức — chỉ văn bản so với chưa công bố; cách định khung của Apsara nhấn mạnh công việc mang tính tác nhân và sử dụng công cụ

• Trọng số — đóng so với chưa công bố; mức 27B trong cùng dòng là bản từng được phát hành mở.

• Thông lượng — 1.068 token mỗi giây, do nhà cung cấp báo cáo so với chưa được công bố

• Điểm benchmark độc lập — chưa có cho Mercury 3 so với không thể có cho Q​wen 4 Max

• Số lượng tham số — không được tiết lộ, "hơn 40× Mercury 1" so với chưa được công bố; con số 5 đến 10 nghìn tỷ đang được lưu truyền thuộc về lộ trình Q​wen 4.5 và Q​wen 5, không phải Q​wen 4 Max

• Những gì bạn có thể làm với nó ngay hôm nay — gọi nó qua API của Inception so với không có gì

Dòng cuối cùng đó là phép so sánh. Chín trong mười dòng ở trên là “chưa công bố”, và một bảng thông số kỹ thuật mà trống đến chín phần mười thì không phải là bảng thông số kỹ thuật, mà là một thông cáo báo chí được định dạng theo cột.

Một thông báo hội nghị đáng giá bao nhiêu

Dòng Qwen của Alibaba có thành tích đáng để xem trọng, đó là lý do thông báo này được đưa tin. Thế hệ 3.8 đã tung ra mẫu flagship 2,4 nghìn tỷ tham số với giá 2,00/6,00 USD, công bố trọng số cho phân khúc 27B và phát hành các phiên bản phụ theo nhịp hàng tháng — Qwen3.8-Max chính thức ra mắt (GA) vào ngày 3 tháng 8 năm 2026, với bản làm mới (0902) vào ngày 2 tháng 9, bản phát hành trọng số mở 27B vào ngày 14 tháng 8 và một mô hình Flash-Next vào ngày 26 tháng 8. Đó là một phòng thí nghiệm thực sự phát hành sản phẩm, đúng lịch trình, kèm trọng số.

Đây cũng là một phòng thí nghiệm công bố trước khi phát hành. Dòng Qwen 4 đã được giới thiệu vào ngày 22 tháng 9 mà không gắn ngày nào cho bất kỳ hạng nào trong bốn hạng, và bốn tuần kể từ đó đã không tạo ra model card nào, không có repository, không có checkpoint Hugging Face và không có mục nào trên các bảng xếp hạng độc lập. Giả định lập kế hoạch thực tế không phải là "Qwen 4 Max sẽ đến vào tháng sau" mà là "Qwen 4 Max sẽ đến khi một model card xuất hiện", tức là một ngày không thể xác định và do đó không phải là một ngày mà bạn có thể xây dựng kế hoạch di chuyển quanh đó.

Điều mà một thông báo lộ trình thực sự có ích là cho một kiểu quyết định khác. Nếu hôm nay bạn đang chọn giữa các nhà cung cấp, thông báo này cho bạn biết A​libaba có ý định tiếp tục cạnh tranh ở phân khúc hàng đầu, và đó là lý do để ở lại với thế hệ hiện tại của họ thay vì rời khỏi dòng sản phẩm. Nếu bạn đang chọn một mô hình để triển khai trong quý này, nó không cho bạn biết bất cứ điều gì bạn có thể hành động dựa vào.

Con số 5 nghìn tỷ đến 10 nghìn tỷ tham số xuất hiện cùng các bài đưa tin về Qwen 4 cần được đính chính cụ thể, vì nó sẽ tiếp tục lan truyền. Đó là một tuyên bố hướng tới tương lai về các thế hệ sau Qwen 4 — giai đoạn Qwen 4.5 và Qwen 5 — và Alibaba chưa gắn bất kỳ số lượng tham số nào cho Qwen 4 Max. Một tuyên bố về kích thước thuộc đẳng cấp Qwen 5 được ghi ngay cạnh tên mô hình Qwen 4 là một lỗi phạm trù có chu kỳ bán rã dài.

Q​wen mà bạn thực sự có thể gọi

Nếu câu hỏi đằng sau tìm kiếm là "tôi nên dùng Mercury 3 hay mô hình chủ lực của A​libaba", thì mô hình chủ lực của A​libaba là Qwen3.8-Max và nó có thành tích thực tế. Do đó, phép so sánh quan trọng là Mercury 3 so với mô hình thực sự tồn tại:

• Ra mắt — Mercury 3 ngày 19 tháng 10 năm 2026 so với Qwen3.8-Max ngày 3 tháng 8 năm 2026, cập nhật ngày 2 tháng 9

• Ngữ cảnh — 1,000,000 token so với 983,616 token như được Artificial Analysis ghi nhận; nhà cung cấp công bố mức cố định 1M

• Giá — $0.20/$0.70 theo giá niêm yết, $0.10/$0.35 trong giai đoạn ra mắt so với $2.00/$6.00, với đầu vào đã lưu trong bộ nhớ đệm ở mức $0.25

• Đầu vào được lưu trong bộ nhớ đệm — $0.02 ($0.01 khi ra mắt) so với $0.25; Mercury 3 rẻ hơn một bậc về chi phí đọc bộ nhớ đệm

• Chỉ số Trí tuệ Độc lập — không có mục nhập so với 45.4

• Chi phí mỗi tác vụ lập chỉ mục — không được đo lường so với $5.41

• Terminal-Bench 2.1 — không được đo so với 0.8876, mức cao nhất trong lô này

• AA-LCR suy luận ngữ cảnh dài — không được đo so với 0.8033

• GDPval-AA — không được đo so với Elo 1665.58

• AA-Omniscience — không được đo so với 12.0

• Trọng số — đóng so với đóng đối với hạng Max; hạng 27B của cùng thế hệ là mở

Cấu trúc của phép so sánh đó đã quen thuộc từ phần còn lại của loạt bài này và đáng được nêu thẳng thắn, không úp mở: Mercury 3 có giá đầu vào bằng khoảng một phần mười và giá đầu ra bằng một phần mười hai so với Qwen3.8-Max, với cửa sổ ngữ cảnh lớn hơn đôi chút và không có điểm số độc lập. Qwen3.8-Max là mô hình được đo, và các số đo của nó tốt ở những nơi có số liệu — 0,8876 trên Terminal-Bench 2.1 là mức cao nhất trong bộ năm bài viết này — nhưng mức chi phí 5,41 đô-la cho mỗi tác vụ lập chỉ mục hoàn thành của nó cũng là cao nhất, và đó chính là con số quyết định liệu năng lực này có chi trả nổi khi triển khai ở quy mô lớn hay không.

Đó chính là quyết định thực tế mà một độc giả của trang này đang đối mặt hôm nay. Không phải Mercury 3 so với một mô hình Q​wen 4 không tồn tại, mà là Mercury 3 so với mô hình Q​wen mà A​libaba sẽ bán cho bạn, với thông báo Q​wen 4 như một lý do để theo dõi dòng mô hình này chứ không phải lý do để chờ đợi nó.

Cách giữ chỗ cho Q​wen 4 Max mà không cần đặt cược vào nó

Lập trường hợp lý cho một đội ngũ kỳ vọng Qwen 4 Max sẽ có tầm quan trọng là giữ cho phương án này ở mức rẻ. Ba điều khiến điều đó khả thi, và không điều nào trong số đó đòi hỏi phải chờ đợi.

Đầu tiên, hãy viết việc lựa chọn mô hình dưới dạng cấu hình thay vì mã. Mercury 3 và Qwen3.8-Max đều được truy cập qua các API tương thích OpenAI, vì vậy một stack phân giải mã định danh mô hình tại thời điểm yêu cầu có thể áp dụng một hạng Qwen 4 vào ngày thẻ mô hình xuất hiện mà không cần triển khai. Đây chính là kỷ luật tương tự khiến thông báo ngừng hỗ trợ của nhà cung cấp trở thành một thay đổi cấu hình thay vì một sự cố, và Inception vừa chứng minh những thông báo đó đến nhanh đến mức nào: Mercury 2 và Mercury 2.5 ngừng cung cấp cho người dùng mới kể từ ngày 19 tháng 10, với quyền truy cập hiện có kết thúc vào ngày 15 tháng 11.

Thứ hai, hãy đo điểm chuẩn cho khối lượng công việc, chứ không phải cho mô hình. Những tuyên bố của nhà cung cấp về Mercury 3 là một kết quả Mind2Web 50 tác vụ trong bộ khung đánh giá của chính họ và các trích dẫn lời chứng thực từ bốn đối tác. Những điều đó cho bạn biết mô hình nhanh trong công việc giống môi trường sản xuất; chúng không cho bạn biết nó xử lý tài liệu của bạn thế nào. Ba mươi trường hợp đánh giá của chính bạn, chạy với Mercury 3 và Qwen3.8-Max trên cùng các lời nhắc, sẽ cung cấp nhiều thông tin hơn mọi bảng ra mắt được công bố trong tháng này.

Thứ ba, hãy giữ mô hình được đo trên luồng không thể thất bại. OrcaRouter cung cấp qwen/qwen3.8-max với giá niêm yết của A​libaba, mức cộng thêm 0% và tự động chuyển đổi dự phòng trên hơn 200 mô hình chỉ với một khóa, vì vậy phía giải pháp hiện hữu trong phép so sánh là một bảng định tuyến chứ không phải một hợp đồng mới. Mercury 3 không nằm trên router — nó được phục vụ qua API riêng của Inception và một số nền tảng bên thứ ba — nghĩa là một thử nghiệm trung thực sẽ đặt nó trên một phần lưu lượng phía sau API của nhà cung cấp trong khi mô hình được đo vẫn giữ luồng sản xuất. Nếu Q​wen 4 Max được đưa vào router sau này, nó sẽ nằm gọn trong cùng chính sách mà không cần tích hợp lần hai.

Câu hỏi cần đặt ra trước thông báo tiếp theo

Mỗi năm sinh ra một vài tên mô hình được tìm kiếm suốt nhiều tháng trước khi có một mô hình thực sự đằng sau chúng, và cái giá của khoảng trống đó do các nhóm lập kế hoạch dựa trên thông báo phải trả. Thói quen hữu ích là một phép thử một dòng: tôi có thể gọi nó không, và có giá không? Mercury 3 hôm nay đạt cả hai. Qwen 4 Max không đạt cả hai, và sẽ không đạt cho đến khi Alibaba công bố model card.

Cần xem gì, cụ thể là: checkpoint Q​wen 4 27B thay vì bảng benchmark của hạng Max, vì 27B là hạng mà trước đây vẫn được phát hành mở và giấy phép cùng kích thước của nó sẽ cho bạn biết cam kết về trọng số mở của thế hệ này nghiêm túc đến đâu. Sau đó là bảng giá của hạng Max, vì một mẫu flagship Q​wen định giá thấp hơn $2.00/$6.00 sẽ thay đổi lập luận về khả năng chi trả trong so sánh này chứ không phải lập luận về năng lực. Và ở phía Mercury, điểm số độc lập đầu tiên — thành viên duy nhất trong dòng được đo, Mercury 2.5, đạt 12.3 trên Intelligence Index, nên phong độ chất lượng của mẫu flagship hoàn toàn chỉ là tuyên bố của nhà cung cấp cho đến khi bảng xếp hạng đưa ra đánh giá.

Cho đến lúc đó, phép so sánh là giữa một mô hình bạn có thể thuê ngay chiều nay với mức giá khiến chi phí cho mỗi yêu cầu trở nên không đáng kể và một mô hình chỉ tồn tại trong một hội trường hội nghị ở Hàng Châu. Một trong số đó là một quyết định. Cái còn lại là một mục trong lịch.