Mercury 3 vs Step 5 Preview: Mô hình được đo lường chính là mô hình đã trở nên đắt đỏ hơn

Vào ngày 14 tháng 10 năm 2026, StepFun đã tăng gấp đôi giá đầu vào khi trúng bộ nhớ đệm của Step 5 Preview từ 0,35 lên 0,70 nhân dân tệ trên mỗi triệu token, kèm điều khoản giữ giá cũ cho những bên gọi đã sử dụng mô hình này trước đó. Năm ngày sau, Inception ra mắt Mercury 3 với mức giá bằng một nửa giá niêm yết và không nói khi nào ưu đãi kết thúc. Đặt hai sự kiện đó cạnh nhau, bạn sẽ thấy đường nét của phép so sánh này: mô hình có điểm chuẩn độc lập là mô hình bị tăng giá, còn mô hình đang được giảm giá là mô hình mà chưa ai bên ngoài phòng thí nghiệm của nó đo lường. Những lỗi AI và sự cố tác nhân đã được ghi chép đằng sau các 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, cấp độ tin cậy và cờ tranh chấp.

Sự đảo ngược đó không phải là ngẫu nhiên, và nó cũng không phải là lập luận ủng hộ bên nào. Step 5 Preview là một mô hình đã ổn định với hồ sơ công khai ngày càng dày — một bản phát hành của nhà cung cấp vào ngày 20 tháng 9 năm 2026, một điểm Intelligence Index độc lập, trọng số chính thức trên Hugging Face — và các nhà cung cấp tính giá cao hơn cho những thứ đã được biết là hoạt động hiệu quả. Mercury 3 mới ra đời được chín ngày, có công bố đạt 1.068 token mỗi giây, và không có bất kỳ điểm độc lập nào. Cái giá bạn phải trả cho mô hình rẻ là bạn chính là phép đo.

Hai bản xem trước mang ý nghĩa khác nhau

Từ "preview" nằm trong cả hai tên và đóng vai trò khác nhau ở mỗi tên. Trên Step 5 Preview, đây là nhãn của chính StepFun và là một phần của định danh API — chuỗi bạn gửi là step-5-preview, không phải step-5 — và StepFun chưa công bố ngày thay thế, không có thông báo ngừng hỗ trợ và không có cam kết ổn định nào cho chuỗi đó. Trên thực tế, mô hình đã hoạt động được một tháng, có trọng số trên Hugging Face và có bảng giá được công bố, nên "preview" đang đảm nhận ít vai trò hơn vẻ ngoài của nó.

Trên Mercury 3 hoàn toàn không có nhãn xem trước: đây là bản ra mắt chính thức với endpoint tương thích OpenAI, model ID là mercury-3, cùng bản dùng thử 100 triệu token cho tài khoản mới. Thay vào đó, Mercury 3 có ưu đãi giảm giá ra mắt, một kiểu bất ổn khác. Nhãn xem trước cảnh báo bạn rằng mô hình có thể thay đổi; ưu đãi giảm giá ra mắt cảnh báo bạn rằng giá sẽ thay đổi.

Ngày tháng đáng được xác định chính xác trước tiên. Ngày phát hành từ nhà cung cấp của Step 5 Preview là 20 tháng 9 năm 2026, lấy từ chính tài liệu công bố của StepFun; Artificial Analysis liệt kê mô hình này là phát hành vào tháng 9 năm 2026 và văn bản FAQ của họ ghi ngày 18 tháng 9. Khoảng cách hai ngày không được bên nào giải thích, và bài viết này sử dụng ngày của StepFun khi cần một ngày. Ngày của Mercury 3 thì rõ ràng: 19 tháng 10 năm 2026, một ngày trước khi bài này được viết.

Bảng thông số kỹ thuật, kèm nguồn của từng dòng

• Giá trên mỗi triệu token — Mercury 3: $0.20 đầu vào và $0.70 đầu ra theo giá niêm yết, $0.10 và $0.35 trong đợt giảm giá ra mắt, so với Step 5 Preview: 7 nhân dân tệ đầu vào và 20 nhân dân tệ đầu ra, với đầu vào khi trúng bộ nhớ đệm ở mức 0.70 nhân dân tệ sau thay đổi ngày 14 tháng 10

• Con số đô-la của đơn vị đánh giá — Step 5 Preview $1.00 đầu vào và $2.70 đầu ra trên mỗi triệu token với mức chiết khấu bộ nhớ đệm 90%, như được công bố bởi Artificial Analysis; đây là những con số của chính đơn vị đánh giá và không phải là quy đổi tiền tệ từ bảng giá của StepFun

• Cửa sổ ngữ cảnh — Mercury 3 1.000.000 token so với Step 5 Preview 1M token

• Đầu ra tối đa — Mercury 3 131.072 token so với Step 5 Preview 64.000 token

• Phương thức nhập — Mercury 3 chỉ văn bản so với Step 5 Preview văn bản, hình ảnh và video

• Phương thức đầu ra — văn bản ở cả hai

• Thông số — Mercury 3 không được tiết lộ, chỉ được mô tả là hơn 40 lần Mercury 1 so với Step 5 Preview không được công bố trên tài liệu nền tảng của StepFun hoặc trên trang mô hình của đơn vị đánh giá, vì vậy không thể trích dẫn con số nào ở đây

• Trọng số — Mercury 3 đóng so với Step 5 Preview được công bố trên Hugging Face theo StepFun Model License 1.0, trong kho lưu trữ cơ sở cùng với các bản dựng BF16 và NVFP4

• Kiểm soát suy luận — Mercury 3 có bốn mức thiết lập nỗ lực, từ tức thời đến cao, mặc định ở mức thấp, so với Step 5 Preview, một mô hình suy luận không có tham số nỗ lực được công bố

• Independent Intelligence Index — Mercury 3 không có mục nào tính đến ngày 20 tháng 10 năm 2026, so với Step 5 Preview 44 trên bản sửa đổi chỉ mục 4.3.2

• Tốc độ đầu ra được đo — Mercury 3 none so với Step 5 Preview 92,2 token mỗi giây, được đo bởi Artificial Analysis

• Bộ nhớ đệm prompt — Mercury 3 được hỗ trợ ở mức $0,02 cho mỗi triệu token được lưu trong bộ nhớ đệm theo giá niêm yết, so với Step 5 Preview được hỗ trợ ở mức 0,70 nhân dân tệ cho mỗi triệu lần trúng bộ nhớ đệm, tăng từ 0,35 vào ngày 14 tháng 10

Một dòng trong danh sách đó đáng để xem xét kỹ hơn vì đây là nơi duy nhất giá của một trong hai mô hình đã thay đổi công khai. Tỷ lệ trúng bộ nhớ đệm của Step 5 Preview đã tăng gấp đôi vào ngày thứ mười hai kể từ khi ra mắt. Giá đầu vào khi trượt bộ nhớ đệm và giá đầu ra không thay đổi, và những người gọi đã dùng mô hình qua API trả theo mức sử dụng trước thời điểm đó vẫn giữ mức giá cũ theo điều khoản bảo lưu (grandfather clause). Nếu bạn đang xây dựng mô hình chi phí dựa trên bộ nhớ đệm lời nhắc — và bất kỳ khối lượng công việc tác nhân nào cũng vậy — thì một mức giá đã tăng gấp đôi một lần là mức giá cần tiếp tục kiểm tra.

Dòng đa phương thức chính là thứ chấm dứt một số cuộc trò chuyện.

Step 5 Preview chấp nhận văn bản, hình ảnh và video và trả về văn bản. Mercury 3 chấp nhận văn bản và trả về văn bản. Tài liệu của Inception không hề mơ hồ về điều này: mô hình được liệt kê là chỉ dành cho văn bản, và tài liệu ra mắt nói về tốc độ và chi phí, không phải về thị giác.

Đối với một khối lượng công việc đọc ảnh chụp màn hình, quét hóa đơn, xem bản ghi màn hình hoặc phân tích video thành ghi chú có cấu trúc, thì không có gì để so sánh. Step 5 Preview là lựa chọn duy nhất trong hai lựa chọn có thể nhận được đầu vào, điều này khiến khoảng cách về giá không còn liên quan và khoảng cách về điểm chuẩn không còn liên quan cho đến tận khi bạn quyết định liệu phần xử lý hình ảnh có quan trọng hay không. Quyết định đó thường do sản phẩm đưa ra, chứ không phải mô hình.

Đối với một tác vụ mà đầu vào là văn bản và đầu ra là văn bản — tìm kiếm, hỗ trợ, đánh giá mã, tóm tắt — ranh giới phương thức biến mất và việc so sánh trở thành về tốc độ, giá cả và bằng chứng, theo đúng thứ tự về mức độ dễ kiểm chứng của từng yếu tố.

Điều mà điểm số độc lập duy nhất trong cuộc đối đầu này nói lên

Step 5 Preview đạt 44 điểm trên Artificial Analysis Intelligence Index, phiên bản 4.3.2 — đứng thứ tư trong số 121 mô hình trong bảng của chính chỉ số đó, so với mức trung vị là 19. Cùng danh sách đó ghi nhận tốc độ đầu ra đo được là 92,2 token mỗi giây, thời gian đến token đầu tiên là 2,55 giây, và chỉ số độ dài là 160 triệu token đầu ra so với mức trung vị 140 triệu, mà đơn vị đánh giá mô tả là hơi dài dòng. Đơn vị này nhận xét mô hình hơi đắt so với các mô hình trọng số mở tương đương, một cách diễn giải hợp lý cho mức $1.00/$2.70.

Hãy đọc kỹ {{1}}44{{/1}}. Đây là một điểm tổng hợp có trọng số trên một bộ benchmark, không phải là tuyên bố về khối lượng công việc của bạn, và nó không có nghĩa là Step 5 Preview đánh bại mô hình xếp thứ 42 trong nhiệm vụ cụ thể của bạn. Trang của chính người đánh giá cũng có các dấu "Đang xem xét" đối với một số đánh giá riêng lẻ. Nhưng đó là một con số được tạo ra bởi một phương pháp mà người khác có thể kiểm tra, và nó đặt mô hình lên trên mức trung vị của lĩnh vực.

Mercury 3 không có gì tương đương. Tuyên bố về chất lượng của Inception mang tính so sánh — "ngang bằng hoặc tốt hơn các mô hình tối ưu tốc độ tiên phong như GPT-6 Luna và Claude Haiku 5.5" — không có mức chênh lệch, không nêu tên bài kiểm tra và không cho biết cài đặt mức nỗ lực nào trong bốn cài đặt của nó đã tạo ra so sánh đó. Kết quả có cấu trúc duy nhất là bài kiểm tra tác nhân của chính Inception: 50 tác vụ điều hướng Mind2Web trực tiếp, 50 phần trăm hoàn thành, "nhiều hơn đáng kể so với GPT-6.1-Sol", ở cùng lượng token và số bước, và do đó chỉ bằng một phần chi phí trên mỗi token. Năm mươi tác vụ trong bộ khung thử nghiệm của chính nhà cung cấp là một tín hiệu, không phải điểm số.

Con số vật lý, và giá trị của nó là bao nhiêu

Tốc độ 1.068 token/giây chính là lý do để đọc về Mercury 3. Nếu con số này giữ vững, một câu trả lời 500 token sẽ được tạo ra trong chưa đầy nửa giây, và đó là sự khác biệt giữa một câu trả lời tìm kiếm mang cảm giác tức thì với một câu trả lời giống như phải qua một vòng round trip mạng. Step 5 Preview ở mức đo được 92,2 token/giây mất khoảng 5,4 giây cho cùng câu trả lời đó, cộng thêm khoảng 2,55 giây để có token đầu tiên.

Tuyên bố này không kèm theo thông tin về phần cứng, kích thước lô, thiết lập mức nỗ lực và cũng không nêu rõ đó là một luồng hay tổng hợp, và cả bốn lựa chọn đó đều có thể làm thay đổi con số thông lượng lên gấp nhiều lần. Chênh lệch giữa nhà cung cấp và bên độc lập trong dòng này đã được ghi nhận: Artificial Analysis đo Mercury 2.5 ở khoảng 706 token mỗi giây, thấp hơn con số mà Inception công bố tại thời điểm ra mắt đó. Đó là mức chiết khấu cần áp dụng cho 1,068 cho đến khi có ai đó tái lập được kết quả. Không có trang Mercury 3 trên Artificial Analysis tính đến ngày 20 tháng 10.

Trái lại, tốc độ của Step 5 Preview nhàm chán theo đúng cái cách mà những thứ được đo lường thường nhàm chán. Nó đạt 92,2 token mỗi giây, được đo lường, và điều đó đưa nó lên vị trí thứ 32 trong số 78 mô hình trên bảng xếp hạng tốc độ của đơn vị đánh giá — nhanh hơn mức thông thường, nhưng không có gì đáng chú ý. Không ai mua nó vì tốc độ. Họ mua nó vì cửa sổ 1M token, đầu vào đa phương thức và điểm số.

Tính chi phí cho cùng một công việc trên cả hai bảng giá

Hãy xét một quy trình phân loại sàng lọc tài liệu: 8.000 trang mỗi ngày, 2.500 token văn bản OCR trên mỗi trang, đầu ra phân loại và trích xuất 300 token trên mỗi trang. Đó là 20 triệu token đầu vào và 2,4 triệu token đầu ra mỗi ngày, với cùng một khối chỉ dẫn được gửi lại trong mỗi lần gọi và do đó có thể được lưu vào bộ nhớ đệm.

• Mercury 3 theo giá niêm yết — 20 × $0,20 cộng 2,4 × $0,70, tức $5,68 mỗi ngày

• Mercury 3 với mức giá ra mắt — khoảng $2.84 mỗi ngày

• Bản xem trước Bước 5, không dùng bộ nhớ đệm — 20 × 7 cộng 2,4 × 20 nhân dân tệ, tức 188 nhân dân tệ một ngày; theo mức đô-la của người đánh giá, 20 × $1.00 cộng 2,4 × $2.70, tức $26.48

• Step 5 Preview với khối hướng dẫn được lưu trong bộ nhớ đệm — dòng cache hit là 0,70 nhân dân tệ mỗi triệu so với 7 nhân dân tệ khi cache miss, vì vậy khoản tiết kiệm phụ thuộc hoàn toàn vào việc trong 20 triệu đó có bao nhiêu là phần mở đầu lặp lại thay vì văn bản trang mới

Vậy khoảng cách giá niêm yết là khoảng bốn lần rưỡi theo hướng có lợi cho Mercury 3, và ưu đãi ra mắt mở rộng khoảng cách đó lên khoảng chín lần. Đó là lập luận đơn lẻ mạnh nhất cho Mercury 3 và nó hoàn toàn có thể tính được. Thứ không thể tính được là chi phí cho mỗi công việc hoàn thành, vì Mercury 3 không có tỷ lệ hoàn thành được công bố và không có số lượng token đầu ra được công bố. Độ rườm rà của Step 5 Preview thì ít nhất cũng được đo lường — 160 triệu token trên chỉ số so với mức trung vị 140 triệu, mà người đánh giá gọi là hơi dài dòng — và điều đó cho phép bạn lập ngân sách cho nó.

Một lưu ý đáng nhắc lại: con số Mercury 3 mà bạn nên dùng để lập kế hoạch là giá niêm yết. Mức giảm 50% được mô tả là “khi ra mắt” và không có ngày kết thúc, còn hai mô hình tiền nhiệm của nó hiện đã đóng với người dùng mới, với quyền truy cập hiện có sẽ kết thúc vào ngày 15 tháng 11 năm 2026. Hành vi thương mại của Inception cho thấy bạn nên tính toán theo mức giá sẽ còn tồn tại sau khi chương trình khuyến mãi kết thúc.

Trọng số, giấy phép và những gì đã thay đổi trong tháng qua

Câu chuyện trọng số mở của Step 5 Preview đã thay đổi sau khi ra mắt. Khi phát hành, các trọng số được bên thứ ba sao chép lại chứ không phải do nhà cung cấp công bố; tính đến tuần này, tổ chức Hugging Face của chính StepFun có kho lưu trữ gốc cùng các bản dựng BF16 và NVFP4, tất cả đều được sửa đổi lần cuối vào ngày 15 tháng 10 năm 2026. Giấy phép là StepFun Model License 1.0, không phải Apache hay MIT và cần đọc trước khi bạn phát hành — đây là giấy phép của nhà cung cấp có các điều khoản chứ không phải giấy phép dễ dãi.

Mercury 3 không có trọng số và không có giấy phép để đọc. Nó chỉ hoạt động qua API, với các triển khai doanh nghiệp bổ sung dung lượng chuyên dụng, tự động mở rộng và khả năng cấu hình thời gian lưu dữ liệu, thay vì một hiện vật hữu hình mà bạn có thể cầm nắm.

Đối với một nhóm đang cân nhắc nên tinh chỉnh, lượng tử hóa hay chạy trên phần cứng của riêng họ, dòng đó là yếu tố quyết định và những dòng khác không quan trọng. Đối với một nhóm chỉ gọi API và không bao giờ đụng đến checkpoint, điều đó chỉ quan trọng như một thước đo chi phí thoát ra: nếu StepFun thay đổi giá hoặc ngừng cung cấp mô hình, một triển khai Step 5 Preview có thể chuyển sang trọng số tự lưu trữ; một triển khai Mercury 3 sẽ chuyển sang nhà cung cấp khác.

Câu hỏi về định tuyến, được trả lời một cách trung thực

Cả hai mô hình đều không có trong danh mục OrcaRouter. API mô hình của chúng tôi không trả về gì cho step-5-preview hoặc cho bất kỳ mô hình Inception nào, vì vậy bất kỳ ai muốn gọi một trong hai mô hình đều phải đến nền tảng riêng của nhà cung cấp hoặc một trong các máy chủ bên thứ ba mà mỗi nhà cung cấp liệt kê. Nói thẳng điều đó hữu ích hơn là ngụ ý một tuyến mà chúng tôi không có.

Điều mà lớp định tuyến thực sự mang lại cho bạn trong tình huống này là một cách trả lời câu hỏi mà không phải cam kết. Hơn 200 mô hình nằm sau một endpoint tương thích OpenAI với giá niêm yết của nhà cung cấp, không cộng thêm phí, và những mô hình gần nhất với hai mô hình này về giá và năng lực — Qwen 3.8-Max ở mức $2.00/$6.00 với cửa sổ 1M token, GLM 5.2 ở mức $1.40/$4.40, Kimi K3 ở mức $3.00/$15.00 — có thể được đo lường dựa trên lưu lượng của chính bạn ngay chiều nay. Nếu không mô hình nào trong số đó vượt qua ngưỡng, thì lý lẽ để trả tiền cho một trong hai nhà cung cấp càng mạnh hơn; nếu một trong số đó làm được, bạn đã tiết kiệm cho mình một lần tích hợp. Cơ chế chuyển đổi dự phòng tự động cũng bao quát rủi ro cụ thể trong cuộc so tài này, cụ thể là mô hình đang được giảm giá khi ra mắt mà không có cam kết về độ ổn định lại chính là mô hình mà bạn sẽ đưa vào luồng vận hành sản xuất.

Một điểm mang tính cơ chế ở đây quan trọng hơn mức thông thường: giá niêm yết của nhà cung cấp được chuyển qua nguyên vẹn, nên thay đổi giá của nhà cung cấp đến hóa đơn ngay trong ngày thay vì vào lúc gia hạn. Xét việc giá bộ nhớ đệm của Step 5 Preview đã thay đổi một lần, đó không phải là một lợi thế giả định.

Câu hỏi cần đặt ra trước khi bạn chọn

Cả hai mô hình này đều rẻ. Chênh lệch hóa đơn của chúng, trên một pipeline thực tế, chỉ vài đô-la mỗi ngày, và ưu đãi ra mắt khiến Mercury 3 trông rẻ hơn so với mức sau khi khuyến mãi kết thúc. Vậy nên chi phí không phải là điểm mấu chốt của quyết định này.

Nó nằm ở một câu hỏi đơn giản hơn: bạn cần câu trả lời nhanh, hay bạn cần biết liệu nó có đúng không? Step 5 Preview là bản bạn có thể kiểm tra — điểm chỉ số độc lập, tốc độ được đo, độ dài được đo, trọng số được công bố mà bạn có thể chạy trong harness của riêng mình. Mercury 3 là bản sẽ trả lời trong chưa đầy một giây và hiện không ai bên ngoài Inception có thể kiểm tra được.

Đối với một sản phẩm bị ràng buộc bởi độ trễ, có con người trong vòng lặp và lỗi có thể phục hồi, đánh đổi thứ hai là hợp lý và việc đánh giá là rẻ. Đối với một pipeline chạy không có người giám sát và có lỗi gây tốn kém, một mô hình có điểm đo được ở khoảng giữa 40 đáng giá gấp nhiều lần mức giá của một mô hình không có điểm nào cả — và đó, chứ không phải bất kỳ benchmark nào, là lý do mô hình có điểm đo được có thể tăng giá cache của nó.

Điều cần theo dõi chẳng có gì hào nhoáng: kết quả đo độc lập tiếp theo của Mercury 3, bất cứ khi nào nó xuất hiện, và liệu giá cache của StepFun có lại thay đổi hay không. Cả hai đều là những sự thật nhỏ nhưng sẽ làm thay đổi phép tính nhiều hơn bất kỳ bài đăng ra mắt nào.