Mercury 3 与 Qwen 4 Max：其中一个模型尚不存在

Mercury 3自 2026 年 10 月 19 日起已可调用：这是 Inception 推出的闭源扩散模型，具有 1M token 上下文、131,072 个输出 token，以及 $0.20/$0.70 的费率表。Qwen 4 Max的可调用天数为零，因为它尚未发布。阿里巴巴于 2026 年 9 月 22 日在杭州举行的云栖大会上在舞台上展示了这个名称，同台展示的还有 Qwen 4 Flash、Qwen 4 Plus 和 Qwen 4 27B，并称该系列采用新一代架构训练，还表示它很快就会推出。截至 10 月 20 日，Qwen 4 的任何层级都没有模型卡、API 标识符、上下文窗口、价格、许可证和基准分数。因此，这不是通常意义上的模型对模型比较文章。这篇文章讲的是你今天实际能买到什么、舞台上的宣布究竟有多少价值，以及为什么在 Qwen 这边，Mercury 3 的真正替代品是 Qwen3.8-Max，而不是标题中的那个模型。 像这样的发布背后那些有记录的人工智能故障和智能体事件，均收录于 OrcaRouter AI Incident Archive，其中每条记录都附有自己的来源、严重程度、置信等级和争议标记。

实际上在比较什么？

有两类不同的对象。Mercury 3 是一款已发布的产品，有公开的价目表、有文档记录的工作范围，以及一篇厂商发布博文，其中提出了具体的数字声明。Q​wen 4 Max 是附在路线图上的一个档位名称。下表中 Q​wen 一栏的每项事实都是关于该公告的事实，而不是关于模型本身的事实：

• 发布日期 — Mercury 3 为 2026年10月19日，而 Q​wen 4 Max 尚无公布；该系列被描述为“正在训练中”

• 上下文窗口 — 1,000,000 个 token，对比未公布

• 最大输出 — 131,072 个 token，对比数据未公布

• 价格 — 每 1M 输入 $0.20，每 1M 输出 $0.70，相较于未公布价格享有 50% 的发布折扣，支持任意货币

• 模态——仅文本 vs 未公开；Apsara 的表述强调了智能体式与工具使用类工作

• 权重——闭源与未公开；同一系列中的 27B 层级是历史上以开放形式发布的那个

• 吞吐量 — 每秒 1,068 个 token，厂商报告值对比未公开值

• 独立基准测试分数——Mercury 3 尚无，Qwen 4 Max 则不可能有

• 参数数量——未披露，“超过 Mercury 1 的 40 倍”对比未公布；流传中的 5 至 10 万亿数字属于 Q​wen 4.5 和 Q​wen 5 路线图，而非 Q​wen 4 Max

• 今天你能用它做什么——通过 Inception 的 API 调用它，还是什么都做不了

最后一行才是对比的关键。上面十行中有九行都是“未公布”，而一张九成空白的规格表就算不上规格表，而是一份带分栏排版的新闻稿。

会议公告价值几何

阿里巴巴的 Qwen 系列有着不容小觑的过往成绩，这正是该公告能获得报道的原因。3.8 代推出了 2.4 万亿参数的旗舰模型，定价为 $2.00/$6.00，公布了其 27B 层级的权重，并以每月为节奏发布子版本——Qwen3.8-Max 于 2026 年 8 月 3 日正式发布（GA），9 月 2 日推出 (0902) 刷新版，8 月 14 日发布 27B 开放权重版本，8 月 26 日推出 Flash-Next 模型。这是一家按计划交付、并且开放权重的实验室。

它也是一家会在正式交付前就提前公布的实验室。Qwen 4 系列于 9 月 22 日亮相，但四个档位均未附带任何日期；此后四周里，没有模型卡、没有代码仓库、没有 Hugging Face 检查点，独立榜单上也没有任何条目。现实可行的规划假设不是“Qwen 4 Max 下个月就到”，而是“Qwen 4 Max 会在模型卡出现时到来”——这是一个无法确定的日期，因此也不是你可以围绕它制定迁移计划的日期。

路线图公告真正有用的地方，在于另一类决策。如果你今天正在不同供应商之间做选择，这项公告告诉你，Alibaba 打算继续在旗舰层级竞争，这就是一个留在其当前代际、而不是离开这个产品家族的理由。如果你正在为这个季度挑选要部署的模型，它没有告诉你任何可以据以行动的信息。

伴随 Q​wen 4 报道流传的“5 万亿至 10 万亿参数”这一数字值得专门更正，因为它会继续传播。这是一个关于 Q​wen 4 之后几代模型——即 Q​wen 4.5 和 Q​wen 5 时间范围——的前瞻性说法，而 A​libaba 并未给 Q​wen 4 Max 标注任何参数数量。把 Q​wen 5 级别的规模说法印在 Q​wen 4 模型名称旁边，是一种具有很长半衰期的类别错误。

你真正可以调用的 Q​wen

如果搜索背后的问题是“我该用 Mercury 3 还是 A​libaba 的旗舰模型”，那么 A​libaba 的旗舰就是 Qwen3.8-Max，而且它有着真实的成绩记录。因此，真正重要的比较是 Mercury 3 与这个实际存在的模型之间的比较：

• {{1}}发布{{/1}} — {{2}}Mercury 3{{/2}} {{3}}2026年10月19日{{/3}} 对比 {{4}}Qwen3.8-Max{{/4}} {{5}}2026年8月3日{{/5}}，{{6}}9月2日更新{{/6}}

• 上下文 — 1,000,000 tokens 对比 Artificial Analysis 记录的 983,616 tokens；厂商标称固定为 1M

价格——标价 $0.20/$0.70，上线期间 $0.10/$0.35，对比 $2.00/$6.00，缓存输入为 $0.25

• 缓存输入 — $0.02（发布时 $0.01）对比 $0.25；Mercury 3 在缓存读取方面便宜一个数量级

• 独立智能指数——无记录 vs 45.4

• 每个索引任务的成本 — 未与 $5.41 进行对比测量

• Terminal-Bench 2.1 — 未测量，对比 0.8876，为本批次最高

• AA-LCR 长上下文推理 — 未与 0.8033 进行对比测量

• GDPval-AA — 未测量，对比 Elo 1665.58

• AA-Omniscience — 未测量，对比 12.0

• 权重 — Max 档位为闭源 vs 闭源；同代的 27B 档位为开源

这种对比的格局在本批次其余部分中并不陌生，而且值得直说：Mercury 3 的输入价格约为 Qwen3.8-Max 的十分之一，输出价格约为十二分之一，上下文窗口略大，但没有独立评分。Qwen3.8-Max 是经过实测的模型，其已有测量结果表现不错——在 Terminal-Bench 2.1 上的 0.8876 是这五篇文章中最高读数——但它每完成一个索引任务 5.41 美元的成本也是最高的，而这个数字决定了这项能力在大规模使用时是否可负担。

这就是本页读者今天面临的实际抉择。不是 Mercury 3 与一个并不存在的 Q​wen 4 模型之间的选择，而是 Mercury 3 与 A​libaba 会卖给你的 Q​wen 模型之间的选择；Q​wen 4 的发布消息是关注这一系列的理由，而不是等待它的理由。

如何在不押注 Qwen 4 Max 的情况下为它保留一席之地

对于一支认为 Q​wen 4 Max 将会举足轻重的团队而言，合理的做法是让这个选项保持低成本。有三件事可以让这成为可能，而且它们都不需要等待。

首先，将模型选择写成配置，而不是代码。Mercury 3 和 Qwen3.8-Max 均可通过 OpenAI 兼容 API 访问，因此，一个在请求时解析模型标识符的技术栈，可以在模型卡出现当天采用 Qwen 4 层级，而无需部署。同样的做法使供应商的弃用通知变成一次配置更改，而不是一次事故；而 Inception 刚刚证明了这些通知来得有多快：Mercury 2 和 Mercury 2.5 自 10 月 19 日起不再向新用户开放，现有访问权限将于 11 月 15 日终止。

第二，要对工作负载做基准测试，而不是对模型做基准测试。供应商对 Mercury 3 的宣传是：在其自有测试框架中取得 50 项任务的 Mind2Web 结果，以及四位合作伙伴的证言引用。这些只能说明该模型在接近生产形态的工作中很快；并不能说明它如何处理你的文档。用你自己的 30 个评估用例，在相同提示词下分别跑 Mercury 3 和 Qwen3.8-Max，所提供的信息将超过本月发布的每一张发布表格。

第三，让被测模型保留在不会失败的路径上。OrcaRouter 承载 qwen/qwen3.8-max，按 A​libaba 的标价、零加价，并可在 200 多个模型之间用一个密钥自动故障转移，因此对比中的现有方案一侧是一张路由表，而不是一份新合同。Mercury 3 不在该路由器上——它通过 Inception 自己的 API 和若干第三方平台提供服务——这意味着诚实的试用会把它放在供应商 API 后面的一小部分流量上，同时让被测模型继续走生产路径。如果 Q​wen 4 Max 之后进入该路由器，它会套用同一策略，无需二次集成。

在下一次公告之前应该问的问题

每年都会出现几个模型名字，在真正有模型落地之前，它们会被搜索好几个月；而这段空档的代价，由那些依据发布公告做规划的团队来承担。有用的习惯是做一个一句话测试：我能调用它吗？它有定价吗？Mercury 3 今天两项都通过。Q​wen 4 Max 两项都不通过，而且在 A​libaba 发布模型卡之前也不会通过。

具体要看什么：是 Q​wen 4 27B 检查点，而不是 Max 档位的基准测试表，因为 27B 历来是开放发布的档位，其许可证和规模会告诉你这一代对开放权重的承诺有多认真。然后是 Max 档位的价目表，因为 Q​wen 旗舰若定价低于 $2.00/$6.00，将改变这一比较中的可负担性论点，而非能力论点。而在 Mercury 方面，要看首个独立评分——该系列唯一有实测数据的成员 Mercury 2.5 在 Intelligence Index 上为 12.3，因此在评测榜介入之前，旗舰的质量上限完全只是厂商的说法。

在此之前，这场比较的两端分别是：一个你今天下午就能租用的模型，其价格低到让按请求计算的经济成本变得微不足道；以及一个只存在于杭州某间会议厅里的模型。前者是一个决策，后者只是一条日程安排。