Mercury 3 對決 Qwen 4 Max：其中一款模型尚未問世

Mercury 3 自 2026 年 10 月 19 日起即可呼叫：這是 Inception 的封閉式擴散模型，具備 100 萬 token 上下文、131,072 個輸出 token，以及 $0.20/$0.70 的價目表。Q​wen 4 Max 可呼叫天數為零，因為它尚未發布。A​libaba 於 2026 年 9 月 22 日在杭州舉行的 Apsara Conference 舞台上展示了這個名稱，同場還有 Q​wen 4 Flash、Q​wen 4 Plus 與 Q​wen 4 27B，並形容該系列正以新一代架構進行訓練，還表示它很快就會推出。截至 10 月 20 日，任何 Q​wen 4 層級都沒有模型卡、API 識別碼、上下文視窗、價格、授權或基準測試分數。所以這不是通常意義上的模型對模型文章。這是一篇關於你今天實際能買到什麼、一場舞台發表究竟值多少，以及為什麼在 Q​wen 陣營中 Mercury 3 的真正替代品是 Qwen3.8-Max，而非標題中的模型。 像這類發布背後的已記錄 AI 故障與代理事件，都收錄在 the OrcaRouter AI Incident Archive，其中每則條目都附有自己的來源、嚴重程度、信心等級與爭議標記。

實際上是在比較什麼？

兩種不同類型的對象。Mercury 3 是已出貨的產品，具有已公布的價目表、有文件記載的運作範圍，以及一篇提出具體數值聲稱的廠商發布文章。Q​wen 4 Max 則是附屬於路線圖的層級名稱。下方 Q​wen 欄位中的每一項事實，都是關於該公告的事實，而不是關於該模型的事實：

• 發佈日期 — Mercury 3 為 2026 年 10 月 19 日，對比 Q​wen 4 Max 則尚未公佈；該產品線被形容為「訓練中」

• 上下文視窗 — 1,000,000 個 token，對比未公布

• 最大輸出 — 131,072 個 token，相較於未公開

價格 — 每 1M 輸入 $0.20、每 1M 輸出 $0.70，與未公開價格相比提供 50% 上市折扣，任何貨幣皆可。

• 模態 — 僅文字 vs 未發布；Apsara 的框架強調代理式與工具使用的工作

• 權重 — 封閉 vs 未公開；同系列中的 27B 層級，是歷來以開放形式釋出的那一個

• 吞吐量 — 每秒 1,068 個 token，廠商回報值 vs 未公布

• 獨立基準測試分數 — Mercury 3 尚無分數，而 Q​wen 4 Max 則不可能有分數

• 參數量 — 未披露，「超過 Mercury 1 的 40 倍」對上未公開資訊；目前流傳的 5 至 10 兆這個數字，屬於 Qwen 4.5 與 Qwen 5 的路線圖，而非 Qwen 4 Max

• 你今天可以用它做什麼——透過 Inception 的 API 呼叫它，對比什麼都沒有

最後一行是比較。上面十行中有九行是「未公布」，而一份九成空白的規格表根本不是規格表，只是套上分欄格式的新聞稿。

會議公告的價值何在

Alibaba 的 Qwen 系列有著值得認真看待的實績，這正是這項公告為何還能獲得報導的原因。3.8 世代推出了 2.4 兆參數的旗艦模型，價格為 $2.00/$6.00，公布了其 27B 層級的權重，並以每月一次的節奏發布子版本——Qwen3.8-Max 於 2026 年 8 月 3 日正式發布（GA），9 月 2 日推出（0902）更新版，8 月 14 日發布 27B 開放權重版本，8 月 26 日推出 Flash-Next 模型。這是一個會按時交付、且公開權重的實驗室。

它也是一個會先公布、後出貨的實驗室。Qwen 4 系列於 9 月 22 日亮相，四個層級都沒有附上任何日期；此後四週，沒有模型卡、沒有儲存庫、沒有 Hugging Face 檢查點，也沒有登上獨立排行榜。現實的規劃假設不是「Qwen 4 Max 下個月就會到來」，而是「Qwen 4 Max 會在模型卡出現時到來」；這是無法確定的日期，因此不是你能據此安排遷移的日期。

路線圖公告真正有用的地方，在於另一種決策。如果你今天正在供應商之間做選擇，這項公告告訴你，A​libaba 打算繼續在旗艦級別競爭，這是你該留在其當前世代、而不是離開這個產品家族的理由。如果你是在挑選本季要部署的模型，它沒有告訴你任何能據以行動的資訊。

伴隨 Qwen 4 報導流傳的 5 兆至 10 兆參數這個數字，值得特別更正，因為它會持續擴散。那是針對 Qwen 4 之後世代——Qwen 4.5 與 Qwen 5 時間範圍——的前瞻性說法，而阿里巴巴並未對 Qwen 4 Max 附上任何參數量。把 Qwen 5 等級的規模主張印在 Qwen 4 模型名稱旁邊，是一種具有長半衰期的範疇錯誤。

你真正可以呼叫的 Q​wen

如果搜尋背後的問題是「我該用 Mercury 3 還是 A​libaba 的旗艦模型」，那麼 A​libaba 的旗艦模型是 Qwen3.8-Max，而且它有實實在在的實績。因此，真正重要的比較是 Mercury 3 與實際存在的模型之間的比較：

• 發布 — Mercury 3 2026年10月19日 對比 Qwen3.8-Max 2026年8月3日，於9月2日更新

• 上下文 — 1,000,000 個 token，對比 Artificial Analysis 所記錄的 983,616 個 token；廠商標稱固定 1M

• 價格 — 定價為 $0.20/$0.70，上市期間為 $0.10/$0.35，對比 $2.00/$6.00，快取輸入則為 $0.25

• 快取輸入 — $0.02（上線時為 $0.01）對比 $0.25；Mercury 3 在快取讀取上便宜了一個數量級

• 獨立智慧指數 — 無紀錄 vs 45.4

• 每項索引任務的成本 — 未與 $5.41 進行比較測量

• Terminal-Bench 2.1 — 未測量，相較於本批次最高的 0.8876

• AA-LCR 長上下文推理 — 未與 0.8033 進行比較

• GDPval-AA — 未測量，對比 Elo 1665.58

• AA-Omniscience — 未測量，對比 12.0

• 權重 — Max 層級為封閉式對封閉式；同一世代的 27B 層級則是開放式

這種比較的形態在本批次其餘內容中似曾相識，值得不加保留地明說：Mercury 3 的輸入價格大約是 Qwen3.8-Max 的十分之一，輸出價格則是十二分之一，上下文視窗略大一些，且沒有獨立評分。Qwen3.8-Max 是經過實測的模型，其測量結果在有的地方表現良好——Terminal-Bench 2.1 上的 0.8876 是這五篇文章組中最強的讀數——但其每完成一項索引任務 5.41 美元的成本也是最高的，而這個數字決定了此能力在大規模應用時是否負擔得起。

這就是本頁讀者今天真正面臨的抉擇。不是 Mercury 3 對上一個並不存在的 Qwen 4 模型，而是 Mercury 3 對上阿里巴巴實際會賣給你的 Qwen 模型；Qwen 4 的發布消息是讓人關注這個系列的理由，而不是讓人等待它的理由。

如何在不押注 Q​wen 4 Max 的情況下，為它保留一個位置？

對於預期 Q​wen 4 Max 會舉足輕重的團隊來說，合理的立場是讓這個選項維持低成本。有三件事能讓這成為可能，而且它們都不需要等待。

首先，將模型選擇寫成設定，而非程式碼。Mercury 3 與 Qwen3.8-Max 都是透過 OpenAI 相容 API 存取，因此只要堆疊能在請求時解析模型識別碼，就能在模型卡出現當天直接採用 Qwen 4 層級，無須重新部署。這套紀律同樣能讓供應商的淘汰通知變成設定變更，而不是一起事故；而 Inception 才剛示範這類通知來得多快：Mercury 2 與 Mercury 2.5 自 10 月 19 日起停止開放新使用者，現有存取權限則於 11 月 15 日終止。

其次，要拿工作負載做基準測試，而不是拿模型做。廠商對 Mercury 3 的說法，是在自家測試框架下跑出的 50 項任務 Mind2Web 結果，外加四位合作夥伴的見證引述。這些只告訴你，該模型在貼近生產環境的工作中速度很快；卻沒告訴你，它處理你的文件時表現如何。用你自己的三十個評估案例，以相同的提示分別跑 Mercury 3 和 Qwen3.8-Max，所得到的情報會勝過本月發布的每一張發表表格。

第三，讓受測模型留在不會失敗的路徑上。OrcaRouter 提供qwen/qwen3.8-max，以阿里巴巴定價、0% 加價，並可在超過 200 款模型之間透過單一金鑰自動容錯移轉，因此比較中的既有方案那一邊只是一張路由表，而不是一份新合約。Mercury 3 不在該路由器上——它是透過 Inception 自家 API 與數個第三方平台提供——這意味著，誠實的試用會把它放在廠商 API 後面的一小部分流量上，而受測模型則保留正式生產路徑。如果 Q​wen 4 Max 之後進入該路由器，它會套用同一套政策，無須第二次整合。

下一次公告前該問的問題

每年都會冒出幾個模型名稱，被人搜尋了好幾個月，背後才終於有模型問世，而這段落差所付出的代價，是由那些照著發表消息做規劃的團隊來承擔。有用的習慣是用一句話來檢驗：我叫得到它嗎？而且有價格嗎？Mercury 3 今天兩項都過關。Q​wen 4 Max 兩項都沒過，而且在 A​libaba 公布模型卡之前也不會過。

具體該關注什麼：是 Q​wen 4 27B checkpoint，而不是 Max 等級的基準測試表，因為 27B 是歷來以開放形式發布的等級，而它的授權條款與規模將告訴你，這一代對開放權重的承諾有多認真。接著是 Max 等級的價目表，因為若 Q​wen 旗艦模型把價格壓到低於 $2.00/$6.00，改變的會是這項比較中的可負擔性論點，而不是能力論點。而在 Mercury 方面，首個獨立評分——該系列唯一有實測數據的成員 Mercury 2.5，在 Intelligence Index 上為 12.3，因此在評測榜單給出評分之前，旗艦模型的品質範圍完全只是廠商說法。

在那之前，比較的對象是：一個你今天下午就能租用、且價格低到讓按請求計算的經濟帳變得無足輕重的模型，和一個只存在於杭州某個會議廳裡的模型。前者是一個決策，後者只是一個日程條目。