Inception пуска дифузионния LLM Mercury 3 със скорост 1 068 токена в секунда

Inception пусна Mercury 3, най-новата версия на своя дифузионен езиков модел. Mercury 3 е дифузионен LLM от Inception, който пише отговори паралелно, а не токен по токен. Inception отчита 1 068 токена в секунда на графични процесори NVIDIA и контекстен прозорец от 1 млн. токена. В собствената сравнителна таблица на Inception той изпреварва GPT-6 Luna и Claude Haiku 5.5 в 8 от 12 теста. За разработчици, създаващи агенти, гласови ботове и инструменти за търсене, това е модел, ориентиран към скоростта, с конкурентни резултати.

Накратко

• Размер: Броят на параметрите не е разкрит. Inception казва, че моделът е над 40 пъти по-голям от Mercury 1. Контекстът е 1 млн. токена.
• Работи на: Графични процесори NVIDIA, предоставяни от Inception (точният модел GPU не е разкрит). Само API, без отворени тегла или квантизирани версии.
• Производителност: Води в 8 от 12 бенчмарка спрямо GPT-6 Luna и Haiku 5.5 (самоотчетени резултати, средни настройки).
• Най-добър резултат: SWE-Bench Atlas 51.08, с около 18 точки пред двата конкуриращи модела.
• Най-слаб резултат: DeepSWE v1 46.31, с 5.31 точки зад Haiku 5.5 (51.62).

Какво представлява Mercury 3?

Mercury 3 е четвъртото издание на Mercury от Inception, след Mercury 1, Mercury 2 и Mercury 2.5. Mercury 1 беше пуснат през 2025 г. Mercury 2.5 добави регулируемо разсъждение и контекстен прозорец от 260 хил. токена, според съобщението за пускането на Inception.

1/4 Днес пускаме Mercury 3. Mercury 3 е далеч най-мощният ни модел и най-интелигентният дифузионен LLM, пускан някога. Той превъзхожда GPT-6 Luna и Haiku 5.5 по качество, като работи със скорост над 1000 токена в секунда. pic.twitter.com/TYevDl43Lm

— Stefano Ermon (@StefanoErmon) 19 октомври 2026 г.

Как работи дифузионният LLM?

Авторегресивните модели пишат един токен след друг. Всеки нов токен изчаква предишния. Дифузионният LLM започва с груба чернова на целия отговор. След това усъвършенства всяка позиция за няколко итерации паралелно.

По-малкото последователни стъпки означава по-бърз резултат на същите графични процесори. Откритият въпрос беше дали този подход ще се запази при увеличаването на размера на моделите.

Мащабира ли се дифузията?

Тук отговорът на Inception е „да“. Mercury 3 има над 40 пъти повече общи параметри от Mercury 1 (mini). Средното качество в стандартните бенчмаркове се е увеличило около 3 пъти между тези два модела. Скоростта е останала над 1000 токена в секунда.

Екипът на Inception представя това като крива на качеството спрямо размера за 5 поколения Mercury.

Как се представя Mercury 3 в бенчмарковете?

Всички резултати по-долу са взети от таблицата на Inception. Всеки модел е работил със средни настройки.

Mercury 3 постига най-големите си предимства при следването на инструкции и агентното програмиране. IFBench достига 76.84, с 15 точки над GPT-6 Luna. SWE-Bench Atlas достига 51.08 спрямо 33.33 за Luna и 32.26 за Haiku 5.5. GPQA Diamond достига 89.23.

Загубите също са важни. Haiku 5.5 печели при DeepSWE v1 (51.62 спрямо 46.31) и MRCR v2 (78.40 спрямо 75.50). GPT-6 Luna има леко предимство при AA-Omniscience-Public (46.94 спрямо 46.44) и AA-LCR v1.1 (78.30 спрямо 77.67). Извличането на информация от дълъг контекст и по-дългите задачи по програмиране остават слабите места.

Mercury 3 срещу GPT-6 Luna срещу Claude Haiku 5.5

Функция	Mercury 3	GPT-6 Luna	Claude Haiku 5.5
Разработчик	Inception	OpenAI	Anthropic
Метод на генериране	Дифузия (паралелно усъвършенстване)	Не е разкрит	Не е разкрит
Параметри	Не са разкрити	Не са разкрити	Не са разкрити
Контекстен прозорец	1 млн.	1.05 млн.	1 млн.
Максимален изход	Не е разкрит	128 хил.	128 хил.
Входни модалности	Не са разкрити	Текст, изображение	Текст, изображение
Отворени тегла	Не (API)	Не (API)	Не (API)
Скорост на изхода (измерване на Inception)	1 068 токена/сек.	~130 токена/сек.	~240 токена/сек.
Цена, $/1 млн. вход / изход	$0.20 / $0.70 стандартна цена ($0.10 / $0.35 при пускане)	$0.10 / $0.50 (кратък контекст)	$0.10 / $0.50 (подсказки до 100 хил.)
GPQA Diamond	89.23	86.36	84.51
IFBench	76.84	61.82	54.65
SWE-Bench Atlas	51.08	33.33	32.26
DeepSWE v1	46.31	37.76	51.62
MRCR v2	75.50	62.72	78.40

Редове за скоростта и бенчмарковете: таблицата на Inception, средни настройки. Спецификации и цени: собствената документация на всеки доставчик.

Какво съобщават първите потребители?

Inception цитира 4 партньори с ранен достъп. Това са изявления на клиенти, а не независими оценки.

• TinyFish е изпълнил 50 задачи за уебна навигация Mind2Web в реални условия. Mercury 3 е завършил 50% от тях. Inception казва, че това е по-добър резултат от GPT-6.1-Sol, но не посочва резултат за Sol.
• Octen AI отчита средно време за генериране от 0.9 секунди и 2.2 секунди от край до край при търсене с умни очила.
• RevisionDojo казва, че подсказките и маркираните отговори се връщат за около секунда.
• Lorikeet твърди, че Mercury 3 е изпреварил други модели по латентност и резултати от оценяването при агенти за поддръжка.

Как разработчиците могат да използват Mercury 3?

Mercury 3 вече е достъпен в API платформата на Inception, OpenRouter, Baseten и Vercel. API интерфейсът е съвместим с OpenAI. Документацията използва низa на модела mercury-3 и параметър reasoning_effort.

Стандартната цена е $0.20 за 1 млн. входни и $0.70 за 1 млн. изходни токена. При пускането цената е с 50% по-ниска: $0.10 и $0.35. Кешираният вход е с 90% отстъпка. Новите акаунти получават 100 млн. безплатни токена. Корпоративните планове добавят специален капацитет, автоматично мащабиране и конфигурируемо съхранение на данни.

Inception предлага и 2 сродни модела:

• Mercury Voice е насочен към времето до първия токен от отговора при гласови агенти.
• Mercury Decide е модел за класификация.

Основни изводи

• Mercury 3 е дифузионен LLM, който заявява скорост от 1 068 токена/сек. и контекст от 1 млн. токена.
• Той води в 8 от 12 бенчмарка, провеждани от доставчиците, спрямо GPT-6 Luna и Haiku 5.5.
• Най-големите предимства са: SWE-Bench Atlas 51.08 и IFBench 76.84.
• Haiku 5.5 все още печели при DeepSWE v1 и MRCR v2.
• Цената при пускане е $0.10 / $0.35, като впоследствие се повишава до $0.20 / $0.70.

---

Разгледайте официалния блог за пускането, документацията за API и обявата в OpenRouter. Прочетете също предишния ни материал за Drex 1.5. Всички заслуги принадлежат на изследователя на този проект. Също така, не се колебайте да ни последвате в Twitter и не забравяйте да се присъедините към нашия SubReddit за машинно обучение с над 150 хил. членове и да се абонирате за нашия бюлетин. Чакайте! В Telegram ли сте? Вече можете да се присъедините към нас и в Telegram.