Inception представила Mercury 3 — диффузионную LLM со скоростью до 1 068 токенов в секунду
19 октября компания Inception представила Mercury 3 — новую диффузионную языковую модель, ориентированную на задачи, где особенно важна скорость ответа. По данным разработчиков, на графических процессорах NVIDIA она способна генерировать до 1 068 токенов в секунду. В Inception утверждают, что это в четыре-восемь раз быстрее сопоставимых моделей, включая GPT-6 Luna и Claude Haiku 5.5, при близком или более высоком качестве.
Как работает диффузионная языковая модель
В отличие от традиционных авторегрессионных LLM, которые формируют ответ последовательно — по одному токену слева направо, — Mercury 3 сначала создаёт черновой вариант фрагмента целиком, а затем уточняет его за несколько параллельных шагов. Такой подход напоминает работу Stable Diffusion, где изображение постепенно проявляется из шума. За счёт параллельной генерации модель снижает влияние главного ограничения обычных LLM — последовательного вывода токенов.
Компания не раскрывает точное количество параметров и подробности архитектуры Mercury 3. При этом заявлено, что модель более чем в 40 раз крупнее Mercury 1 по числу параметров. Контекстное окно выросло с 260 тысяч токенов у Mercury 2.5 до 1 млн токенов, а на стандартных тестах Mercury 3, по словам Inception, показывает результат втрое выше, чем первая версия.
Бенчмарки и доступность
В программном бенчмарке SWE-Bench Atlas Mercury 3 получила 51,08 балла против 33,33 у GPT-6 Luna и 32,26 у Claude Haiku 5.5. В DeepSWE v1 новая модель набрала 46,31 балла: это выше результата GPT-6 Luna с 37,76, но ниже показателя Claude Haiku 5.5 — 51,62.
В агентном тесте TinyFish, включавшем 50 реальных задач веб-навигации из набора Mind2Web, Mercury 3 выполнила половину заданий. Inception сообщает, что это существенно больше результата GPT-6.1-Sol при одинаковом количестве шагов и расходе токенов. Все перечисленные показатели предоставлены самой компанией, поэтому независимое подтверждение заявленной производительности пока отсутствует.
API Mercury 3 совместим с OpenAI и использует идентификатор mercury-3. Модель поддерживает параметр reasoning_effort, tool calling и structured outputs. Она доступна через платформу Inception, OpenRouter, Baseten и Vercel AI Gateway. Открытые веса не публиковались, а уровень рассуждений можно настраивать от none до xhigh.
Стоимость и сценарии использования
Базовая цена составляет $0,20 за 1 млн входных токенов и $0,70 за 1 млн выходных. На старте действует скидка 50% — $0,10 и $0,35 соответственно. Кэшированные входные токены обходятся на 90% дешевле, а новым аккаунтам предоставляют 100 млн токенов без обязательной привязки банковской карты. Модели Mercury 2 и 2.5 закрыты для новых пользователей, однако действующие клиенты сохранят доступ к ним до 15 ноября.
Inception позиционирует Mercury 3 для голосовых ассистентов, служб поддержки, образовательных продуктов и браузерных агентов. Например, Octen AI использует модель для поиска в умных очках. По данным компании, медианное время генерации в этом сценарии составляет 0,9 секунды, а полный ответ занимает 2,2 секунды. CEO Octen Куан Цзоу отметил, что ответ, который приходится ждать пять секунд, воспринимается пользователем как слишком медленный.
Что показал независимый тест
В отдельном эксперименте Bito подключила Mercury 3 к Claude Code и проверила её на собственных агентных задачах. Модель завершала сессии в среднем за 5,8 минуты при стоимости $0,48 и получила оценку 65%. Для сравнения, Claude Opus 5.5 набрал 87% за 17,2 минуты при цене $5,42, DeepSeek V4.1 Flash — 77% за 15,4 минуты и $0,14, Claude Sonnet 5.5 — 77% за 6,8 минуты и $1,28, а Claude Haiku 5.5 — 76% за 8,1 минуты и $0,69.
Результаты показывают, что высокая скорость Mercury 3 не гарантирует аналогичного преимущества в сложных многошаговых сценариях. Наиболее заметные трудности модель испытывала при планировании: её показатель оказался на 18 процентных пунктов ниже, чем у Sonnet 5.5 и DeepSeek. Лучше всего она справилась с трассировкой кода, получив результат 82%, однако качество между разными сессиями колебалось сильнее, чем у конкурентов.
В агентной работе фактическая скорость также оказалась ниже заявленных 1 068 токенов в секунду — около 200 токенов в секунду. Агент многократно передаёт модели контекст объёмом от 50 до 150 тысяч токенов, а ответы перед следующим вызовом инструмента обычно содержат всего около 273 токенов. Диффузионный подход ускоряет именно генерацию, но не чтение большого контекста. Кроме того, кэширование сработало неидеально: из 5,5 млн входных токенов за сессию кэшированными оказались примерно 1 млн, из-за чего итоговая стоимость превысила цену аналогичной сессии в DeepSeek V4.1 Flash примерно втрое.
Таким образом, Mercury 3 выглядит перспективно для быстрых и чётко сформулированных задач — например, поиска по коду, коротких правок и ответов в интерфейсах с высокой чувствительностью к задержке. Для длительного агентного процесса, где требуются устойчивое планирование и последовательная реализация сложного плана, модель пока уступает более медленным конкурентам.
