Inception Labs lanzó Mercury 2.5 el martes, una nueva versión de su modelo de lenguaje de difusión comercial que la compañía describe como el LLM de difusión más capaz del mercado y, hasta donde sabe, el modelo de lenguaje de difusión más grande jamás entrenado. Según el anuncio de la compañía, el modelo ofrece un aumento del 40 % en inteligencia con respecto a su predecesor, Mercury 2, al tiempo que conserva el mismo perfil de servicio de baja latencia y bajo costo que ha hecho que la arquitectura de difusión sea atractiva para cargas de trabajo de gran volumen.

La compañía, dirigida por el CEO Stefano Ermon, afirma que Mercury 2.5 es comparable a modelos fronterizos de costos optimizados, incluidos GPT-5.6 Luna (Low), Gemini 3.5 Flash-Lite y Claude Haiku 4.5. Esas comparaciones son informadas por los proveedores y aún no han sido verificadas por puntos de referencia independientes, pero posicionan un modelo de difusión (una curiosidad de investigación desde hace mucho tiempo) como una alternativa de producción a los tradicionales autorregresivos. Para conocer las últimas noticias sobre modelos de IA, siga la cobertura continua de modelos de AI Buzz Wire. Últimas noticias sobre modelos de IA

Velocidad, contexto y precio

Las cifras de los titulares son agresivas. Inception Labs dice que Mercury 2.5 genera 1.107 tokens por segundo en GPU NVIDIA ampliamente disponibles, con una ventana de contexto de 260.000 tokens. El precio se fija en 0,20 dólares por millón de tokens de entrada y 0,75 dólares por millón de tokens de salida, con una promoción de lanzamiento que descuenta el modelo un 80 % a 0,04 dólares por millón de entrada y 0,15 dólares por millón de salida.

En cuanto a la capacidad, el modelo incluye un razonamiento ajustable, que permite a los desarrolladores intercambiar latencia por profundidad por solicitud, junto con llamadas a herramientas paralelas y resultados JSON alineados con el esquema para una generación estructurada. La compañía enmarca el lanzamiento como el primer resultado de un ciclo de capacitación impulsado por la telemetría de producción: desde el lanzamiento de Mercury 2, miles de desarrolladores han construido con él, docenas de empresas lo han implementado y su uso ha crecido en más de un orden de magnitud.

Por qué los modelos de difusión generan texto más rápido

Los LLM convencionales de OpenAI, Google y Anthropic son autorregresivos: generan texto un token a la vez, y cada token está condicionado a todo lo generado antes. Esa dependencia secuencial pone un piso duro por debajo de la velocidad de generación. En cambio, los modelos de lenguaje de difusión comienzan con un bloque de ruido y refinan iterativamente todos los tokens en paralelo, lo que permite un rendimiento mucho mayor en el hardware de GPU convencional una vez que el modelo está entrenado para converger limpiamente.

Históricamente, la compensación ha sido la calidad: los modelos de difusión han ido a la zaga de los autorregresivos en términos de razonamiento y seguimiento de instrucciones. La principal apuesta de Inception Labs (y la afirmación subyacente a Mercury 2.5) es que esta brecha se ha reducido hasta el punto en que la difusión gana en el eje que la mayoría de los clientes realmente sienten: latencia y costo en volumen de producción.

Reclamaciones de producción de los primeros clientes

El anuncio se basa en gran medida en implementaciones de clientes en lugar de tablas de referencia. OpenCall, que crea agentes telefónicos de inteligencia artificial para llamadas de clientes en vivo, informó que mudarse a Mercury elevó la latencia media de respuesta del modelo a aproximadamente 170 milisegundos. Oliver Silverstein, cofundador y director ejecutivo de OpenCall, dijo que el tiempo de respuesta del P99 de la compañía se redujo de varios minutos a un segundo, y su mediana de 0,4 segundos a menos de 0,2, cifras que describió como significativamente más rápidas que las de cualquier otro proveedor que la compañía haya probado, incluso con el razonamiento habilitado.

Augment Code, un creador de asistentes de codificación de IA, utiliza Mercury para la compactación de contexto, enrutamiento de modelos y búsqueda de herramientas MCP. Según Inception Labs, trasladar las cargas de trabajo de compactación a Mercury redujo la latencia de ese paso en un 82 %, de aproximadamente 150 segundos a 27 segundos, y redujo su costo en un 90 % manteniendo la calidad. El caso de uso ilustra dónde afecta la economía: los agentes codificadores realizan muchas llamadas pequeñas a modelos de soporte en torno a cada generación primaria, y la latencia y el costo se acumulan en esas llamadas.

NVIDIA, cuyo hardware ejecuta el modelo, también intervino. Shruti Koparkar, gerente senior de producto en el Grupo de Computación Acelerada de NVIDIA, dijo que Inception tiene modelos de lenguaje avanzados basados ​​en difusión en la infraestructura de IA de NVIDIA, y que el aumento de calidad de Mercury 2.5 con velocidades sostenidas muestra cuán rápido las nuevas arquitecturas pueden madurar hasta convertirse en sistemas listos para producción.

Vistas previas de Mercury Voice y Mercury Router

Además del modelo, Inception Labs anunció avances de dos nuevos productos. Mercury Voice es un LLM de difusión optimizado para agentes de voz con los presupuestos de latencia más ajustados, con un tiempo de publicidad hasta el primer token inferior a 170 milisegundos. Mercury Router utiliza un modelo de difusión para comprender las indicaciones entrantes y enrutarlas a cualquier modelo (abierto o cerrado) que ofrezca la mejor combinación de calidad, velocidad y costo, posicionando a Inception como una capa por encima de sus competidores, así como uno de ellos.

Mercury 2.5 está disponible a través de la propia API de Inception, así como a través de Baseten y OpenRouter. Las implementaciones empresariales añaden capacidad dedicada, escalamiento automático, controles de cumplimiento y retención de datos configurable. La compañía ofrece 100 millones de tokens gratuitos a los desarrolladores que prueban la API.

La compañía también dijo que ya ha comenzado a entrenar su próximo modelo, el más grande hasta el momento, cuyo lanzamiento está previsto para los próximos meses, lo que describe como un salto en capacidad que no renuncia a la velocidad de difusión ni a la eficiencia simbólica. Si esa afirmación se mantiene, la presión sobre los actores dominantes autorregresivos se sentirá primero en los niveles de materias primas del mercado, donde el precio y la latencia deciden la mayoría de los contratos.

Manténgase a la vanguardia de la IA

Siga los últimos desarrollos de IA y las últimas noticias sobre inteligencia artificial a medida que las nuevas arquitecturas de modelos entran en producción.

Leer más noticias sobre IA →