Inception Labs a présenté Mercury 3 lundi, le décrivant comme le modèle de langage étendu basé sur la diffusion le plus performant publié à ce jour. Selon l'annonce de la société, Mercury 3 surpasse les modèles pionniers à vitesse optimisée, notamment GPT-6 Luna et Claude Haiku 5.5, sur une gamme de références, tout en fonctionnant 4 à 8 fois plus vite, à plus de 1 000 jetons par seconde.
Ce lancement constitue à ce jour la réponse la plus solide à la question qui plane sur les modèles linguistiques de diffusion commerciale depuis l'émergence de la catégorie : la diffusion de texte peut-elle évoluer pour rivaliser avec les architectures autorégressives sur des charges de travail complexes, ou reste-t-elle une curiosité de recherche optimisée uniquement pour la latence ? Inception Labs, fondé par d'anciens chercheurs de Stanford et de l'UC Berkeley, dont le PDG Stefano Ermon, affirme que la réponse est désormais réglée. La société rapporte que Mercure 3 est plus de 40 fois plus grande que Mercure 1 et que l’intelligence mesurée selon les critères standards a à peu près triplé entre Mercure 1 (mini) et Mercure 3, preuve, affirme-t-elle, que les lois d’échelle qui ont conduit aux progrès des modèles autorégressifs s’appliquent également à la diffusion. Pour plus de contexte sur cette histoire, consultez notre actualités IA.
Vitesse, contexte et tarification
Les chiffres publiés sont agressifs. Inception Labs affirme que Mercury 3 génère 1 068 jetons par seconde sur les GPU NVIDIA, conservant ainsi l'avantage caractéristique de l'approche de diffusion par rapport au décodage autorégressif jeton par jeton. La fenêtre contextuelle est passée à 1 million de jetons, contre 260 000 dans Mercury 2.5, que la société a publié en septembre avec 1 107 jetons par seconde de production soutenue.
Mercury 3 est au prix de 0,20 $ par million de jetons d'entrée et de 0,70 $ par million de jetons de sortie. Au lancement, le modèle est à 50 % de réduction, ce qui porte le taux effectif à 0,10 $ par million de jetons d'entrée et à 0,35 $ par million de jetons de sortie, le prix des jetons en cache étant inférieur de 90 % au taux d'entrée. Cela réduit le prix typique des modèles optimisés pour la vitesse de pointe contre lesquels il se compare, bien que la vérification indépendante des allégations de qualité n'ait pas encore été publiée.
Résultats de référence et d'agent
Au-delà des comparaisons générales avec GPT-6 Luna et Claude Haiku 5.5, Inception Labs a publié les résultats de son harnais d'agent Web de production sur 50 tâches de navigation Mind2Web en direct. Mercury 3 a accompli 50 % des tâches, ce qui, selon la société, est bien plus que ce que GPT-6.1-Sol gère, tout en utilisant le même volume de jetons et le même nombre d'étapes d'agent que le modèle frontière, pour une fraction du coût par jeton.
La société positionne les charges de travail des agents sensibles à la latence comme le principal argument commercial du modèle. Étant donné que les agents utilisant le navigateur, les assistants vocaux et les applications interactives attendent le modèle à chaque étape, les petits retards s'accumulent rapidement et le débit élevé d'un modèle de diffusion se traduit directement par une exécution plus rapide des tâches et un plus grand nombre de tentatives dans un budget de temps fixe.
Les premiers clients signalent une utilisation en production
Inception Labs indique que les partenaires à accès anticipé utilisent déjà Mercury 3 en production pour l'assistance vocale et par chat, le tutorat en temps réel, l'ingénierie des données et la navigation Web.
Shuhao Zhang, cofondateur de TinyFish AI, a déclaré que les agents construits sur Mercury 3 terminent plus tôt et ont le temps d'essayer d'autres approches avant de répondre, qu'ils naviguent sur des sites Web, recherchent des sources ou analysent des journaux et traquent des incidents.
Michael Tong, co-fondateur et directeur technique de General Learning, qui exploite RevisionDojo, a déclaré que Mercury 3 permettait à l'entreprise de donner à chaque étudiant un retour instantané sans renoncer à la qualité du raisonnement, en renvoyant des indices, des réponses marquées et des définitions en une seconde environ, et a décrit le modèle comme un échange instantané pour sa pile existante.
Kuan Zou, fondateur de la startup de recherche Octen, a rapporté que lors des tests de l'API Sense de la société, sa propre recherche prenait environ 80 millisecondes alors que la génération du modèle constituait le goulot d'étranglement, et que Mercury 3 offrait le meilleur équilibre entre vitesse et qualité parmi les modèles rapides testés, avec un temps de génération médian de 0,9 seconde et un temps de réponse médian de bout en bout de 2,2 secondes.
Pourquoi la mise à l'échelle de la diffusion est importante
Les transformateurs autorégressifs, qui génèrent du texte un jeton à la fois en séquence, ont porté pratiquement tous les modèles de frontière, de GPT à Gemini et Claude. Les modèles de diffusion affinent en parallèle une réponse entière grâce au débruitage itératif, une propriété qui rend la génération rapide et contrôlable mais qui, jusqu'à récemment, était en retard sur les tâches de raisonnement complexes.
L'affirmation centrale de Mercury 3 est que cet écart de qualité s'est réduit à grande échelle. Si les chiffres de l'entreprise résistent à une évaluation indépendante, la conséquence pratique est une deuxième famille d'architecture crédible pour l'inférence commerciale, avec des implications économiques pour les charges de travail des agents à volume élevé, où les dépenses globales en jetons sont dominées par des modèles de vitesse.
Les réclamations restent signalées par le fournisseur pour le moment. Inception Labs n'a pas fait référence à des évaluations tierces de Mercury 3, et ses comparaisons de référence proviennent de ses propres harnais. Les modèles précédents de la société, cependant, sont proposés au public depuis 2025, ce qui donne aux acheteurs un historique sur lequel vérifier.
Disponibilité
Mercury 3 est disponible immédiatement via l'API d'Inception Labs au tarif réduit de lancement, la société déclarant que les jetons mis en cache sont facturés à 10 % du prix d'entrée. Aucune publication de poids ouverts n'a été annoncée ; comme ses prédécesseurs, Mercury 3 est un modèle commercial uniquement API.
Pour une couverture continue des nouvelles versions de modèles, des architectures de diffusion et du niveau de vitesse croissant de Frontier AI, suivez AI Buzz Wire.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
