Inception Labs는 월요일에 Mercury 3를 출시하면서 현재까지 출시된 가장 유능한 확산 기반 대형 언어 모델이라고 설명했습니다. 회사의 발표에 따르면 Mercury 3는 다양한 벤치마크에서 GPT-6 Luna 및 Claude Haiku 5.5를 포함한 속도 최적화 프론티어 모델보다 성능이 뛰어나며 초당 1,000개 이상의 토큰으로 4~8배 더 빠르게 실행됩니다.
이번 출시는 카테고리가 등장한 이후 상업용 확산 언어 모델에 맴돌던 질문에 대한 가장 강력한 대답입니다. 텍스트 확산 규모가 복잡한 작업 부하에서 자동 회귀 아키텍처와 경쟁할 수 있습니까, 아니면 대기 시간에만 최적화된 연구 호기심으로 남아 있습니까? CEO인 스테파노 에르몬(Stefano Ermon)을 비롯한 전 스탠포드 및 UC 버클리 연구원들이 설립한 인셉션 랩스(Inception Labs)는 이제 그 답이 정해졌다고 말했습니다. 회사는 Mercury 3가 Mercury 1보다 40배 이상 크고 표준 벤치마크에서 측정된 지능이 Mercury 1(Mini)과 Mercury 3 사이에서 약 3배 증가했다고 보고합니다. 이는 자기회귀 모델의 발전을 이끈 확장 법칙이 확산에도 적용된다는 증거라고 주장합니다. 이 이야기에 대한 자세한 내용은 AI 뉴스를 참조하세요.
속도, 상황 및 가격
헤드라인 수치는 공격적입니다. Inception Labs에 따르면 Mercury 3는 NVIDIA GPU에서 초당 1,068개의 토큰을 생성하여 토큰별 자동 회귀 디코딩에 비해 확산 접근 방식의 시그니처 이점을 유지합니다. 컨텍스트 창은 회사가 9월에 초당 1,107개의 토큰을 지속적으로 출시한 Mercury 2.5의 260,000개에서 100만 개의 토큰으로 증가했습니다.
Mercury 3의 가격은 입력 토큰 백만 개당 0.20달러, 출력 토큰 백만 개당 0.70달러입니다. 출시 시 모델은 50% 할인되어 유효 요율은 입력 토큰 100만 개당 0.10달러, 출력 토큰 100만 개당 0.35달러이며 캐시된 토큰의 가격은 입력 요율보다 90% 낮습니다. 이는 품질 주장에 대한 독립적인 검증이 아직 발표되지 않았지만 벤치마킹 대상으로 삼는 최전선 속도 최적화 모델의 일반적인 가격을 낮추는 것입니다.
벤치마크 및 에이전트 결과
GPT-6 Luna 및 Claude Haiku 5.5에 대한 일반적인 벤치마크 비교 외에도 Inception Labs는 50개의 라이브 Mind2Web 탐색 작업에 대한 프로덕션 웹 에이전트 하니스의 결과를 발표했습니다. Mercury 3는 회사가 GPT-6.1-Sol이 관리하는 것보다 훨씬 더 많은 작업의 50%를 완료했으며, 토큰당 비용의 일부만으로 프론티어 모델과 동일한 토큰 볼륨과 동일한 에이전트 단계 수를 사용했습니다.
회사는 지연 시간에 민감한 에이전트 워크로드를 모델의 핵심 상업 사례로 포지셔닝합니다. 브라우저 사용 에이전트, 음성 지원 및 대화형 응용 프로그램은 모든 단계에서 모델을 기다리기 때문에 작은 지연이 빠르게 심화되고 확산 모델의 높은 처리량은 고정된 시간 예산 내에서 더 빠른 작업 완료와 더 많은 시도로 직접 변환됩니다.
초기 고객 보고서 제작 용도
Inception Labs에 따르면 초기 액세스 파트너는 이미 음성 및 채팅 지원, 실시간 개인교습, 데이터 엔지니어링 및 웹 탐색을 위해 Mercury 3를 프로덕션 환경에서 실행하고 있습니다.
TinyFish AI의 공동 창업자인 Shuhao Zhang은 Mercury 3를 기반으로 구축된 에이전트가 더 빨리 완료되며 웹 사이트 탐색, 소스 조사, 로그 분석 및 사건 추적 등 응답하기 전에 더 많은 접근 방식을 시도할 시간이 있다고 말했습니다.
RevisionDojo를 운영하는 General Learning의 공동 설립자이자 CTO인 Michael Tong은 Mercury 3을 통해 회사가 추론 품질을 포기하지 않고 모든 학생에게 즉각적인 피드백을 제공하고 힌트, 표시된 답변 및 정의를 약 1초 만에 반환할 수 있었으며 모델을 기존 스택에 대한 드롭인 교환으로 설명했다고 말했습니다.
검색 스타트업 Octen의 설립자인 Kuan Zou는 회사의 Sense API 테스트에서 모델 생성이 병목 현상을 일으키는 동안 자체 검색에 약 80밀리초가 걸렸으며 Mercury 3가 테스트된 빠른 모델 중에서 속도와 품질의 균형이 가장 좋았으며 평균 생성 시간은 0.9초, 평균 종단 간 응답 시간은 2.2초라고 보고했습니다.
확산 스케일링이 중요한 이유
한 번에 하나의 토큰씩 순차적으로 텍스트를 생성하는 자동 회귀 변환기는 GPT에서 Gemini 및 Claude까지 기본적으로 모든 프론티어 모델을 전달했습니다. 대신 확산 모델은 생성을 빠르고 제어 가능하게 만드는 속성인 반복적 노이즈 제거를 통해 전체 응답을 병렬로 개선하지만 최근까지 복잡한 추론 작업에서는 크게 뒤처졌습니다.
Mercury 3의 핵심 주장은 이러한 품질 격차가 대규모로 해소되었다는 것입니다. 회사의 수치가 독립적인 평가에 따라 유지된다면 실질적인 결과는 총 토큰 지출이 속도 계층 모델에 의해 지배되는 대용량 에이전트 워크로드의 경제성에 영향을 미치는 상업적 추론을 위한 신뢰할 수 있는 두 번째 아키텍처 제품군입니다.
현재로서는 해당 주장이 공급업체에 의해 보고된 상태로 남아 있습니다. Inception Labs는 Mercury 3에 대한 제3자 평가를 언급하지 않았으며 벤치마크 비교는 자체 하네스에서 나왔습니다. 그러나 회사의 이전 모델은 2025년부터 공개적으로 제공되어 구매자에게 확인할 수 있는 기록을 제공합니다.
가용성
Mercury 3는 Inception Labs의 API를 통해 출시 할인 가격으로 즉시 사용할 수 있으며, 회사에서는 캐시된 토큰이 입력 가격의 10%로 청구된다고 밝혔습니다. 공개 가중치 릴리스는 발표되지 않았습니다. 이전 모델과 마찬가지로 Mercury 3는 상용 API 전용 모델입니다.
새로운 모델 출시, 확산 아키텍처 및 프론티어 AI의 확장되는 속도 계층에 대한 지속적인 보도를 보려면 AI Buzz Wire를 팔로우하세요.
---
AI 최신 소식최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.
AI 뉴스 더 보기 →
