इनसेप्शन लॅब्सने सोमवारी मर्क्युरी 3 सादर केला, त्याचे वर्णन आजपर्यंतचे सर्वात सक्षम प्रसार-आधारित मोठे भाषा मॉडेल म्हणून केले गेले. कंपनीच्या घोषणेनुसार, मर्क्युरी 3 स्पीड-ऑप्टिमाइज्ड फ्रंटियर मॉडेल्सला मागे टाकते ज्यात GPT-6 लुना आणि क्लॉड हायकू 5.5 हे बेंचमार्कच्या श्रेणीमध्ये 4 ते 8 पट वेगाने, 1,000 टोकन्स प्रति सेकंदात चालतात.

श्रेणी उदयास आल्यापासून व्यावसायिक प्रसार भाषा मॉडेल्सवर लटकलेल्या प्रश्नाचे लाँच हे सर्वात मजबूत उत्तर आहे: क्लिष्ट वर्कलोड्सवर ऑटोरिग्रेसिव्ह आर्किटेक्चरशी स्पर्धा करण्यासाठी टेक्स्ट डिफ्यूजन स्केल असू शकते किंवा ते केवळ विलंबासाठी ऑप्टिमाइझ केलेली संशोधन उत्सुकता राहते? इन्सेप्शन लॅब, ज्याची स्थापना स्टॅनफोर्ड आणि यूसी बर्कलेच्या माजी संशोधकांनी केली होती ज्यात सीईओ स्टेफानो एर्मोन यांचा समावेश आहे, उत्तर आता निश्चित झाले आहे. कंपनीने अहवाल दिला आहे की बुध 3 हा बुध 1 पेक्षा 40 पटींनी मोठा आहे आणि मानक बेंचमार्कमध्ये बुध 1 (मिनी) आणि बुध 3 दरम्यान अंदाजे तिप्पट बुद्धिमत्ता मोजली गेली आहे, याचा पुरावा आहे की ऑटोरिग्रेसिव्ह मॉडेल्समध्ये प्रगती घडवून आणणारे स्केलिंग कायदे देखील प्रसारास धरून आहेत. For more context on this story, see our ongoing AI trends.

गती, संदर्भ आणि किंमत

हेडलाइनचे आकडे आक्रमक आहेत. इनसेप्शन लॅब्सचे म्हणणे आहे की मर्क्युरी 3 NVIDIA GPU वर प्रति सेकंद 1,068 टोकन व्युत्पन्न करते, टोकन-बाय-टोकन ऑटोरेग्रेसिव्ह डीकोडिंगवर प्रसार करण्याच्या दृष्टीकोनाचा स्वाक्षरी फायदा राखून. संदर्भ विंडो 1 दशलक्ष टोकन्सपर्यंत वाढली आहे, बुध 2.5 मधील 260,000 वरून, जी कंपनीने सप्टेंबरमध्ये 1,107 टोकन प्रति सेकंद सातत्यपूर्ण आउटपुटसह जारी केली होती.

Mercury 3 ची किंमत $0.20 प्रति दशलक्ष इनपुट टोकन आणि $0.70 प्रति दशलक्ष आउटपुट टोकन आहे. लॉन्चच्या वेळी, मॉडेलवर ५० टक्के सूट आहे, प्रभावी दर $०.१० प्रति दशलक्ष इनपुट टोकन आणि $०.३५ प्रति दशलक्ष आउटपुट टोकनवर आणतो, कॅश्ड टोकन्सची किंमत इनपुट दरापेक्षा ९० टक्के कमी आहे. ते विरुद्ध बेंचमार्क असलेल्या फ्रंटियर स्पीड-ऑप्टिमाइझ केलेल्या मॉडेलच्या ठराविक किंमतीला कमी करते, जरी गुणवत्तेच्या दाव्यांचे स्वतंत्र सत्यापन अद्याप प्रकाशित केले गेले नाही.

बेंचमार्क आणि एजंट परिणाम

GPT-6 Luna आणि Claude Haiku 5.5 मधील सामान्य बेंचमार्क तुलनांच्या पलीकडे, Inception Labs ने 50 थेट Mind2Web नेव्हिगेशन टास्कवर त्याच्या उत्पादन वेब-एजंट हार्नेसचे परिणाम प्रकाशित केले. Mercury 3 ने 50 टक्के कार्ये पूर्ण केली, जी कंपनी म्हणते GPT-6.1-Sol व्यवस्थापित पेक्षा लक्षणीयरीत्या जास्त आहे, त्याच टोकन व्हॉल्यूम आणि प्रति-टोकन किमतीच्या काही अंशाने फ्रंटियर मॉडेल प्रमाणेच एजंट स्टेप्स वापरून.

कंपनी मॉडेलसाठी मुख्य व्यावसायिक केस म्हणून विलंब-संवेदनशील एजंट वर्कलोड्स ठेवते. कारण ब्राउझर-वापर करणारे एजंट, व्हॉइस असिस्टंट आणि परस्परसंवादी ॲप्लिकेशन्स प्रत्येक टप्प्यावर मॉडेलची प्रतीक्षा करतात, लहान विलंब त्वरीत कंपाऊंड करतात आणि डिफ्यूजन मॉडेलचे उच्च थ्रूपुट थेट कार्य जलद पूर्ण करण्यासाठी आणि निश्चित वेळेच्या बजेटमध्ये अधिक प्रयत्नांमध्ये अनुवादित करते.

सुरुवातीचे ग्राहक उत्पादन वापराचा अहवाल देतात

इनसेप्शन लॅब्सचे म्हणणे आहे की व्हॉईस आणि चॅट सपोर्ट, रिअल-टाइम ट्युटोरिंग, डेटा इंजिनीअरिंग आणि वेब नेव्हिगेशनसाठी लवकर-ॲक्सेस भागीदार आधीच मर्करी 3 उत्पादनात चालवत आहेत.

TinyFish AI चे सहसंस्थापक, Shuhao Zhang म्हणाले की, Mercury 3 वर तयार केलेले एजंट लवकर पूर्ण करतात आणि उत्तर देण्यापूर्वी त्यांना अधिक पध्दतींचा प्रयत्न करण्याची वेळ आहे, मग ते वेबसाइट्स नेव्हिगेट करत असतील, स्त्रोतांवर संशोधन करत असतील किंवा लॉगचे विश्लेषण करत असतील आणि घटनांचा शोध घेत असतील.

RevisionDojo चे संचालन करणारे जनरल लर्निंगचे सह-संस्थापक आणि CTO, मायकेल टोंग म्हणाले की, Mercury 3 ने कंपनीला प्रत्येक विद्यार्थ्याला तर्क गुणवत्ता, रिटर्निंग इशारे, चिन्हांकित उत्तरे आणि व्याख्या एका सेकंदात न सोडता त्वरित अभिप्राय देण्याची परवानगी दिली आणि मॉडेलचे वर्णन त्याच्या विद्यमान स्टॅकसाठी ड्रॉप-इन स्वॅप म्हणून केले.

शोध स्टार्टअप ऑक्टेनचे संस्थापक, कुआन झू यांनी नोंदवले की कंपनीच्या सेन्स API चाचण्यांमध्ये स्वतःच्या शोधात सुमारे 80 मिलीसेकंद लागले, तर मॉडेल जनरेशन अडथळे होते आणि मर्क्युरी 3 ने चाचणी केलेल्या वेगवान मॉडेल्समध्ये वेग आणि गुणवत्तेचा सर्वोत्तम समतोल राखला, ज्यामध्ये 0.9 सेकंदांची मध्यवर्ती जनरेशन वेळ आणि सेकंदाच्या शेवट-टू-एंड 2 प्रतिसादाची सरासरी वेळ होती.

डिफ्यूजन स्केलिंग का महत्त्वाचे आहे

ऑटोरिग्रेसिव्ह ट्रान्सफॉर्मर्स, जे अनुक्रमे एका वेळी टेक्स्ट एक टोकन व्युत्पन्न करतात, जीपीटीकडून जेमिनी आणि क्लॉडद्वारे मूलत: प्रत्येक फ्रंटियर मॉडेल घेऊन जातात. डिफ्यूजन मॉडेल्स त्याऐवजी पुनरावृत्ती डिनोइझिंगद्वारे समांतरपणे संपूर्ण प्रतिसाद परिष्कृत करतात, एक गुणधर्म जी पिढी जलद आणि नियंत्रणीय बनवते परंतु अलीकडेपर्यंत, जटिल तर्क कार्यांमध्ये वाईटरित्या मागे पडते.

बुध 3 चा मध्यवर्ती दावा आहे की हे गुणवत्तेचे अंतर मोठ्या प्रमाणात बंद झाले आहे. जर कंपनीची संख्या स्वतंत्र मूल्यमापनात टिकून राहिली, तर त्याचा व्यावहारिक परिणाम म्हणजे व्यावसायिक अनुमानासाठी एक विश्वासार्ह दुसरे आर्किटेक्चर कुटुंब, उच्च-व्हॉल्यूम एजंट वर्कलोड्सच्या अर्थशास्त्रावर परिणाम होतो, जेथे एकूण टोकन खर्च स्पीड-टियर मॉडेल्सचे वर्चस्व आहे.

दावे आत्तासाठी विक्रेता-अहवाल आहेत. इनसेप्शन लॅब्सने बुध 3 च्या तृतीय-पक्ष मूल्यमापनाकडे लक्ष वेधले नाही आणि त्याची बेंचमार्क तुलना त्याच्या स्वतःच्या हार्नेसमधून येते. कंपनीचे पूर्वीचे मॉडेल, तथापि, 2025 पासून सार्वजनिकपणे सर्व्ह केले जात आहेत, ज्यामुळे खरेदीदारांना तपासण्यासाठी ट्रॅक रेकॉर्ड मिळतो.

उपलब्धता

Mercury 3 Inception Labs' API द्वारे लॉन्च-सवलतीच्या दराने ताबडतोब उपलब्ध आहे, कंपनीने सांगितले की कॅश्ड टोकन्सना इनपुट किंमतीच्या 10 टक्के बिल दिले जाते. ओपन-वेट रिलीझची घोषणा केली नाही; त्याच्या पूर्ववर्तींप्रमाणे, मर्क्युरी 3 हे व्यावसायिक, केवळ एपीआय मॉडेल आहे.

नवीन मॉडेल रिलीझ, डिफ्यूजन आर्किटेक्चर्स आणि फ्रंटियर AI च्या स्पीड टियरच्या विस्तृत कव्हरेजसाठी, AI Buzz Wire चे अनुसरण करा.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →