Inception Labs introducerade Mercury 3 på måndagen och beskrev den som den mest kapabla spridningsbaserade stora språkmodellen som släppts hittills. Enligt företagets tillkännagivande överträffar Mercury 3 hastighetsoptimerade frontiermodeller inklusive GPT-6 Luna och Claude Haiku 5.5 över en rad riktmärken samtidigt som den körs 4 till 8 gånger snabbare, med mer än 1 000 tokens per sekund.

Lanseringen är det starkaste svaret hittills på frågan som har hängt över kommersiella spridningsspråksmodeller sedan kategorin uppstod: kan textdiffusion skalas för att konkurrera med autoregressiva arkitekturer på komplexa arbetsbelastningar, eller förblir det en forskningsnyfikenhet optimerad endast för latens? Inception Labs, som grundades av tidigare forskare från Stanford och UC Berkeley, inklusive VD Stefano Ermon, säger att svaret nu är klart. Företaget rapporterar att Mercury 3 är mer än 40 gånger större än Mercury 1 och att den uppmätta intelligensen över standardriktmärken ungefär tredubblats mellan Mercury 1 (mini) och Mercury 3, bevis, hävdar det, att skalningslagarna som drev framsteg i autoregressiva modeller gäller även för diffusion. For more context on this story, see our ongoing artificial intelligence updates.

Hastighet, sammanhang och prissättning

Rubrikerna är aggressiva. Inception Labs säger att Mercury 3 genererar 1 068 tokens per sekund på NVIDIA GPU:er, vilket bibehåller signaturfördelen med diffusionsmetoden framför token-by-token autoregressiv avkodning. Kontextfönstret har vuxit till 1 miljon tokens, upp från 260 000 i Mercury 2.5, som företaget släppte i september med 1 107 tokens per sekund av ihållande produktion.

Mercury 3 är prissatt till $0,20 per miljon inmatade tokens och $0,70 per miljon output-tokens. Vid lanseringen är modellen 50 procent rabatt, vilket ger den effektiva räntan till $0,10 per miljon inmatade tokens och $0,35 per miljon output tokens, med cachade tokens prissatta 90 procent under ingångshastigheten. Det underskrider den typiska prissättningen för de gränshastighetsoptimerade modellerna den jämför med, även om oberoende verifiering av kvalitetspåståendena ännu inte har publicerats.

Benchmark- och agentresultat

Utöver de generella jämförelserna mot GPT-6 Luna och Claude Haiku 5.5, publicerade Inception Labs resultat från sin produktionswebb-agent för 50 Live Mind2Web-navigeringsuppgifter. Mercury 3 slutförde 50 procent av uppgifterna, vilket företaget säger är betydligt mer än vad GPT-6.1-Sol hanterade, samtidigt som man använde samma tokenvolym och samma antal agentsteg som frontiermodellen till en bråkdel av kostnaden per token.

Företaget positionerar latenskänsliga agentarbetsbelastningar som det viktigaste kommersiella fallet för modellen. Eftersom webbläsaranvändningsagenter, röstassistenter och interaktiva applikationer väntar på modellen vid varje steg, blir små förseningar snabbt förvärrade och en spridningsmodells höga genomströmning leder direkt till snabbare uppgiftsslutförande och fler försök inom en fastställd tidsbudget.

Tidiga kunder rapporterar produktionsanvändning

Inception Labs säger att partner med tidig tillgång redan kör Mercury 3 i produktion för röst- och chattstöd, handledning i realtid, datateknik och webbnavigering.

Shuhao Zhang, medgrundare av TinyFish AI, sa att agenter byggda på Mercury 3 slutar tidigare och har tid att prova fler metoder innan de svarar, oavsett om de navigerar på webbplatser, forskar över källor eller analyserar loggar och spårar incidenter.

Michael Tong, medgrundare och CTO för General Learning, som driver RevisionDojo, sa att Mercury 3 gjorde det möjligt för företaget att ge varje elev omedelbar feedback utan att ge upp resonemangskvalitet, returnera tips, markerade svar och definitioner på ungefär en sekund, och beskrev modellen som ett drop-in-byte för sin befintliga stack.

Kuan Zou, grundare av sökstartföretaget Octen, rapporterade att i företagets Sense API-tester tog dess egen sökning cirka 80 millisekunder medan modellgenerering var flaskhalsen, och att Mercury 3 levererade den bästa balansen mellan hastighet och kvalitet bland de testade snabba modellerna, med en mediangenerationstid på 0,9 sekunder och en mediansvarstid från slut till ände på 2,2 sekunder.

Varför diffusionsskalning är viktig

Autoregressiva transformatorer, som genererar text en token i taget i sekvens, har burit i princip alla frontiermodeller från GPT till Gemini och Claude. Diffusionsmodeller förfinar istället en hel respons parallellt genom iterativ denoising, en egenskap som gör genereringen snabb och kontrollerbar men som tills nyligen släpat dåligt på komplexa resonemangsuppgifter.

Mercury 3:s centrala påstående är att denna kvalitetsklyfta har slutit i skala. Om företagets siffror håller sig under oberoende utvärdering är den praktiska konsekvensen en trovärdig andra arkitekturfamilj för kommersiella slutsatser, med implikationer för ekonomin av högvolym agentarbetsbelastningar, där sammanlagda token-utgifter domineras av hastighetsmodeller.

Anspråken förblir leverantörsrapporterade tills vidare. Inception Labs har inte pekat på tredjepartsutvärderingar av Mercury 3, och dess jämförelser kommer från dess egna selar. Företagets tidigare modeller har dock varit offentligt serverade sedan 2025, vilket ger köpare en meritlista att kontrollera mot.

Tillgänglighet

Mercury 3 är tillgänglig omedelbart via Inception Labs API till lanseringsrabatterad pris, där företaget anger att cachade tokens faktureras med 10 procent av ingångspriset. Ingen friviktsrelease tillkännagavs; Liksom sina föregångare är Mercury 3 en kommersiell modell med endast API.

Följ AI Buzz Wire för fortsatt bevakning av nya modellsläpp, diffusionsarkitekturer och den ökande hastighetsnivån för frontier AI.

---

Stay Ahead of AI

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

Read more AI news →