Inception представила Mercury 3: диффузионная языковая модель со скоростью выше 1,000 токенов в секунду

19 октября Inception анонсировала Mercury 3 - по заявлению компании, самую способную диффузионную языковую модель (dLLM) из выпущенных. Качество сопоставимо или выше, чем у скоростных фронтир-моделей GPT-6 Luna и Claude Haiku 5.5, при скорости инференса выше 1,000 токенов в секунду. Компания утверждает, что на широком наборе стандартных бенчмарков Mercury 3 обходит обе модели, работая в 4-8 раз быстрее.

Диффузионные модели генерируют несколько токенов параллельно, в отличие от обычных авторегрессивных моделей, которые выдают текст последовательно, по одному токену. Это даёт принципиально иной путь к быстрому инференсу. Главный вопрос был в том, сохранится ли преимущество параллельной генерации при росте интеллекта модели.

Mercury 3 - четвёртый релиз Inception с запуска Mercury 1 в июне 2025 года. Mercury 2 добавила диффузионным моделям рассуждения, Mercury 2.5 - настраиваемые рассуждения и контекст 260,000 токенов. В Mercury 3, по словам компании, самый большой прирост интеллекта среди всех релизов, а контекстное окно расширено до 1 миллиона токенов. Модель более чем в 40 раз больше Mercury 1.

Доступ: API-платформа Inception, совместимая с OpenAI; новые ключи получают 100 миллионов бесплатных токенов. На старте действует скидка 50%: $0.10 за 1M входных токенов. Выходные стоят $0.35 за 1M (обычные цены - $0.20 и $0.70). Компания заявляет скорость выше 1,000 токенов в секунду на обычных коммерческих GPU NVIDIA. Mercury 2 и 2.5 закрыты для новых пользователей; существующие клиенты сохранят доступ до 15 ноября 2026 года.

Оговорка: все цифры скорости и бенчмарков выше - заявления самой Inception, независимых подтверждений пока нет.