Стартап Inception выпустил Mercury 3 — языковую модель на основе диффузии, которая сначала набрасывает весь ответ, а затем уточняет его. В собственных тестах компания заявляет скорость 1 068 токенов в секунду и лидерство в восьми из 12 проверок против GPT-6 Luna и Claude Haiku 5.5. Для приложений, где задержка мешает работе, это звучит многообещающе, но независимых испытаний пока нет.
Суть события
Inception позиционирует Mercury 3 как модель для ситуаций, где ответ нужен почти сразу: автономных ИИ-агентов, поиска, умных очков, поддержки клиентов и обучения. Компания говорит, что модель работает в четыре–восемь раз быстрее соперников. Это заявление Inception, а не установленный независимым тестом факт.
Обычные модели вроде GPT и Claude обычно строят ответ по одному фрагменту за раз. Диффузионная модель начинает с грубого наброска всего ответа и делает несколько проходов уточнения — примерно как редактор, который сразу видит весь черновик. Такой подход может уменьшить ожидание, особенно когда агент много раз обращается к модели в рамках одной задачи.
Что показали тесты Inception
В таблице компании Mercury 3 выиграла восемь из 12 тестов при одинаковом среднем режиме для всех трёх моделей. Самый заметный разрыв указан в следовании инструкциям: 76,84 балла против 61,84 у GPT-6 Luna. В автономном программировании на SWE-Bench Atlas Mercury 3 получила 51,08 балла, тогда как у конкурентов указаны 33,33 и 32,26.
Картина не односторонняя. Claude Haiku 5.5 оказалась сильнее в длинном тесте программирования DeepSWE и лучше искала сведения в больших текстах. GPT-6 Luna опередила Mercury 3 в двух проверках Artificial Analysis. Поэтому корректнее говорить о лидерстве в части набора тестов, а не о безусловном превосходстве.
По данным Inception, Mercury 3 выдаёт 1 068 токенов в секунду на видеокартах Nvidia; для Claude Haiku 5.5 компания приводит около 240, для GPT-6 Luna — около 130. Токен — небольшой фрагмент текста, поэтому эта метрика описывает скорость генерации, но сама по себе не говорит о качестве ответа или времени всей задачи.
Цена, объём памяти и ограничения
Mercury 3 принимает до 1 млн токенов за раз и поддерживает совместимый с OpenAI API интерфейс. Модель доступна на платформе Inception, а также через OpenRouter, Baseten и Vercel. Компания не раскрыла точное число параметров, поэтому сравнивать размер моделей напрямую нельзя.
Обычная цена заявлена на уровне $0,20 за миллион входных токенов и $0,70 за миллион выходных. На старте Inception снизила обе ставки вдвое, но срок скидки не назвала. После окончания акции выход Mercury 3 может стоить дороже GPT-6 Luna и Claude Haiku 5.5 на коротких запросах, хотя на очень длинных вводах конкуренты обходятся дороже. Здесь цена зависит от характера нагрузки, а не только от рекламируемой скорости.
Дополнительный контекст о том, как сравнивать разные модели и их возможности, собран в материале сравнение популярных ИИ-моделей.
Что дальше
Для разработчика главный практический вопрос — не рекордная цифра сама по себе, а задержка полного сценария. В одном из примеров Octen AI сообщила, что ответ для умных очков при Mercury 3 имел медианное время ответа 0,9 секунды, а весь процесс занимал 2,2 секунды. Это результат партнёра Inception, а не универсальная гарантия для любого приложения.
Пока Mercury 3 стоит воспринимать как интересный вариант для быстрых многошаговых процессов, который нужно проверять на собственных запросах. Собственные бенчмарки показывают сильную сторону модели, но одновременно напоминают: она не выигрывает каждую задачу, а независимых сравнений ещё нет.
Mercury 3 уже лучше GPT-6 Luna и Claude Haiku 5.5 во всём?
Нет. По тестам Inception она лидирует в восьми из 12 проверок, но Claude Haiku 5.5 и GPT-6 Luna выигрывают отдельные задачи. Независимых тестов пока нет.
Почему модель называют диффузионной?
Она не строит ответ строго по одному слову за раз, а уточняет общий черновик несколькими проходами. Это может ускорить генерацию, но не гарантирует лучший результат на каждой задаче.
