Inception Mercury 3, LLM de difusión, afirma alcanzar 1.068 tokens/s

Inception lanzó Mercury 3 el 19 de octubre de 2026 y lo presentó como el modelo de lenguaje de difusión más capaz publicado hasta ahora. La empresa dice que funciona a 1.068 tokens por segundo en GPU de Nvidia, lee hasta 1 millón de tokens y cuesta 0,20 dólares por millón de tokens de entrada. Todas las cifras de velocidad y calidad proceden de Inception o de sus primeros clientes, así que la prueba real es tu propia carga de trabajo.

En qué se diferencia la forma de escribir de un modelo de difusión

La mayoría de los modelos de chat, incluidos GPT y Claude, escriben un token cada vez. Un token es una palabra o un fragmento de palabra, y cada uno tiene que esperar al anterior. Inception presenta la difusión como alternativa a ese enfoque token a token.

La difusión es la técnica que hay detrás de muchos generadores de imágenes. En lugar de escribir estrictamente de izquierda a derecha, el modelo refina una versión aproximada de la salida en varias pasadas. La apuesta de Inception es que esto hace mucho más rápidos los modelos de texto, y Mercury 3 es su argumento de que el enfoque también se vuelve más inteligente a medida que crece.

"Mercury 3 demuestra que la difusión de texto escala", dice el anuncio de Inception. La empresa afirma que las leyes de escalado que impulsaron los modelos convencionales también se cumplen en la difusión. Las leyes de escalado son el patrón observado de que los modelos más grandes entrenados con más datos mejoran de forma constante.

Stefano Ermon, CEO y cofundador de Inception, fue más allá en X. Calificó Mercury 3 como "con diferencia nuestro modelo más potente y el LLM de difusión más inteligente jamás publicado", según cita RuntimeWire.

Especificaciones y precios de Mercury 3

Elemento	Mercury 3
Velocidad	1.068 tokens por segundo en GPU de Nvidia (cifra de Inception)
Ventana de contexto	1 millón de tokens (Mercury 2.5: 260.000)
Tamaño	Más de 40 veces los parámetros totales de Mercury 1
Precio de lista	0,20 dólares de entrada / 0,70 dólares de salida por millón de tokens
Precio de lanzamiento	0,10 dólares de entrada / 0,35 dólares de salida, 50% de descuento, sin fecha de fin indicada
Entrada en caché	0,02 dólares de lista, 0,01 dólares durante la oferta de lanzamiento
Uso gratuito	100 millones de tokens para cuentas nuevas, sin necesidad de tarjeta
Dónde conseguirlo	API de Inception, OpenRouter, Baseten, Vercel

La API sigue el formato de OpenAI, así que las bibliotecas cliente existentes funcionan con una nueva URL base. Unite.AI indica que el ID del modelo es mercury-3. Inception dice que funciona entre 4 y 8 veces más rápido que GPT-6 Luna y Claude Haiku 5.5.

Qué muestran los benchmarks y qué dejan fuera

Inception dice que Mercury 3 iguala o supera a GPT-6 Luna y Claude Haiku 5.5 "en una serie de benchmarks". No publica puntuaciones concretas para esa comparación, y ninguno de los medios que cubrieron el lanzamiento añade ninguna. También dice que el modelo es tres veces más inteligente que el Mercury 1 más pequeño.

La única prueba concreta de agentes vino de TinyFish AI, uno de los primeros clientes. Ejecutó Mercury 3 en 50 tareas en vivo de Mind2Web, una prueba en la que un agente tiene que completar trabajos reales en sitios web. Mercury 3 completó el 50% de ellas. Inception dice que eso es "significativamente más" que GPT-6.1 Sol, con un uso de tokens similar y un coste por token menor. No da ninguna puntuación de Sol para comparar.

Las afirmaciones de velocidad de los clientes son más concretas. Octen AI probó el modelo dentro de su Sense API. Midió una mediana de 0,9 segundos para generar una respuesta y de 2,2 segundos de extremo a extremo. Al hablar de respuestas en gafas inteligentes, Kuan Zou, fundador de Octen, lo resumió así: "Una respuesta que tarda cinco segundos parece rota."

Mercury 2 y 2.5 se cierran a nuevos usuarios

Según Unite.AI, Mercury 2 y Mercury 2.5 ya no aceptan nuevos usuarios. Los clientes existentes que los usaron antes del 19 de octubre conservan el acceso hasta el 15 de noviembre de 2026.

Qué significa para los desarrolladores

Haz tu propia prueba antes de cambiar. La velocidad es el titular, pero la comparación de calidad no tiene cifras publicadas. Toma entre 50 y 100 prompts reales de tu aplicación, pásalos por Mercury 3 y por tu modelo actual, y puntúa tú mismo las respuestas. La API compatible con OpenAI hace que sea un trabajo corto.

Mira primero las funciones limitadas por la latencia. Los asistentes de voz, los agentes de búsqueda y las tutorías en directo aparecen en la lista de clientes de Inception, y comparten un rasgo: una respuesta lenta arruina la función. Si tu producto espera a un modelo mientras un usuario mira un indicador de carga, ahí es donde compensa un modelo más rápido.

Presupuesta con el precio de lista, no con el de lanzamiento. El descuento del 50% no tiene fecha de fin indicada, así que calcula con 0,20 y 0,70 dólares por millón de tokens. Como comparación, MiniMax fijó el precio de M3.1 Flash en 0,15 y 0,60 dólares esta semana.

Deja Mercury 2 y 2.5 antes del 15 de noviembre. Los equipos que usan los modelos antiguos deberían probar Mercury 3 ya, no en la última semana. Un contexto de 1 millón de tokens es un gran cambio respecto a 260.000, así que comprueba que los prompts largos se siguen comportando como esperas.