Inception Mercury 3 : le LLM à diffusion revendique 1 068 tokens par seconde

Inception a lancé Mercury 3 le 19 octobre 2026, en le présentant comme le modèle de langage à diffusion le plus performant publié à ce jour. L'entreprise affirme qu'il tourne à 1 068 tokens par seconde sur des GPU Nvidia, lit jusqu'à 1 million de tokens et coûte 0,20 $ par million de tokens en entrée. Tous les chiffres de vitesse et de qualité viennent d'Inception ou de ses premiers clients, donc le vrai test reste votre propre charge de travail.

En quoi un modèle à diffusion écrit différemment

La plupart des modèles conversationnels, dont GPT et Claude, écrivent un token à la fois. Un token est un mot ou un morceau de mot, et chacun doit attendre celui qui le précède. Inception présente la diffusion comme une alternative à cette approche token par token.

La diffusion est la technique derrière de nombreux générateurs d'images. Au lieu d'écrire strictement de gauche à droite, le modèle affine une version grossière de la sortie en plusieurs passes. Le pari d'Inception est que cette approche rend les modèles de texte beaucoup plus rapides, et Mercury 3 est son argument pour montrer qu'elle devient aussi plus intelligente en grandissant.

« Mercury 3 démontre que la diffusion de texte passe à l'échelle », indique l'annonce d'Inception. L'entreprise affirme que les lois d'échelle qui ont porté les modèles classiques s'appliquent aussi à la diffusion. Les lois d'échelle désignent le constat que des modèles plus grands, entraînés sur plus de données, s'améliorent régulièrement.

Stefano Ermon, PDG et cofondateur d'Inception, est allé plus loin sur X. Il a qualifié Mercury 3 de « de loin notre modèle le plus puissant et le LLM à diffusion le plus intelligent jamais publié », selon RuntimeWire.

Caractéristiques et prix de Mercury 3

Élément	Mercury 3
Vitesse	1 068 tokens par seconde sur GPU Nvidia (chiffre d'Inception)
Fenêtre de contexte	1 million de tokens (Mercury 2.5 : 260 000)
Taille	Plus de 40 fois le nombre total de paramètres de Mercury 1
Prix catalogue	0,20 $ en entrée / 0,70 $ en sortie par million de tokens
Prix de lancement	0,10 $ en entrée / 0,35 $ en sortie, 50 % de remise, sans date de fin annoncée
Entrée en cache	0,02 $ au prix catalogue, 0,01 $ pendant l'offre de lancement
Utilisation gratuite	100 millions de tokens pour les nouveaux comptes, sans carte bancaire
Où l'obtenir	API d'Inception, OpenRouter, Baseten, Vercel

L'API suit le format d'OpenAI, donc les bibliothèques clientes existantes fonctionnent avec une nouvelle URL de base. Unite.AI indique mercury-3 comme identifiant du modèle. Inception affirme qu'il tourne 4 à 8 fois plus vite que GPT-6 Luna et Claude Haiku 5.5.

Ce que montrent les benchmarks, et ce qu'ils laissent de côté

Inception affirme que Mercury 3 égale ou dépasse GPT-6 Luna et Claude Haiku 5.5 « sur un ensemble de benchmarks ». L'entreprise ne publie aucun score précis pour cette comparaison, et aucun des deux médias qui ont couvert le lancement n'en ajoute. Elle affirme aussi que le modèle est trois fois plus intelligent que le plus petit Mercury 1.

Le seul test d'agent concret vient de TinyFish AI, l'un des premiers clients. L'entreprise a fait tourner Mercury 3 sur 50 tâches Mind2Web en conditions réelles, un test où un agent doit accomplir de vraies tâches sur des sites web. Mercury 3 en a terminé 50 %. Inception affirme que c'est « nettement plus » que GPT-6.1 Sol, pour une consommation de tokens similaire et un coût par token plus bas. Elle ne donne aucun score de Sol pour comparer.

Les affirmations de clients sur la vitesse sont plus précises. Octen AI a testé le modèle dans sa Sense API. L'entreprise a mesuré un temps médian de 0,9 seconde pour générer une réponse et de 2,2 secondes de bout en bout. À propos des réponses sur des lunettes connectées, Kuan Zou, fondateur d'Octen, résume l'enjeu : « Une réponse qui prend cinq secondes donne l'impression d'être cassée. »

Mercury 2 et 2.5 fermés aux nouveaux utilisateurs

Selon Unite.AI, Mercury 2 et Mercury 2.5 n'acceptent plus de nouveaux utilisateurs. Les clients existants qui les utilisaient avant le 19 octobre y gardent accès jusqu'au 15 novembre 2026.

Ce que cela signifie pour les développeurs

Faites votre propre test avant de changer. L'affirmation sur la vitesse fait les gros titres, mais la comparaison de qualité ne s'appuie sur aucun chiffre publié. Prenez 50 à 100 vraies requêtes de votre application, passez-les dans Mercury 3 et dans votre modèle actuel, et notez les réponses vous-même. L'API compatible OpenAI rend ce travail rapide.

Regardez d'abord les fonctionnalités limitées par la latence. Les assistants vocaux, les agents de recherche et le tutorat en direct figurent tous dans la liste de clients d'Inception, et ils ont un point commun : une réponse lente ruine la fonctionnalité. Si votre produit attend un modèle pendant qu'un utilisateur fixe une icône de chargement, c'est là qu'un modèle plus rapide est rentable.

Budgétez au prix catalogue, pas au prix de lancement. La remise de 50 % n'a pas de date de fin annoncée, donc prévoyez 0,20 $ et 0,70 $ par million de tokens. À titre de comparaison, MiniMax a fixé le prix de M3.1 Flash à 0,15 $ et 0,60 $ cette semaine.

Quittez Mercury 2 et 2.5 avant le 15 novembre. Les équipes qui utilisent les anciens modèles devraient tester Mercury 3 dès maintenant plutôt que pendant la dernière semaine. Un contexte de 1 million de tokens est un grand changement par rapport à 260 000, donc vérifiez que les longues requêtes se comportent toujours comme prévu.