Inception Mercury 3: LLM de difusão alega 1.068 tokens por segundo

A Inception lançou o Mercury 3 em 19 de outubro de 2026, chamando-o de o modelo de linguagem de difusão mais capaz lançado até agora. A empresa diz que ele roda a 1.068 tokens por segundo em GPUs da Nvidia, lê até 1 milhão de tokens e custa US$ 0,20 por milhão de tokens de entrada. Todos os números de velocidade e qualidade vêm da Inception ou de seus primeiros clientes, então o teste real é a sua própria carga de trabalho.

Como um modelo de difusão escreve de outro jeito

A maioria dos modelos de chat, incluindo o GPT e o Claude, escreve um token de cada vez. Um token é uma palavra ou um pedaço de palavra, e cada um precisa esperar o anterior. A Inception apresenta a difusão como uma alternativa a essa abordagem token por token.

A difusão é a técnica por trás de muitos geradores de imagem. Em vez de escrever estritamente da esquerda para a direita, o modelo refina uma versão aproximada da saída ao longo de várias passagens. A aposta da Inception é que isso torna os modelos de texto muito mais rápidos, e o Mercury 3 é o argumento dela de que a abordagem também fica mais inteligente à medida que cresce.

"O Mercury 3 demonstra que a difusão de texto escala", diz o anúncio da Inception. A empresa afirma que as leis de escala que impulsionaram os modelos comuns também valem para a difusão. Leis de escala são o padrão observado de que modelos maiores, treinados com mais dados, melhoram de forma constante.

Stefano Ermon, CEO e cofundador da Inception, foi além no X. Ele chamou o Mercury 3 de "de longe o nosso modelo mais poderoso e o LLM de difusão mais inteligente já lançado", segundo citação do RuntimeWire.

Especificações e preços do Mercury 3

Item	Mercury 3
Velocidade	1.068 tokens por segundo em GPUs da Nvidia (número da Inception)
Janela de contexto	1 milhão de tokens (Mercury 2.5: 260.000)
Tamanho	Mais de 40 vezes o total de parâmetros do Mercury 1
Preço de tabela	US$ 0,20 de entrada / US$ 0,70 de saída por milhão de tokens
Preço de lançamento	US$ 0,10 de entrada / US$ 0,35 de saída, 50% de desconto, sem data de término informada
Entrada em cache	US$ 0,02 no preço de tabela, US$ 0,01 durante a oferta de lançamento
Uso gratuito	100 milhões de tokens para novas contas, sem precisar de cartão
Onde obter	API da Inception, OpenRouter, Baseten, Vercel

A API segue o formato da OpenAI, então as bibliotecas de cliente existentes funcionam com uma nova base URL. A Unite.AI lista o ID do modelo como mercury-3. A Inception diz que ele roda de 4 a 8 vezes mais rápido que o GPT-6 Luna e o Claude Haiku 5.5.

O que os benchmarks mostram e o que deixam de fora

A Inception diz que o Mercury 3 empata com ou supera o GPT-6 Luna e o Claude Haiku 5.5 "em uma série de benchmarks". Ela não publica pontuações específicas para essa comparação, e nenhum dos dois veículos que cobriram o lançamento acrescenta alguma. Ela também diz que o modelo é três vezes mais inteligente que o menor Mercury 1.

O único teste concreto com agentes veio da TinyFish AI, uma das primeiras clientes. Ela rodou o Mercury 3 em 50 tarefas ao vivo do Mind2Web, um teste em que um agente precisa concluir tarefas reais em sites. O Mercury 3 concluiu 50% delas. A Inception diz que isso é "significativamente mais" que o GPT-6.1 Sol, com uso de tokens parecido e custo por token menor. Ela não dá nenhuma pontuação do Sol para comparar.

As afirmações de velocidade dos clientes são mais específicas. A Octen AI testou o modelo dentro da sua Sense API. Ela mediu uma mediana de 0,9 segundo para gerar uma resposta e 2,2 segundos de ponta a ponta. Ao falar de respostas em óculos inteligentes, Kuan Zou, fundador da Octen, resumiu o que está em jogo: "Uma resposta que leva cinco segundos parece quebrada."

Mercury 2 e 2.5 fecham para novos usuários

Segundo a Unite.AI, o Mercury 2 e o Mercury 2.5 não aceitam mais novos usuários. Os clientes que já os usavam antes de 19 de outubro mantêm o acesso até 15 de novembro de 2026.

O que isso significa para desenvolvedores

Faça seu próprio teste antes de trocar. A afirmação de velocidade é a manchete, mas a comparação de qualidade não tem números publicados. Pegue de 50 a 100 prompts reais do seu app, rode-os no Mercury 3 e no seu modelo atual e avalie as respostas você mesmo. A API compatível com a OpenAI torna isso um trabalho rápido.

Olhe primeiro para os recursos limitados pela latência. Assistentes de voz, agentes de busca e tutoria ao vivo aparecem todos na lista de clientes da Inception, e eles têm um traço em comum: uma resposta lenta arruína o recurso. Se o seu produto espera por um modelo enquanto o usuário olha para um ícone de carregamento, é aí que um modelo mais rápido compensa.

Faça o orçamento com o preço de tabela, não com o de lançamento. O desconto de 50% não tem data de término informada, então planeje com US$ 0,20 e US$ 0,70 por milhão de tokens. Para comparação, a MiniMax definiu o preço do M3.1 Flash em US$ 0,15 e US$ 0,60 nesta semana.

Saia do Mercury 2 e do 2.5 antes de 15 de novembro. Equipes nos modelos antigos devem testar o Mercury 3 agora, e não na última semana. Um contexto de 1 milhão de tokens é uma grande mudança em relação a 260.000, então verifique se prompts longos ainda se comportam como você espera.