Inception выпустила Mercury 3 — языковую модель на 1 000 токенов в секунду

Inception, стартап из Пало-Алто, выпустила Mercury 3 — диффузионную языковую модель, которая, по тестам самой компании, обходит GPT-6 Luna и Claude Haiku 5.5 и пишет текст в 4–8 раз быстрее.

Почему это важно: почти все языковые модели пишут ответ по одному токену¹ подряд, а про диффузионные было неясно, станут ли они с ростом размера умнее и догонят ли обычные на сложных задачах. Inception утверждает, что да: разработчики голосовых помощников, агентов и сервисов поддержки, где важна каждая секунда, получают качество быстрых моделей OpenAI и Anthropic при скорости в несколько раз выше.

Как это работает: диффузионная модель сразу набрасывает целый блок текста и за несколько проходов уточняет его — так генераторы картинок превращают шум в изображение. Токены считаются параллельно, отсюда скорость. По общему числу параметров Mercury 3 больше первой Mercury в 40 с лишним раз, а работает так же быстро. Сводная оценка качества, по данным компании, выросла втрое.

В цифрах:

• Модель выдаёт 1 068 токенов в секунду на видеокартах NVIDIA — это замер самой Inception, а не независимый тест.
• Контекстное окно² выросло до 1 млн токенов, у предыдущей версии, Mercury 2.5, оно вмещало 260 тыс.
• Миллион входных токенов стоит 0,20 доллара, выходных — 0,70 доллара; на время запуска цены снижены вдвое.
• Каждый новый пользователь API Inception получает 100 млн токенов бесплатно, а токены из кэша стоят на 90% дешевле обычных входных.

Детали: Inception приводит результаты клиентов с ранним доступом:

• В тесте на 50 живых задачах Mind2Web³, где агент действует на настоящих сайтах, Mercury 3 выполнила половину — заметно больше, чем GPT-6.1 Sol.
• Марк Пэн из TinyFish, которая делает веб-агентов, в интервью, выложенном Inception в соцсети X, сказал, что модель не хуже Claude Sonnet 5.5 и при этом в десять с лишним раз дешевле.
• В приложении для умных очков медианный ответ с Mercury 3 занял 2,2 секунды, из них 0,9 секунды ушло на генерацию текста.
• В образовательном сервисе RevisionDojo подсказки и проверка ответов приходят примерно за секунду, говорит его сооснователь Майкл Тонг.

Расклад: Mercury 3 доступна через API Inception, а также через OpenRouter, Baseten и Vercel. Она совместима с API OpenAI, поэтому программы, написанные под модели OpenAI, переходят на неё без переделки. Mercury 3 стала главной в растущей линейке моделей Inception. В конце сентября в линейку добавились ещё две: 29 сентября — Mercury Voice для голосовых агентов, 30 сентября — Mercury Decide, которая выбирает ответ из заданных вариантов. Выкладывать модель в открытый доступ, чтобы другие компании могли развернуть её у себя и дообучить, Inception пока не собирается. Об этом на Hacker News⁴ сказал сооснователь и главный научный сотрудник компании Владимир Кулешов.

Что говорят: «Пеликаны неплохие, немного причудливые», — написал на Hacker News разработчик Саймон Уиллисон, который проверяет модели, прося их нарисовать пеликана. Скорость его, по собственным словам, «немного разочаровала». «Это не модель передового уровня во всём, но для своего класса скорости — заметный шаг вперёд по сравнению с прежними Mercury», — считает Луис Чавес-Маттос, директор по продукту платформы MindStudio. Один из пользователей Hacker News написал, что на OpenRouter модель DeepSeek V4.1 Flash «всё ещё обходит Mercury 3 и по задержке, и по качеству».

Но: к заявлениям Inception есть оговорки:

• Соперников сравнивали по собственной сводной оценке Inception из 12 тестов. Сначала её назвали Intelligence Index — так же, как известный рейтинг моделей независимой компании Artificial Analysis, — а на следующий день переименовали «во избежание путаницы».
• Кулешов признал, что в тесте программирования DeepSWE модель уступает Haiku 5.5, хотя в ежедневной работе компании она, по его словам, «на уровне Haiku или Luna».
• Пользователь Hacker News, который 45 минут писал с Mercury 3 приложение, насчитал около 160 токенов в секунду вместо обещанной тысячи.