Inception lança Mercury 3, seu LLM de difusão mais rápida até agora, com contexto de 1 milhão de tokens e mais de 1.000 tokens por segundo

Relatório completo

A Inception anunciou o Mercury 3 em um comunicado à imprensa em 19 de outubro. O modelo gera 1.068 tokens por segundo em GPUs NVIDIA, mantendo-o acima da barra de 1.000 tokens por segundo pela qual a linha Mercury é conhecida.

A janela de contexto cresce para um milhão de tokens, quase quatro vezes os 260.000 do Mercúrio 2.5. A Inception diz que o Mercúrio 3 é mais de 40 vezes maior que o Mercúrio 1 em parâmetros totais, com a inteligência em uma variedade de benchmarks padrão quase triplicando do Mercúrio 1 (mini) ao Mercúrio 3. Estas são as comparações da própria empresa; avaliações independentes ainda não foram publicadas.

O preço padrão é de US$ 0,20 por milhão de tokens de entrada e US$ 0,70 por milhão de tokens de saída, com preços de lançamento de US$ 0,10 e US$ 0,35. Os tokens de entrada armazenados em cache estão listados a US$ 0,02 por milhão (US$ 0,01 na promoção).

Mercury 3 está disponível através da API Inception, OpenRouter, Baseten e Vercel, e suporta o formato OpenAI API. Os primeiros clientes já o estão usando para agentes de uso de navegador, educação interativa, agentes de pesquisa em tempo real e suporte ao cliente, afirma a empresa.

O cofundador Stefano Ermon disse que a questão mais ouvida desde Mercúrio 1 é se a difusão pode escalar. Resposta do Mercury 3: os limites para dimensionar modelos de difusão são computação e dados, não barreiras algorítmicas fundamentais. Ele acrescentou que o treinamento do próximo modelo já começou.

Este é o quarto lançamento do Inception desde Mercury 1 em junho de 2025: Mercury 2 introduziu raciocínio para modelos de difusão, Mercury 2.5 adicionou raciocínio ajustável e uma janela de contexto maior, e Mercury 3 oferece o maior salto em inteligência de qualquer versão Mercury.