The Pulse
Inception lancia Mercury 3: 1.068 token al secondo
Inception Labs ha lanciato Mercury 3 il 19 ottobre 2026, dichiarando una velocità di generazione di 1.068 token al secondo su GPU NVIDIA. Il modello basato sulla diffusione offre una finestra di contesto da un milione di token, prezzi di la
AI.info Team · Scritto con l’IA · verificato ·
Mercury 3 ci ha permesso di dare a ogni studente un riscontro immediato senza rinunciare al ragionamento.
Michael Tong, cofondatore/direttore tecnico, General Learning aka RevisionDojo
La velocità annunciata per Mercury 3: 1.068 token al secondo
Inception Labs ha lanciato Mercury 3 il 19 ottobre, affermando che il nuovo modello linguistico basato sulla diffusione genera 1.068 token al secondo su GPU NVIDIA. Secondo l’azienda, è da quattro a otto volte più veloce dei modelli orientati alla velocità con cui lo confronta, pur eguagliandoli o superandoli per qualità in una serie di benchmark. I modelli citati nei confronti sono GPT-6 Luna e Claude Haiku 5.5.
Il dato sulla velocità è un risultato comunicato da Inception, non una verifica indipendente presentata nell’annuncio. Il post riporta i punteggi in una tabella, nella quale Mercury 3 è primo in otto dei dodici benchmark elencati, ma non fornisce una descrizione dettagliata delle condizioni in cui sono stati condotti i confronti generali tra modelli. Cita inoltre una valutazione di un agente per browser svolta dal partner con accesso anticipato TinyFish AI: Mercury 3 ha completato il 50% di 50 attività di navigazione live di Mind2Web nell’ambiente di produzione per agenti web di TinyFish, usando lo stesso numero di token e di passaggi dell’agente di un modello di frontiera. Shuhao Zhang, cofondatore di TinyFish, afferma che il tasso di completamento era significativamente superiore a quello di GPT-6.1-Sol, ma il post non riporta il punteggio di quest’ultimo.
Un modello più grande con un contesto da un milione di token
Inception presenta Mercury 3 come una prova del fatto che i modelli basati sulla diffusione possono crescere oltre i sistemi più piccoli e specializzati. L’azienda afferma che il modello ha un numero complessivo di parametri più di 40 volte superiore a Mercury 1 e ottiene punteggi tre volte superiori a quelli di Mercury 1 Mini in una serie di benchmark standard. Un grafico nel post misura questo aumento come «Qualità del modello», una media di undici benchmark tra cui GDPval, GPQA Diamond e BrowseComp+.
La finestra di contesto di Mercury 3 contiene un milione di token, rispetto ai 260.000 di Mercury 2.5. I modelli linguistici basati sulla diffusione adottano un metodo di generazione diverso dal consueto processo da sinistra a destra: il materiale relativo ai precedenti prodotti Mercury descrive un processo in cui più token vengono proposti e perfezionati in parallelo. Inception propone questa architettura per le attività in cui i ritardi si accumulano con le chiamate ripetute al modello, come gli agenti per browser e l’assistenza conversazionale.
I prezzi di lancio partono da 0,10 dollari per milione di token in input
Inception indica prezzi standard di 0,20 dollari per milione di token in input e 0,70 dollari per milione di token in output. Al lancio dimezza entrambe le tariffe, portandole rispettivamente a 0,10 e 0,35 dollari; ai token in input memorizzati nella cache applica uno sconto del 90% rispetto al prezzo dei token in input. L’annuncio non indica una data di scadenza per l’offerta di lancio.
Il modello è disponibile tramite Inception’s API Platform, OpenRouter, Baseten e Vercel. Inception afferma che supporta il formato delle API di OpenAI e offre 100 milioni di token gratuiti tramite la propria API. Le implementazioni aziendali possono includere capacità dedicata, scalabilità automatica, controlli di conformità e conservazione dei dati configurabile.
I primi utenti sfruttano la velocità dichiarata
Inception cita i primi clienti nei settori del tutoraggio, della navigazione web, della ricerca e dell’assistenza clienti. Michael Tong di RevisionDojo afferma che suggerimenti, risposte valutate e definizioni arrivano in circa un secondo e descrive Mercury 3 come un sostituto utilizzabile direttamente al posto dell’attuale stack di modelli dell’azienda. Sono risultati riferiti dai clienti; il post sul lancio non include una valutazione indipendente delle implementazioni.
Per i test di ricerca di Octen AI, il fondatore e amministratore delegato Kuan Zou riferisce un tempo mediano di generazione di 0,9 secondi e un tempo mediano di risposta end-to-end di 2,2 secondi. I dati mostrano perché la velocità di generazione, da sola, non racconta tutto delle prestazioni: Octen ha misurato anche il tempo complessivo di ricerca e generazione del modello. Il valore pratico di Mercury 3 dipenderà da quanto la velocità dichiarata e i risultati nei benchmark troveranno conferma nelle attività dei clienti, soprattutto quando la qualità delle risposte e il tempo necessario per ottenere una risposta completa contano quanto i token al secondo.