Mercury 3 erreicht 1.068 Tokens pro Sekunde – und das ohne eine einzige Benchmark-Zahl.

Inception Labs hat Mercury 3 am 19. Oktober 2026 veröffentlicht, und die Ankündigung beginnt mit drei Zahlen: 1.068 Tokens pro Sekunde auf NVIDIA-GPUs, ein Kontextfenster von 1 Mio. Tokens und 0,10 US-Dollar pro Million Eingabe-Tokens, solange der Einführungsrabatt gilt. Was sie nicht enthält, ist auch nur ein einziger Benchmark-Wert. Die Qualitätsbehauptung ist vergleichend – Mercury 3 „übertrifft GPT-6 Luna und Claude Haiku 5.5“ – und jede quantitative Aussage in dem Beitrag dreht sich um Geschwindigkeit, Größe oder Preis. Das ist weniger eine Kritik als vielmehr die Beschaffenheit der Evidenz, mit der man arbeiten muss, wenn man diese Woche entscheiden will, ob man einen Workload darauf verlagert. Dieser Beitrag führt durch, was Inception tatsächlich auf den Markt gebracht hat, was die nicht mit Benchmark-Werten unterlegten Aussagen bedeuten und wo ein Entwickler die Grenze zwischen dem Ausprobieren und dem Sich-Verlassen auf das Modell ziehen sollte.Die dokumentierten KI-Ausfälle und Agenten-Vorfälle hinter Veröffentlichungen wie der vorliegenden sind im OrcaRouter AI Incident Archive gesammelt, wo jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und eine Kennzeichnung als umstritten enthält.

Was Inception am 19. Oktober auf den Tisch legte

Mercury 3 ist ein Diffusions-Sprachmodell – Inceptions Bezeichnung dafür ist dLLM – und das Unternehmen nennt es das leistungsfähigste bisher veröffentlichte diffusionsbasierte Modell. Die Architektur erzeugt Token parallel statt nacheinander, daher rührt die Durchsatzangabe. Inception zufolge ist das Modell gemessen an den Gesamtparametern mehr als 40-mal größer als Mercury 1, ohne dass eine absolute Parameterzahl veröffentlicht wird, und die gemessene Intelligenz in seiner Benchmark-Suite ist von Mercury 1 (mini) bis Mercury 3 um etwa das Dreifache gestiegen.

• Kontext — 1M Tokens, gegenüber 260K bei Mercury 2.5, mit einer maximalen Ausgabe von 131.072 Tokens.

Preis — 0,20 $ pro Million Eingabe und 0,70 $ pro Million Ausgabe zum Listenpreis; 0,10 $ und 0,35 $, solange der Einführungsrabatt läuft.

• Zwischengespeicherte Eingabe — 0,02 $ pro Million zum Listenpreis, während des Einführungszeitraums auf 0,01 $ halbiert, was dem üblichen Rabatt von 90 % auf den Eingabetarif entspricht.

• Reasoning-Aufwand — vier Einstellungen: sofort, niedrig, mittel und hoch. Mercury 3 verwendet standardmäßig niedrig, wenn der Parameter weggelassen wird, während Mercury 2.5 und Mercury 2 standardmäßig mittel verwenden.

• Modalitäten – Texteingabe, Textausgabe. Tool Calling und strukturierte Ausgaben werden auf dem Chat-Completions-Endpunkt unterstützt.

• API-Form — OpenAI-kompatible Chat-Completions, mit einer Temperatur, die zwischen 0,5 und 1,0 einstellbar ist.

• Verfügbarkeit — Inceptions eigene API-Plattform, auf der neue Konten 100 Millionen kostenlose Tokens erhalten, sowie mehrere Inferenzplattformen von Drittanbietern. Enterprise-Bereitstellungen ergänzen dedizierte Kapazität, Autoscaling und konfigurierbare Datenaufbewahrung.

Die standardmäßige Effort-Einstellung ist das Detail, das am ehesten übersehen wird und am ehesten ins Gewicht fällt. Ein Modell, das standardmäßig mit „niedrigem“ Effort antwortet, wirkt schneller und schneidet schlechter ab als dasselbe Modell mit „hohem“ Effort, und die eigenen Vergleichsangaben von Inception nennen nicht, durch welche Einstellung sie zustande kamen. Wenn Sie Mercury 3 selbst benchmarken, legen Sie die Effort-Stufe explizit fest, sonst sind Ihre Zahlen nicht mit denen anderer vergleichbar.

Die Qualitätsaussage ist vergleichend, nicht quantitativ.

Lesen Sie den Satz noch einmal: Mercury 3 „übertrifft GPT-6 Luna und Claude Haiku 5.5“. Beide sind geschwindigkeitsoptimierte Modelle, keine Frontier-Flaggschiffe, und der Vergleich ist der richtige für ein Modell, dessen ganzes Verkaufsargument Latenz ist. Doch die Ankündigung nennt keinen Vorsprung, keine Benchmark-Namen und keine Ergebnisse pro Aufgabe, sodass die Behauptung nicht gegen einen öffentlichen Harness geprüft werden kann, ohne ihn selbst auszuführen.

Das einzige Qualitätsergebnis, hinter dem eine gewisse Struktur steht, ist ein Agententest. Inception ließ Mercury 3 in seinem eigenen produktiven Web-Agenten-Harness gegen Frontier-Modelle auf 50 live Mind2Web-Navigationsaufgaben laufen und berichtet, dass es 50 % davon abgeschlossen hat, „deutlich mehr als GPT-6.1-Sol“, bei gleichem Tokenvolumen und gleicher Anzahl von Agentenschritten und damit einem Bruchteil der Kosten pro Token. Fünfzig Aufgaben sind eine kleine Stichprobe, der Harness stammt von Inception selbst, und das Vergleichsmodell wird ohne Punktzahl genannt. Es ist ein echtes Signal – Aufgabenabschluss auf Live-Websites ist schwerer zu manipulieren als eine Multiple-Choice-Testreihe –, aber es ist ein Signal, keine Messung, die man in ein Beschaffungsdokument aufnehmen kann.

Inception sagt außerdem, Mercury 3 sei „ebenso gut wie oder besser als geschwindigkeitsoptimierte Frontier-Modelle“ und nicht ebenso gut wie Frontier-Reasoning-Modelle. Diese Unterscheidung leistet in dem Beitrag viel Arbeit, und es lohnt sich, sie für bare Münze zu nehmen: Dies ist ein Modell, das gegen die schnelle Klasse positioniert ist, nicht gegen Claude Opus 5.5 oder Gemini 4 Argon.

Die Geschwindigkeitszahl, dem letzten Mercury gegenübergestellt

Die Schlagzeile lautet 1.068 Tokens pro Sekunde, und das ist die Zahl, die am ehesten aus dem Zusammenhang gerissen zitiert wird. Inception führt sie auf „NVIDIA GPUs“ zurück, ohne die Hardware, die Batch-Größe, die Effort-Einstellung oder die Frage zu nennen, ob es sich um eine Single-Stream- oder eine aggregierte Messung handelt. Alle vier verändern die Zahl um ein Vielfaches.

Die unabhängige Messung, die es gibt, betrifft die vorherige Generation. Artificial Analysis misst Mercury 2.5 mit etwa 706 Tokens pro Sekunde und Mercury 2 mit Werten in den 680ern, beide mit seinem eigenen Harness. Das sind echte, reproduzierbare Drittanbieter-Zahlen, und sie liegen niedriger als die Herstellerzahlen, die diese Markteinführungen begleiteten. Diese Lücke ist der übliche Abschlag zwischen Hersteller- und unabhängigen Angaben in dieser Kategorie, kein Beweis für böse Absicht – aber es ist der Abschlag, den Sie gedanklich auf 1.068 anwenden sollten, bis jemand ihn reproduziert.

Stand 20. Oktober 2026 hat Artificial Analysis keine Mercury-3-Seite: Ihr Modellindex führt weiterhin Mercury 2.5 und Mercury 2 auf, und die Mercury-3-URL liefert nichts. Die Geschwindigkeitsangabe ist also einen Tag nach dem Launch noch nicht unabhängig überprüft. Das wird sich ändern; entscheidend ist nicht, ob der Wert nahe an 1.068 liegt, sondern ob der Abstand zu Mercury 2.5 unter einer neutralen Testumgebung so groß bleibt, wie Inceptions Darstellung es nahelegt.

Was der Einführungsrabatt wert ist – und was nicht.

Die 50-prozentige Senkung wird als vorübergehend bezeichnet – „zum Start“ – ohne Enddatum. Damit ist sie ein Aktionspreis und keine Preisliste, und jedes Kostenmodell, das auf 0,10 $/0,35 $ aufbaut, hat ein Ablaufdatum, das man nicht sieht. Der Listenpreis ist die Zahl, mit der man planen sollte.

Ein konkreter Vergleich macht die Größenordnung deutlich. Nehmen wir eine Support- oder Such-Workload von 10 Millionen Eingabe-Tokens und 40 Millionen Ausgabe-Tokens pro Tag. Zum Listenpreis kostet Mercury 3 2 $ für die Eingabe und 28 $ für die Ausgabe, also 30 $ pro Tag. Zum Einführungspreis kostet derselbe Traffic 1 $ und 14 $, also 15 $ pro Tag. Über einen Monat sind das rund 900 $ gegenüber 450 $ – die Aktion ist etwa so viel wert wie der gesamte Listenpreisvorteil des Modells gegenüber einem autoregressiven Modell der Mittelklasse. Nützlich, aber kein Grund, die Architektur darauf auszurichten.

Die Zeile für zwischengespeicherte Eingaben ist diejenige, die die tatsächliche Wirtschaftlichkeit von Agent-Workloads verändert, denn Agenten senden bei jedem Schritt denselben System-Prompt und dieselben Tool-Definitionen erneut. Bei 0,02 US-Dollar pro Million zwischengespeicherter Tokens kostet eine Präambel von 20.000 Tokens 0,0004 US-Dollar pro Aufruf statt 0,004 US-Dollar. Bei einem Agentenlauf mit fünfzig Schritten sind das zwei Cent Präambel statt zwanzig – der Unterschied zwischen einem tragfähigen Preis pro Aufgabe und einem grenzwertigen.

Inception verkauft keinen Chatbot

Der Launch ist um ein Portfolio statt um ein einzelnes Modell herum aufgebaut, und dieser Rahmen verrät, für wen das Produkt gedacht ist. Mercury Voice ist auf Time-to-First-Answer-Token bei Voice-Agenten abgestimmt; Mercury Decide ist ein Klassifizierungs- und Scoring-Modell auf einem separaten Endpunkt, bepreist mit zwei Cent pro Million Input und nichts pro Output. Die Kundenstimmen von Inception stammen alle aus latenzkritischen Produktionssystemen: ein Web-Agent-Harness bei TinyFish, Tutoring-Feedback bei RevisionDojo, Suchgenerierung bei Octen, Support bei Lorikeet.

Das sind Workloads, bei denen eine Antwort in zwei Sekunden die Produktanforderung ist und eine in fünf Sekunden ein Bug. Es sind außerdem Workloads, bei denen Fehler verkraftbar sind – ein schlechter Hinweis, eine schlechte Suchantwort, eine eskalierte Support-Interaktion –, genau das Risikoprofil, bei dem ein Modell ohne veröffentlichte Benchmark-Ergebnisse sicher ausprobiert werden kann.

Was das diese Woche für einen Bauunternehmer bedeutet

{{1}}Mercury 3{{/1}} ist nicht im Katalog von {{2}}OrcaRouter{{/2}}. Unsere Modell-API liefert derzeit für kein Inception-Modell etwas zurück, und die Modellseite von Mercury 3 existiert auf unserer Website nicht, sodass sich alle, die es aufrufen möchten, an Inceptions eigene Plattform oder an einen der von Inception aufgeführten Drittanbieter-Hosts wenden. Wir sagen das lieber deutlich, als eine Route anzudeuten, die wir nicht haben.

Wofür unsere Routing-Schicht in dieser Situation gut ist, ist der Teil rund um das neue Modell und nicht das Modell selbst. Das Muster, das mit einem unerprobten, ungewöhnlich schnellen Release funktioniert, ist ein Zwei-Modell-Pfad: Schicken Sie die latenzkritische Stufe über Inceptions Schlüssel an Mercury 3 und behalten Sie den Fallback und die schwierigen Fälle auf Modellen, die wir tatsächlich anbieten – mehr als 200 davon hinter einem einzigen OpenAI-kompatiblen Endpoint, zu Provider-Listenpreis mit 0 % Aufschlag, mit automatischem Failover, wenn ein Anbieter schlechter wird. Sie bekommen die Geschwindigkeit, wo sie sich lohnt, und eine zweite Meinung, wo es darauf ankommt, ohne eine zweite Integration für den Fallback.

Drei Dinge gilt es in den kommenden Wochen zu beobachten. Erstens eine unabhängige Mercury-3-Messung, die sowohl die Durchsatzzahl als auch die Qualitätsposition in einem Zug klären wird. Zweitens, ob Inception die Effort-Einstellung und die Hardware hinter seinen eigenen Zahlen veröffentlicht, denn ein Benchmark ohne diese ist nicht reproduzierbar. Drittens, ob der Einführungsrabatt ein Enddatum bekommt — der Listenpreis liegt 33 % unter der Ausgaberate von Mercury 2.5 und bei rund einem Fünftel der von Claude Haiku 5.5, und ein Unternehmen, das gerade ein Modell um den Faktor 40 skaliert hat, hat gute Gründe, sich zu wünschen, dass die Werbezahl diejenige ist, an die sich die Leute erinnern.

Bis dahin lautet die ehrliche Zusammenfassung: Mercury 3 ist ein echtes Release mit einer belastbaren architektonischen Erzählung, einem wirklich aggressiven Preis und einer Qualitätsbehauptung, die außerhalb von Inception noch niemand getestet hat. Für eine latenzgebundene Arbeitslast, bei der ein Mensch oder ein Eskalationspfad eingebunden ist, ist das genug, um eine einwöchige Evaluierung zu rechtfertigen. Für alles, bei dem eine falsche Antwort teuer und unüberwacht ist, ist es noch nicht genug, um eine Migration zu rechtfertigen.