Mercury 3 llega a 1.068 tokens por segundo — y sin una sola cifra de benchmark

Inception Labs lanzó Mercury 3 el 19 de octubre de 2026, y el anuncio abre con tres cifras: 1.068 tokens por segundo en GPUs NVIDIA, una ventana de contexto de 1M de tokens y 0,10 USD por millón de tokens de entrada mientras dure el descuento de lanzamiento. Lo que no incluye es ni una sola puntuación de benchmark. La afirmación sobre la calidad es comparativa —Mercury 3 "supera a GPT-6 Luna y Claude Haiku 5.5"— y toda afirmación cuantitativa de la publicación trata sobre velocidad, tamaño o precio. Más que una crítica, eso describe la forma de la evidencia con la que tienes que trabajar si estás decidiendo si trasladar una carga de trabajo a esta plataforma esta semana. Este artículo repasa lo que Inception realmente lanzó, qué significan las afirmaciones sin puntuación y dónde debería poner el límite un desarrollador entre probarlo y depender de él. Los fallos de IA y los incidentes de agentes documentados que hay detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.

Qué puso Inception sobre la mesa el 19 de octubre

Mercury 3 es un modelo de lenguaje de difusión —el término de Inception es dLLM— y la empresa lo califica como el modelo basado en difusión más capaz lanzado hasta la fecha. La arquitectura genera tokens en paralelo en lugar de uno a la vez, y de ahí proviene la afirmación sobre el rendimiento. Inception dice que el modelo es más de 40 veces más grande que Mercury 1 en parámetros totales, sin publicar un recuento absoluto de parámetros, y que la inteligencia medida en su conjunto de benchmarks se ha triplicado aproximadamente de Mercury 1 (mini) a Mercury 3.

• Contexto — 1 M de tokens, frente a los 260 K de Mercury 2.5, con una salida máxima de 131.072 tokens.

• Precio — $0.20 por millón de entrada y $0.70 por millón de salida a precio de lista; $0.10 y $0.35 mientras esté vigente el descuento de lanzamiento.

• Entrada en caché — $0.02 por millón a precio de lista, reducido a la mitad a $0.01 durante la ventana de lanzamiento, que es el habitual descuento del 90 % sobre la tarifa de entrada.

• Esfuerzo de razonamiento — cuatro ajustes: instantáneo, bajo, medio y alto. Mercury 3 usa bajo de forma predeterminada cuando se omite el parámetro, mientras que Mercury 2.5 y Mercury 2 usan medio de forma predeterminada.

• Modalidades: entrada de texto, salida de texto. La llamada a herramientas y las salidas estructuradas son compatibles con el endpoint de finalizaciones de chat.

• Forma de la API: finalizaciones de chat compatibles con OpenAI, con temperatura ajustable entre 0.5 y 1.0.

• Disponibilidad — la propia plataforma API de Inception, donde las cuentas nuevas obtienen 100 millones de tokens gratis, y varias plataformas de inferencia de terceros. Las implementaciones empresariales añaden capacidad dedicada, escalado automático y retención de datos configurable.

El ajuste de esfuerzo predeterminado es el detalle que más probablemente se pase por alto y el que más probablemente importe. Un modelo que responde con un esfuerzo "bajo" por defecto parecerá más rápido y obtendrá una puntuación más baja que el mismo modelo con "alto", y las propias afirmaciones comparativas de Inception no indican qué ajuste las produjo. Si haces tu propio benchmark de Mercury 3, fija explícitamente el nivel de esfuerzo o tus cifras no serán comparables con las de nadie más.

La afirmación sobre la calidad es comparativa, no cuantitativa.

Vuelve a leer la frase: Mercury 3 «supera a GPT-6 Luna y Claude Haiku 5.5». Ambos son modelos optimizados para la velocidad, no buques insignia de vanguardia, y la comparación es la adecuada para un modelo cuyo principal argumento es la latencia. Pero el anuncio no ofrece margen, ni nombres de benchmarks, ni resultados por tarea, así que la afirmación no se puede comprobar con un harness público sin ejecutarlo tú mismo.

El único resultado de calidad con alguna estructura detrás es una prueba de agente. Inception ejecutó Mercury 3 dentro de su propio arnés de agente web en producción contra modelos de vanguardia en 50 tareas de navegación de Mind2Web en vivo, y reporta que completó el 50 % de ellas, "significativamente más que GPT-6.1-Sol", usando el mismo volumen de tokens y el mismo número de pasos del agente y, por tanto, una fracción del coste por token. Cincuenta tareas son una muestra pequeña, el arnés es propio de Inception y el modelo de comparación se nombra sin una puntuación. Es una señal real —completar tareas en sitios en vivo es más difícil de manipular que una batería de opción múltiple—, pero es una señal, no una medición que se pueda incluir en un documento de adquisición.

Inception también afirma que Mercury 3 está "a la par o mejor que los modelos frontera optimizados para la velocidad" en lugar de a la par de los modelos de razonamiento frontera. Esa distinción hace mucho trabajo en el artículo, y vale la pena tomarla al pie de la letra: este es un modelo posicionado frente al segmento rápido, no frente a Claude Opus 5.5 o Gemini 4 Argon.

El número de velocidad, en contraste con el último Mercury

1.068 tokens por segundo es el titular, y es la cifra que más probabilidades tiene de ser citada fuera de contexto. Inception lo atribuye a "GPUs de NVIDIA" sin especificar el hardware, el tamaño del lote, el ajuste de esfuerzo ni si se trata de una medición de flujo único o agregada. Los cuatro factores cambian la cifra en múltiplos.

La medición independiente que existe corresponde a la generación anterior. Artificial Analysis mide Mercury 2.5 en aproximadamente 706 tokens por segundo y Mercury 2 en los 680, ambos bajo su propio arnés de pruebas. Esas son cifras reales y reproducibles de terceros, y son inferiores a las cifras del proveedor que acompañaron esos lanzamientos. Esa brecha es el descuento normal entre proveedor e independiente en esta categoría, no una prueba de mala fe, pero es el descuento que deberías aplicar mentalmente a 1.068 hasta que alguien lo reproduzca.

A 20 de octubre de 2026, Artificial Analysis no tiene una página de Mercury 3: su índice de modelos todavía incluye Mercury 2.5 y Mercury 2, y la URL de Mercury 3 no devuelve nada. Así que la afirmación sobre la velocidad aún no cuenta con una verificación independiente, un día después del lanzamiento. Eso cambiará; lo útil que hay que observar no es si la cifra se acerca a 1,068, sino si la diferencia con Mercury 2.5 se mantiene igual de amplia bajo un arnés de evaluación neutro como implica el planteamiento de Inception.

Qué vale el descuento de lanzamiento y qué no

El recorte del 50 % se presenta como temporal —"en el lanzamiento"—, sin fecha de finalización. Eso lo convierte en una tarifa promocional más que en una tarifa de catálogo, y cualquier modelo de costos basado en $0.10/$0.35 tiene una fecha de caducidad que no puedes ver. El precio de lista es la cifra con la que hay que planificar.

Una comparación concreta deja clara la escala. Tomemos una carga de trabajo de soporte o búsqueda de 10 millones de tokens de entrada y 40 millones de tokens de salida al día. A precio de lista, Mercury 3 cuesta $2 por la entrada y $28 por la salida, o $30 al día. Con la tarifa de lanzamiento, el mismo tráfico cuesta $1 y $14, o $15 al día. A lo largo de un mes, eso es aproximadamente $900 frente a $450: la promoción vale casi tanto como toda la ventaja de precio de lista del modelo sobre un modelo autorregresivo de gama media. Útil, pero no es motivo para diseñar la arquitectura en torno a ello.

La línea de entrada en caché es la que cambia la economía real de las cargas de trabajo de los agentes, porque los agentes reenvían el mismo prompt de sistema y las mismas definiciones de herramientas en cada paso. A $0,02 por millón de tokens en caché, un preámbulo de 20.000 tokens cuesta $0,0004 por llamada en lugar de $0,004. En una ejecución de agente de cincuenta pasos, eso supone dos centavos de preámbulo en lugar de veinte, lo que marca la diferencia entre un precio viable por tarea y uno marginal.

Inception no está vendiendo un chatbot

El lanzamiento se plantea en torno a un portafolio en lugar de un único modelo, y ese enfoque indica para quién es el producto. Mercury Voice está optimizado para el tiempo hasta el primer token de respuesta en agentes de voz; Mercury Decide es un modelo de clasificación y puntuación en un endpoint separado, con un precio de dos centavos por millón de entradas y nada por salidas. Los testimonios de clientes de Inception corresponden todos a sistemas de producción sensibles a la latencia: un arnés de agente web en TinyFish, comentarios de tutoría en RevisionDojo, generación de búsquedas en Octen, soporte en Lorikeet.

Esas son cargas de trabajo en las que una respuesta de dos segundos es el requisito del producto y una de cinco segundos es un error. También son cargas de trabajo en las que equivocarse es recuperable —una sugerencia mala, una respuesta de búsqueda mala, un turno de soporte escalado—, que es exactamente el perfil de riesgo sobre el que se puede probar con seguridad un modelo sin puntuaciones de benchmark publicadas.

En qué situación deja esto a un constructor esta semana

Mercury 3 no está en el catálogo de OrcaRouter. Nuestra API de modelos actualmente no devuelve nada para ningún modelo de Inception, y la página del modelo Mercury 3 no existe en nuestro sitio, así que quien quiera invocarlo acude a la propia plataforma de Inception o a uno de los hosts de terceros que Inception incluye en su lista. Preferimos decirlo claramente antes que insinuar una ruta que no tenemos.

Lo que nuestra capa de enrutamiento hace bien en esta situación es la parte que rodea al nuevo modelo, no el modelo en sí. El patrón que funciona con un lanzamiento no probado e inusualmente rápido es una ruta de dos modelos: enviar el nivel crítico para la latencia a Mercury 3 mediante la clave de Inception, y mantener el respaldo y los casos difíciles en modelos que sí ofrecemos — más de 200 de ellos detrás de un único endpoint compatible con OpenAI, a precio de lista del proveedor con 0 % de margen, con conmutación por error automática si un proveedor se degrada. Obtienes la velocidad donde vale la pena y una segunda opinión donde importa, sin una segunda integración para el respaldo.

Tres cosas merecen atención durante las próximas semanas. Primero, una medición independiente de Mercury 3, que resolverá de una vez tanto la cifra de rendimiento como la posición en calidad. Segundo, si Inception publica el ajuste de esfuerzo y el hardware que respaldan sus propias cifras, ya que un benchmark sin esos datos no es reproducible. Tercero, si el descuento de lanzamiento tendrá fecha de finalización: el precio de lista es un 33 % inferior a la tarifa de salida de Mercury 2.5 y aproximadamente una quinta parte de la de Claude Haiku 5.5, y una empresa que acaba de escalar un modelo 40 veces tiene motivos para querer que el número promocional sea el que la gente recuerde.

Hasta entonces, el resumen honesto es este: Mercury 3 es un lanzamiento real, con una historia arquitectónica defendible, un precio genuinamente agresivo y una promesa de calidad que nadie fuera de Inception ha puesto a prueba todavía. Para una carga de trabajo limitada por la latencia y con una persona o una vía de escalado dentro del circuito, eso basta para justificar una semana de evaluación. Para cualquier caso en el que una respuesta incorrecta sea costosa y no se supervise, todavía no basta para justificar una migración.