Mercury 3 a été multiplié par plus de 40 et a maintenu 1 000 tokens par seconde — l’histoire, c’est la mise à l’échelle

Inception Labs a publié Mercury 3 le 19 octobre 2026, et le chiffre qui devrait vous arrêter n'est pas 1 068 tokens par seconde. C'est quarante. Mercury 3 est, de l'aveu même d'Inception, plus de 40 fois plus grand que Mercury 1 en nombre total de paramètres, et il tourne toujours à plus de 1 000 tokens par seconde — la même classe de débit que l'entreprise vend depuis son premier modèle. Tous ceux qui ont couvert le lancement ont mis en avant le chiffre de vitesse. Ce chiffre de vitesse était déjà l'argument de Mercury il y a deux générations. Ce qui est nouveau, c'est que Mercury 3 est un modèle de langage à diffusion auquel on a appliqué deux ordres de grandeur d'échelle sans l'effondrement habituel de la vitesse de décodage, et c'est là une affirmation qui mérite d'être testée. Cet article porte sur le passage à l'échelle, sur ce qu'Inception dit avoir obtenu, et sur ce qu'un développeur peut et ne peut pas en conclure au lendemain du lancement. Les défaillances documentées de l'IA et les incidents d'agents derrière des lancements comme celui-ci sont rassemblés dans l'Archive des incidents d'IA d'OrcaRouter où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et un indicateur de contestation.

La comparaison qu'établit Inception concerne la gamme rapide et économique : Mercury 3 « surpasse GPT-6 Luna et Claude Haiku 5.5 », deux modèles optimisés pour la vitesse, tout en étant plus rapide que l'un comme l'autre. Il n'est pas positionné face à GPT-6 Astra ou Claude Sonnet 5.5, et interpréter l'annonce comme une prétention à rivaliser avec les modèles de pointe serait une erreur qu'Inception ne commet pas.

Pourquoi un facteur 40x est une affirmation plus difficile à soutenir pour un modèle de diffusion que pour un transformer

Un modèle autorégressif émet un token par passe avant dans le réseau. Un modèle de langage à diffusion émet un bloc entier par passe, en débruisant itérativement un canevas de positions jusqu’à ce que le bloc se résolve. C’est de là que vient le débit, et c’est aussi pourquoi le passage à l’échelle de l’un est un problème d’ingénierie différent de celui de l’autre.

Dans un petit modèle de diffusion, chaque étape de débruitage peut fixer de nombreuses positions à la fois, car les positions restantes sont faciles à remplir. À mesure que le modèle grandit, le niveau de qualité exigé par position augmente, et le nombre d’étapes nécessaires pour atteindre ce niveau tend à augmenter lui aussi — le parallélisme qui produisait l’avantage de vitesse est précisément ce qu’il devient plus difficile de conserver. Une multiplication par 40 du nombre de paramètres qui a préservé 1 000 jetons par seconde implique donc soit une forte augmentation du nombre d’étapes par bloc, compensée par une augmentation bien plus importante de l’efficacité de calcul par étape, soit un changement d’architecture ou d’échantillonnage qu’Inception n’a pas décrit. L’annonce ne précise pas laquelle de ces options s’applique, et c’est la question sans réponse la plus intéressante de cette publication.

Ce qu’Inception publie, c’est le résultat plutôt que le mécanisme : plus de 40 fois les paramètres de Mercury 1, et environ un triplement de l’intelligence mesurée entre Mercury 1 (mini) et Mercury 3 sur sa propre suite. Les deux chiffres sont rapportés par le fournisseur, aucun ne s’accompagne d’un nombre absolu de paramètres, et aucun banc d’essai indépendant n’a encore exécuté le modèle. Considérez-les comme une affirmation directionnelle — plus grand et meilleur dans la même famille — plutôt que comme des mesures.

Ce que le passage à l’échelle a changé, et ce qu’il n’a pas changé, sur la fiche technique

Le saut générationnel apparaît plus clairement dans les chiffres ennuyeux que dans ceux du marketing. Face à Mercury 2.5, le modèle qu’il remplace :

• Fenêtre de contexte — 1 000 000 de tokens sur Mercury 3 contre 260 000 sur Mercury 2.5, avec une sortie maximale de 131 072 tokens.

• Paramètres — plus de 40 fois ceux de Mercury 1, aucun chiffre absolu publié ; le nombre de paramètres de Mercury 2.5 n’a jamais été publié non plus.

• Débit — 1 068 jetons par seconde, mesuré par le fournisseur sur des GPU NVIDIA non précisés, contre environ 706 jetons par seconde mesurés par Artificial Analysis pour Mercury 2.5 avec son propre banc d’essai.

• Prix — 0,20 $ par million de tokens en entrée et 0,70 $ par million de tokens en sortie au tarif catalogue, réduits de 50 % à 0,10 $ et 0,35 $ pour la période de lancement, dont la date de fin n’est pas précisée.

• Effort de raisonnement — quatre paramètres (instantané, faible, moyen, élevé), avec « faible » par défaut ; Mercury 2.5 et Mercury 2 sont par défaut sur « moyen ».

• Modalités — texte en entrée, texte en sortie. Inchangé. Aucune entrée image, audio ou vidéo, alors que Gemini 4 Argon et GPT-6 Astra acceptent tous deux des entrées multimodales.

La fenêtre de contexte est le changement qui a le plus de conséquences pratiques et le moins de retentissement médiatique. Une multiplication par quatre fait sortir Mercury de la catégorie des documents courts et l’amène dans la plage où un dépôt entier, une longue transcription de support ou un contrat de plusieurs centaines de pages tient en un seul appel. Le décodage par diffusion sur un long contexte n’est pas gratuit — le canevas est plus grand et le coût de l’attention augmente — donc le fait que le contexte ait été multiplié par 4 alors que le débit est resté supérieur à 1 000 constitue, s’il faut y voir quelque chose, une affirmation plus forte sur l’ingénierie que le chiffre mis en avant.

Le seul résultat de qualité avec un harnais derrière lui

Inception a bien mené une évaluation plus utile qu’un tableau de benchmarks, et elle est enfouie sous les promesses de vitesse. L’entreprise a placé Mercury 3 dans son propre harnais de production pour agents web, aux côtés de modèles de pointe, sur 50 tâches de navigation Mind2Web en conditions réelles — de vrais sites, pas un instantané figé — et rapporte un taux de réussite de 50 %, « nettement plus que GPT-6.1-Sol », à volume de tokens identique et pour le même nombre d’étapes d’agent. Même travail, moins de dollars par token, meilleure réussite.

Cinquante tâches constituent un petit échantillon et le harnais appartient au fournisseur, donc la marge n’est pas un chiffre sur lequel vous pouvez vous appuyer pour planifier. Mais la navigation web agentique est la charge de travail la moins susceptible d’être contaminée par les benchmarks et la plus sensible aux deux choses que Mercury vend : la latence et le coût par étape. Un modèle qui termine la moitié de cinquante tâches en conditions réelles fait quelque chose de réel. Avec un taux de 50 %, il échoue également sur la moitié d’entre elles, ce qui est le bon cadre pour cette classe de modèles en production — un agent qui accomplit la moitié de ses tâches avec un mécanisme d’escalade vers un humain est déployable ; un agent présenté comme fiable ne l’est pas.

Où se situe la remise de lancement dans le budget réel

Le prix catalogue est de 0,20 $ en entrée et de 0,70 $ en sortie par million de tokens. Le prix de lancement est la moitié de ce montant. Ni l’un ni l’autre n’est négligeable face au segment auquel Mercury s’adresse : Claude Haiku 5.5 est affiché à 1,00 $ et 5,00 $, et GPT-6 Luna à 0,10 $ et 0,50 $. Ainsi, Mercury 3 au lancement est positionné tout en bas du marché sur lequel il concourt, et au prix catalogue, il reste encore à environ un septième du tarif de sortie de Haiku 5.5.

Faites le calcul sur une charge de travail de déflection du support de 20 millions de jetons d’entrée et 10 millions de jetons de sortie par jour, soit un déploiement de taille moyenne plutôt qu’un pilote. Au tarif catalogue, cela représente 4 $ d’entrée et 7 $ de sortie — 11 $ par jour, environ 330 $ par mois. Au tarif de lancement, cela fait 5,50 $ par jour. La remise vaut environ 165 $ par mois à ce volume, et elle disparaît à une date que personne n’a publiée. Fondez le dossier sur 330 $.

L'entrée mise en cache est le poste qui fait réellement bouger l'économie des agents. À 0,02 $ par million au prix catalogue, un préambule de 20 000 tokens composé du prompt système et des définitions d'outils coûte quatre centièmes de centime par appel au lieu de quatre dixièmes. Sur une exécution d'agent de quarante étapes, cela représente un centime et demi de préambule au lieu de seize centimes — pas transformateur en soi, mais c'est la différence entre une boucle d'agent dont le coût est dominé par le travail du modèle et une boucle dont le coût est dominé par la relecture de ses propres instructions.

Ce que la diffusion à cette échelle n’a toujours pas résolu

Trois choses méritent d'être dites sans détour, car la présentation du lancement, elle, ne le fait pas.

Premièrement, il n’existe aucune mesure indépendante. Au 20 octobre 2026, Artificial Analysis — le banc d’évaluation neutre que ce blog utilise pour comparer les modèles — n’a aucune page dédiée à Mercury 3. Ses entrées Mercury les plus récentes sont 2.5 et 2, mesurées à environ 706 et 684 tokens par seconde. Tous les chiffres concernant Mercury 3 qui circulent, y compris tous ceux de cet article, proviennent d’Inception.

Deuxièmement, le texte uniquement constitue désormais une véritable limite, et non plus un choix stylistique. Les concurrents face auxquels Mercury 3 est positionné en prix dans le segment économique sont de plus en plus multimodaux, et la fenêtre de contexte long qu’il vient d’acquérir est surtout utile pour les documents qui arrivent sous forme de PDF et de captures d’écran. Une fenêtre de 1 M de tokens que l’on ne peut remplir qu’avec du texte extrait vaut moins que ce que la fiche technique laisse entendre.

Troisièmement, le réglage d’effort par défaut est bas. Un modèle qui répond à faible effort par défaut paraîtra plus rapide et obtiendra un score inférieur au même modèle à effort élevé, et les affirmations comparatives d’Inception n’indiquent pas quel réglage les a produites. Quiconque compare Mercury 3 à quoi que ce soit doit fixer explicitement le paramètre d’effort, sinon la comparaison n’est pas reproductible — y compris face aux propres chiffres d’Inception.

Comment conserver ce modèle sans miser une trajectoire de production dessus

Mercury 3 ne figure pas au catalogue d’OrcaRouter. Notre API de modèles ne renvoie rien pour aucun modèle Inception — les 209 modèles que nous routons ne l’incluent pas —, donc appeler Mercury 3 signifie passer par la plateforme propre à Inception, où les nouveaux comptes reçoivent 100 millions de jetons gratuits, ou par l’une des plateformes d’inférence répertoriées par Inception. Dire cela clairement est plus utile que de laisser entendre une route que nous n’avons pas.

Ce pour quoi un routeur est réellement utile ici, c'est la forme du déploiement plutôt que le modèle. Le schéma qui convient à une version non éprouvée mais exceptionnellement rapide est un schéma à deux voies : envoyer le travail critique en latence vers Mercury 3 sur la clé d'Inception, et garder le repli et les cas difficiles sur les modèles dont nous disposons — plus de 200 d'entre eux derrière un seul point de terminaison compatible OpenAI, au prix catalogue du fournisseur avec 0 % de marge, avec une bascule automatique en cas de dégradation d'un fournisseur. La tarification en pass-through importe pour la même raison que la remise de lancement : quand Inception mettra fin aux 50 % de réduction, le tarif d'un modèle routé change le jour où le fournisseur le change, sans renégociation.

Le bilan honnête, après une journée, est que Mercury 3 est un véritable résultat de mise à l’échelle habillé d’un titre accrocheur sur la vitesse. L’affirmation du facteur 40 est invérifiable, celle sur le débit n’a fait l’objet d’aucune reproduction neutre, et celle sur la qualité est comparative face à la gamme rapide plutôt que quantitative. Mais la direction est sans ambiguïté : les modèles de langage à diffusion, avec leur contexte de 260K et leur statut de modèle de 2,5e génération, n’étaient qu’une curiosité en matière de latence ; avec 1M de contexte et 40 fois plus de paramètres, ils se situent désormais dans la fourchette de prix où se trouve réellement la gamme rapide. Le chiffre à surveiller n’est pas de savoir si 1,068 se reproduit. C’est de savoir si le prochain indice indépendant place Mercury 3 à quelques points de GPT-6 Luna et de Claude Haiku 5.5 — car si c’est le cas, la gamme bon marché cesse d’être une gamme et devient une décision.