Mercury 3 גדל ביותר מפי 40 ושמר על 1,000 טוקנים בשנייה — הסקיילינג הוא הסיפור

Inception Labs השיקה את Mercury 3 ב-19 באוקטובר 2026, והמספר שאמור לעצור אתכם אינו 1,068 אסימונים לשנייה. הוא ארבעים. לפי הצהרת Inception עצמה, Mercury 3 גדול ביותר מפי 40 מ-Mercury 1 במספר הפרמטרים הכולל, והוא עדיין פועל בקצב של יותר מ-1,000 אסימונים לשנייה — אותה רמת תפוקה שהחברה מוכרת מאז המודל הראשון שלה. כל מי שסיקר את ההשקה הוביל עם נתון המהירות. נתון המהירות היה כבר הפיץ' של Mercury לפני שני דורות. מה שחדש הוא ש-Mercury 3 הוא מודל שפה דיפוזי שקיבל תוספת של שני סדרי גודל בקנה המידה בלי הקריסה הרגילה במהירות הפענוח, וזו הטענה שכדאי לבדוק. המאמר הזה עוסק בהגדלת קנה המידה, במה ש-Inception אומרת שזה קנה לה, ובמה שבונה יכול — ומה שהוא לא יכול — להסיק מזה יום אחרי ההשקה.הכשלים והתקריות המתועדים של AI וסוכנים שמאחורי הפצות כמו זו מרוכזים ב-ה-OrcaRouter AI Incident Archiveשם כל רשומה כוללת מקורות משלה, חומרה, דרגת ביטחון וסימון "שנוי במחלוקת".

ההשוואה שאינספשן עורכת היא לשכבה המהירה והזולה: Mercury 3 "מתעלה על GPT-6 Luna ו-Claude Haiku 5.5", שניהם מודלים מותאמי מהירות, בעודו פועל מהר יותר מכל אחד מהם. הוא אינו ממוצב מול GPT-6 Astra או Claude Sonnet 5.5, ולקרוא את ההכרזה כטענה על מודל חזיתי תהיה טעות שאינספשן אינה עושה.

למה 40x היא טענה קשה יותר עבור מודל דיפוזיה מאשר עבור טרנספורמר

מודל אוטורגרסיבי פולט אסימון אחד בכל מעבר קדימה דרך הרשת. מודל שפה דיפוזי פולט בלוק שלם בכל מעבר, ומסיר רעש באופן איטרטיבי מקנבס של עמדות עד שהבלוק מתגבש. מכאן מגיעה התפוקה, וזו גם הסיבה לכך שהרחבה של האחד היא בעיית הנדסה שונה מהרחבה של האחר.

במודל דיפוזיה קטן, כל שלב הסרת רעש יכול לקבוע מיקומים רבים בבת אחת, מפני שקל למלא את המיקומים הנותרים. ככל שהמודל גדל, רף האיכות לכל מיקום עולה, ומספר הצעדים הדרושים כדי להגיע לרף הזה נוטה לעלות יחד איתו — המקביליות שהפיקה את יתרון המהירות היא בדיוק הדבר שנהיה קשה יותר לשמר. עלייה של פי 40 במספר הפרמטרים ששמרה על 1,000 טוקנים לשנייה מרמזת אפוא או על עלייה גדולה במספר הצעדים לכל בלוק שמתקזזת על ידי עלייה גדולה הרבה יותר ביעילות החישוב לכל צעד, או על שינוי ארכיטקטוני או שינוי בדגימה ש-Inception לא תיארה. ההכרזה לא אומרת איזו מהאפשרויות, וזו השאלה הלא-פתורה המעניינת ביותר בפרסום.

מה ש-Inception כן מפרסמת הוא התוצאה ולא המנגנון: יותר מפי 40 הפרמטרים של Mercury 1, ועלייה של בערך פי שלושה באינטליגנציה הנמדדת מ-Mercury 1 (mini) ל-Mercury 3 לאורך חבילת הבדיקות שלה. שני הנתונים מדווחים על ידי הספק, אף אחד מהם לא מגיע עם מספר פרמטרים מוחלט, ואף מערכת בדיקה עצמאית לא הריצה את המודל עדיין. התייחסו אליהם כאל טענה כיוונית — גדול יותר וטוב יותר באותה משפחה — ולא כאל מדידות.

מה שהסקייל-אפ שינה ומה שלא שינה בדף המפרט

הקפיצה הבין-דורית ניכרת בבירור רב יותר במספרים המשעממים מאשר במספרים השיווקיים. לעומת Mercury 2.5, המודל שאותו הוא מחליף:

• חלון הקשר — 1,000,000 אסימונים ב-Mercury 3 לעומת 260,000 ב-Mercury 2.5, עם פלט מרבי של 131,072 אסימונים.

• פרמטרים — יותר מפי 40 מ-Mercury 1, לא פורסם נתון מוחלט; גם מספר הפרמטרים של Mercury 2.5 מעולם לא פורסם.

• תפוקה — 1,068 אסימונים לשנייה, במדידה של הספק על כרטיסי NVIDIA שלא צוינו, לעומת כ-706 אסימונים לשנייה שמדדה Artificial Analysis עבור Mercury 2.5 במערך הבדיקות שלה.

• מחיר — $0.20 למיליון קלט ו-$0.70 למיליון פלט במחיר מחירון, מופחת ב-50% ל-$0.10 ו-$0.35 לתקופת ההשקה, שאין לה תאריך סיום מוצהר.

• מאמץ חשיבה — ארבע הגדרות (מיידי, נמוך, בינוני, גבוה), כאשר ברירת המחדל היא נמוכה; ב-Mercury 2.5 וב-Mercury 2 ברירת המחדל היא בינונית.

• מודאליות — קלט טקסט, פלט טקסט. ללא שינוי. אין קלט של תמונה, אודיו או וידאו, בעוד ש-Gemini 4 Argon ו-GPT-6 Astra מקבלים שניהם קלט מולטימודאלי.

חלון ההקשר הוא השינוי בעל ההשלכה המעשית הגדולה ביותר והסיקור התקשורתי המועט ביותר. הגדלה פי ארבעה מוציאה את Mercury מקטגוריית המסמכים הקצרים ומכניסה אותו לטווח שבו מאגר קוד שלם, תמלול תמיכה ארוך או חוזה בן מאות עמודים נכנסים בקריאה אחת. פענוח דיפוזיה על פני הקשר ארוך אינו בחינם — הקנבס גדול יותר ועלות הקשב עולה — ולכן העובדה שההקשר גדל פי 4 בעוד שהתפוקה נותרה מעל 1,000 היא, אם כבר, אמירה חזקה יותר על ההנדסה מאשר מספר הכותרת.

התוצאה האיכותית היחידה עם רתמת בדיקה מאחוריה

Inception אכן הריצה הערכה שימושית יותר מטבלת בנצ'מרק, והיא קבורה מתחת לטענות המהירות. החברה הכניסה את Mercury 3 לתוך מערך סוכן האינטרנט בייצור שלה לצד מודלי חזית, על 50 משימות ניווט חיות ב-Mind2Web — אתרים אמיתיים, לא תמונת מצב קפואה — ומדווחת על שיעור השלמה של 50%, "באופן משמעותי יותר מ-GPT-6.1-Sol", באותו נפח טוקנים ובאותו מספר צעדי סוכן. אותה עבודה, פחות דולרים לטוקן, השלמה טובה יותר.

חמישים משימות הן מדגם קטן, וההרנס שייך לספק, ולכן המרווח אינו מספר שאפשר לתכנן לפיו. אבל ניווט אינטרנט סוכני הוא סוג העומס שהכי פחות חשוף לזיהום מבנצ'מרקים והכי רגיש לשני הדברים ש-Mercury מוכרת: השהיה ועלות לכל שלב. מודל שמסיים חצי מחמישים משימות חיות עושה משהו אמיתי. הוא גם, ב-50%, נכשל בחצי מהן, וזו המסגרת הנכונה לסוג הזה של מודל בייצור — סוכן שמשלים חצי מהמשימות שלו עם מסלול הסלמה אנושי הוא בר-פריסה; אחד שמוצג כאמין אינו כזה.

היכן נמצאת הנחת ההשקה בתקציב בפועל

מחיר המחירון הוא 0.20$ בקלט ו-0.70$ בפלט למיליון טוקנים. מחיר ההשקה הוא מחצית מכך. אף אחד מהם אינו בגדר טעות עיגול לעומת השכבה שאליה Mercury מכוון: Claude Haiku 5.5 מופיע במחירון ב-1.00$ ו-5.00$, ו-GPT-6 Luna ב-0.10$ ו-0.50$. לכן Mercury 3 במחיר השקה מתומחר בתחתית ממש של השוק שבו הוא מתחרה, ובמחיר מחירון הוא עדיין בערך שביעית מתעריף הפלט של Haiku 5.5.

הרץ את החישוב על עומס הטיית תמיכה של 20 מיליון טוקנים בקלט ו-10 מיליון טוקנים בפלט ביום, כלומר פריסה בגודל בינוני ולא פיילוט. במחיר מחירון, מדובר ב-$4 עבור קלט ו-$7 עבור פלט — $11 ליום, כ-$330 בחודש. בתעריף ההשקה זה $5.50 ליום. ההנחה שווה בערך $165 בחודש בנפח הזה, והיא נעלמת בתאריך שאף אחד לא פרסם. בנה את הטיעון על $330.

קלט שנשמר במטמון הוא השורה שבאמת מזיזה את כלכלת הסוכנים. בתעריף מחירון של $0.02 למיליון, מבוא של 20,000 טוקנים של הנחיית מערכת והגדרות כלים עולה ארבע מאיות הסנט לקריאה במקום ארבע עשיריות הסנט. לאורך הרצת סוכן בת ארבעים שלבים מדובר בסנט וחצי של מבוא במקום שישה־עשר סנט — לא מהפכני כשלעצמו, אבל זה ההבדל בין לולאת סוכן שעלותה נשלטת על ידי עבודת המודל לבין כזו שעלותה נשלטת על ידי קריאה חוזרת של ההוראות של עצמה.

מה שדיפוזיה בגודל הזה עדיין לא פתרה

שלושה דברים ראויים להיאמר בבירור, מפני שמסגור ההשקה אינו עושה זאת.

ראשית, אין מדידה עצמאית. נכון ל-20 באוקטובר 2026, ל-Artificial Analysis — מערך ההערכה הניטרלי שבו הבלוג הזה משתמש להשוואה בין מודלים — אין כלל עמוד Mercury 3. הרשומות החדשות ביותר של Mercury אצלו הן 2.5 ו-2, שנמדדו בכ-706 ו-684 אסימונים לשנייה. כל נתון של Mercury 3 שנמצא בתפוצה, כולל כל נתון במאמר הזה, מקורו ב-Inception.

שנית, טקסט בלבד הוא כעת מגבלה אמיתית ולא מגבלה סגנונית. המתחרים שמולם מתומחר Mercury 3 בשכבה הזולה הם יותר ויותר רב-מודליים, וחלון ההקשר הארוך שהוא זה עתה קיבל שימושי ביותר עבור מסמכים שמגיעים כקובצי PDF וצילומי מסך. חלון של מיליון טוקנים שאפשר למלא רק בטקסט מחולץ שווה פחות ממה שדף המפרט מרמז.

שלישית, הגדרת המאמץ כברירת המחדל היא נמוכה. מודל שעונה במאמץ נמוך כברירת מחדל ייראה מהיר יותר ויקבל ציון נמוך יותר מאותו מודל במאמץ גבוה, והטענות ההשוואתיות של Inception אינן מציינות איזו הגדרה הפיקה אותן. כל מי שעורך בנצ'מרק ל-Mercury 3 מול משהו צריך לקבוע את פרמטר המאמץ במפורש, אחרת ההשוואה אינה ניתנת לשחזור — כולל מול המספרים של Inception עצמה.

כיצד להחזיק במודל הזה מבלי להמר עליו כמסלול ייצור

Mercury 3 אינו בקטלוג של OrcaRouter. ה-API של המודלים שלנו לא מחזיר דבר עבור שום מודל של Inception — 209 המודלים שאנו מנתבים אינם כוללים אותו — כך שקריאה ל-Mercury 3 משמעה לפנות לפלטפורמה של Inception עצמה, שבה חשבונות חדשים מקבלים 100 מיליון טוקנים בחינם, או לאחת מפלטפורמות האינפרנס ש-Inception מפרטת. לומר זאת באופן ברור מועיל יותר מאשר לרמוז על מסלול שאין לנו.

מה שראוטר באמת טוב בו כאן הוא צורת הפריסה ולא המודל. התבנית שמתאימה לשחרור לא מוכח אך מהיר באופן יוצא דופן היא תבנית של שני מסלולים: לשלוח את העבודה הקריטית מבחינת השהיה ל-Mercury 3 במפתח של Inception, ולהשאיר את הגיבוי ואת המקרים הקשים על מודלים שאנחנו כן מספקים — יותר מ-200 מהם מאחורי נקודת קצה אחת תואמת OpenAI, במחיר מחירון של הספק עם 0% תוספת, עם מעבר אוטומטי לגיבוי כשספק נחלש. התמחור בהעברה חשוב מאותה סיבה שהנחת ההשקה חשובה: כשהנחת ה-50% של Inception מסתיימת, התעריף של מודל מנותב משתנה ביום שבו הספק משנה אותו, בלי משא ומתן מחדש.

הסיכום הכנה לאחר יום הוא ש־Mercury 3 הוא תוצאת סקיילינג אמיתית העוטה כותרת של מהירות. הטענה בדבר פי 40 אינה ניתנת לאימות, לטענת התפוקה אין שחזור ניטרלי, וטענת האיכות היא השוואתית מול השכבה המהירה ולא כמותית. אבל הכיוון חד־משמעי: מודלי שפה דיפוזיים היו קוריוז של השהיה בהקשר של 260K ובמודל בדור 2.5, וכעת, בהקשר של 1M ובפרמטרים גדולים פי 40, הם נמצאים בטווח המחירים שבו השכבה המהירה באמת חיה. המספר שכדאי לעקוב אחריו אינו האם 1,068 משוחזר. אלא האם המדד העצמאי הבא מציב את Mercury 3 במרחק כמה נקודות מ־GPT-6 Luna ומ־Claude Haiku 5.5 — כי אם כן, השכבה הזולה מפסיקה להיות שכבה והופכת להחלטה.