Mercury 3 Hadir dengan Kecepatan 1.068 Token per Detik — dan Tanpa Satu Pun Angka Benchmark

Inception Labs merilis Mercury 3 pada 19 Oktober 2026, dan pengumumannya dibuka dengan tiga angka: 1.068 token per detik pada GPU NVIDIA, jendela konteks 1 juta token, dan $0,10 per juta token input selama diskon peluncuran masih berlaku. Yang tidak ada di dalamnya adalah satu pun skor benchmark. Klaim kualitasnya bersifat komparatif — Mercury 3 "mengungguli GPT-6 Luna dan Claude Haiku 5.5" — dan setiap klaim kuantitatif dalam tulisan itu berkisar pada kecepatan, ukuran, atau harga. Itu bukanlah kritik, melainkan gambaran tentang bentuk bukti yang harus Anda gunakan jika Anda sedang memutuskan apakah akan memindahkan sebuah workload ke sana minggu ini. Artikel ini membahas apa yang sebenarnya dirilis Inception, apa arti klaim-klaim tanpa skor tersebut, dan di mana seorang builder harus menarik garis antara mencobanya dan bergantung padanya. Kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam Arsip Insiden AI OrcaRouter di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda status diperdebatkan.

Apa yang Inception ajukan pada 19 Oktober

Mercury 3 adalah model bahasa difusi — istilah Inception adalah dLLM — dan perusahaan menyebutnya sebagai model berbasis difusi paling mumpuni yang pernah dirilis hingga saat ini. Arsitekturnya menghasilkan token secara paralel, bukan satu per satu, dan dari situlah klaim throughput berasal. Inception menyatakan bahwa model ini lebih dari 40 kali lebih besar daripada Mercury 1 dalam hal total parameter, tanpa mempublikasikan jumlah parameter absolut, dan bahwa kecerdasan terukur di seluruh rangkaian tolok ukurnya telah meningkat sekitar tiga kali lipat dari Mercury 1 (mini) ke Mercury 3.

• Konteks — 1 juta token, naik dari 260K pada Mercury 2.5, dengan keluaran maksimum 131.072 token.

• Harga — $0,20 per juta input dan $0,70 per juta output pada harga daftar; $0,10 dan $0,35 selama diskon peluncuran berlaku.

• Input yang di-cache — $0.02 per juta pada harga daftar, dipotong setengah menjadi $0.01 selama periode peluncuran, yaitu diskon 90% yang lazim pada tarif input.

• Upaya penalaran — empat pengaturan: instan, rendah, sedang, dan tinggi. Mercury 3 menggunakan default rendah saat parameter dihilangkan, sedangkan Mercury 2.5 dan Mercury 2 menggunakan default sedang.

• Modalitas — teks masuk, teks keluar. Pemanggilan tool dan output terstruktur didukung pada endpoint chat completions.

• Bentuk API — chat completions yang kompatibel dengan OpenAI, dengan temperature yang dapat disesuaikan antara 0,5 dan 1,0.

• Ketersediaan — Platform API milik Inception sendiri, tempat akun baru mendapatkan 100 juta token gratis, serta beberapa platform inferensi pihak ketiga. Penerapan enterprise menambahkan kapasitas khusus, penskalaan otomatis, dan retensi data yang dapat dikonfigurasi.

Pengaturan effort default adalah detail yang paling mungkin terlewat dan paling mungkin berpengaruh. Model yang menjawab dengan effort "low" secara default akan tampak lebih cepat dan mendapat skor lebih rendah daripada model yang sama pada "high", dan klaim perbandingan dari Inception sendiri tidak menyebutkan pengaturan mana yang menghasilkannya. Jika Anda melakukan benchmark Mercury 3 sendiri, tetapkan tingkat effort secara eksplisit atau angka Anda tidak akan sebanding dengan milik orang lain.

Klaim kualitas bersifat komparatif, bukan kuantitatif.

Baca kalimat itu lagi: Mercury 3 "mengungguli GPT-6 Luna dan Claude Haiku 5.5". Keduanya adalah model yang dioptimalkan untuk kecepatan, bukan model unggulan terdepan, dan perbandingan itulah yang tepat untuk model yang seluruh nilai jualnya adalah latensi. Namun pengumuman tersebut tidak memberikan selisih, nama tolok ukur, maupun hasil per tugas, sehingga klaim itu tidak dapat diperiksa terhadap harness publik tanpa menjalankannya sendiri.

Satu-satunya hasil kualitas yang memiliki struktur di baliknya adalah uji agen. Inception menjalankan Mercury 3 di dalam harness agen web produksinya sendiri terhadap model-model terdepan pada 50 tugas navigasi Mind2Web langsung, dan melaporkan bahwa model itu menyelesaikan 50% di antaranya, "jauh lebih banyak daripada GPT-6.1-Sol", dengan volume token yang sama dan jumlah langkah agen yang sama sehingga hanya sebagian kecil dari biaya per token. Lima puluh tugas adalah sampel kecil, harness tersebut milik Inception sendiri, dan model pembanding disebutkan tanpa skor. Ini adalah sinyal nyata — penyelesaian tugas di situs langsung lebih sulit dimanipulasi daripada rangkaian pilihan ganda — tetapi ini adalah sinyal, bukan pengukuran yang dapat Anda masukkan ke dalam dokumen pengadaan.

Inception juga mengatakan Mercury 3 “setara atau lebih baik daripada model frontier yang dioptimalkan untuk kecepatan” alih-alih setara dengan model penalaran frontier. Perbedaan itu memainkan peran besar dalam tulisan tersebut, dan layak diterima apa adanya: ini adalah model yang diposisikan melawan tier cepat, bukan melawan Claude Opus 5.5 atau Gemini 4 Argon.

Angka kecepatan, disandingkan dengan Mercury terakhir

1.068 token per detik adalah angka utamanya, dan itulah angka yang paling mungkin dikutip di luar konteks. Inception mengaitkannya dengan "GPU NVIDIA" tanpa menyebutkan perangkat kerasnya, ukuran batch, pengaturan upayanya, atau apakah itu pengukuran aliran tunggal maupun agregat. Keempat faktor itu mengubah angka tersebut secara berlipat ganda.

Pengukuran independen yang ada adalah untuk generasi sebelumnya. Artificial Analysis mengukur Mercury 2.5 pada sekitar 706 token per detik dan Mercury 2 pada kisaran 680-an, keduanya dengan harness miliknya sendiri. Itu adalah angka pihak ketiga yang nyata dan dapat direproduksi, dan angka tersebut lebih rendah daripada angka vendor yang menyertai peluncuran-peluncuran itu. Selisih itu adalah diskon normal dari vendor ke independen dalam kategori ini, bukan bukti itikad buruk — tetapi itulah diskon yang harus Anda terapkan secara mental pada 1.068 sampai seseorang mereproduksinya.

Per 20 Oktober 2026, Artificial Analysis belum memiliki halaman Mercury 3: indeks modelnya masih mencantumkan Mercury 2.5 dan Mercury 2, dan URL Mercury 3 tidak menampilkan apa pun. Jadi klaim kecepatan itu belum memiliki pemeriksaan independen, sehari setelah peluncuran. Itu akan berubah; hal yang berguna untuk diperhatikan bukanlah apakah angkanya mendekati 1.068, melainkan apakah selisihnya dengan Mercury 2.5 tetap selebar yang tersirat dalam pembingkaian Inception di bawah harness netral.

Apa nilai diskon peluncuran, dan apa yang bukan.

{{1}}Potongan 50%{{/1}} dinyatakan sebagai sementara — "saat peluncuran" — tanpa tanggal berakhir. Itu menjadikannya tarif promosi alih-alih daftar tarif, dan model biaya apa pun yang dibangun berdasarkan {{2}}$0.10/$0.35{{/2}} memiliki tanggal kedaluwarsa yang tidak dapat Anda lihat. Harga daftar adalah angka yang harus menjadi acuan perencanaan.

Perbandingan konkret membuat skalanya jelas. Ambil beban kerja dukungan atau pencarian sebesar 10 juta token masukan dan 40 juta token keluaran per hari. Pada harga daftar, Mercury 3 biayanya $2 untuk masukan dan $28 untuk keluaran, atau $30 per hari. Pada tarif peluncuran, lalu lintas yang sama biayanya $1 dan $14, atau $15 per hari. Selama sebulan itu kira-kira $900 versus $450 — promosinya bernilai kira-kira sama dengan seluruh keunggulan harga daftar model tersebut dibandingkan model autoregresif kelas menengah. Berguna, tetapi bukan alasan untuk merancang arsitektur di sekitarnya.

Baris input yang di-cache adalah yang mengubah ekonomi nyata untuk beban kerja agen, karena agen mengirim ulang prompt sistem dan definisi alat yang sama pada setiap langkah. Pada $0.02 per juta token yang di-cache, pembuka 20.000 token biayanya $0.0004 per panggilan, bukan $0.004. Pada proses agen lima puluh langkah, itu berarti dua sen untuk pembuka, bukan dua puluh sen, yang merupakan perbedaan antara harga per tugas yang layak dan yang marginal.

Inception tidak menjual chatbot

Peluncuran ini dibingkai sebagai portofolio, bukan model tunggal, dan pembingkaian itu menunjukkan untuk siapa produk ini ditujukan. Mercury Voice disetel untuk waktu sampai token jawaban pertama pada agen suara; Mercury Decide adalah model klasifikasi dan penilaian pada endpoint terpisah, dengan harga dua sen per juta input dan tanpa biaya per output. Kutipan pelanggan Inception semuanya berasal dari sistem produksi yang sensitif terhadap latensi: harness agen web di TinyFish, umpan balik bimbingan belajar di RevisionDojo, pembuatan pencarian di Octen, dukungan di Lorikeet.

Itu adalah beban kerja di mana respons dua detik merupakan persyaratan produk dan respons lima detik adalah bug. Itu juga beban kerja di mana kesalahan dapat dipulihkan — petunjuk yang buruk, jawaban pencarian yang buruk, sesi dukungan yang dieskalasi — yang persis merupakan profil risiko yang aman untuk mencoba model tanpa skor benchmark yang dipublikasikan.

Bagaimana posisi seorang pembangun minggu ini akibat hal ini

Mercury 3 tidak ada di katalog OrcaRouter. API model kami saat ini tidak mengembalikan apa pun untuk model Inception mana pun, dan halaman model Mercury 3 tidak ada di situs kami, sehingga siapa pun yang ingin memanggilnya akan beralih ke platform milik Inception sendiri atau ke salah satu host pihak ketiga yang dicantumkan Inception. Kami lebih memilih menyatakannya secara terang-terangan daripada menyiratkan adanya jalur yang tidak kami miliki.

Yang membuat lapisan routing kami berguna dalam situasi ini adalah bagian di sekitar model baru, bukan model itu sendiri. Pola yang cocok untuk rilis yang belum teruji dan luar biasa cepat adalah jalur dua model: kirim tier yang kritis terhadap latensi ke Mercury 3 melalui kunci Inception, dan pertahankan fallback serta kasus-kasus sulit pada model yang memang kami sediakan — lebih dari 200 di antaranya di balik satu endpoint yang kompatibel dengan OpenAI, dengan harga daftar penyedia tanpa markup 0%, dengan failover otomatis jika penyedia mengalami penurunan kualitas. Anda mendapatkan kecepatan di tempat yang memberi manfaat dan pendapat kedua di tempat yang penting, tanpa integrasi kedua untuk fallback.

{{1}}Ada tiga hal yang layak dicermati selama beberapa minggu ke depan.{{/1}} Pertama, pengukuran independen {{2}}Mercury 3{{/2}}, yang akan menetapkan sekaligus angka throughput dan posisi kualitasnya. Kedua, apakah {{3}}Inception{{/3}} menerbitkan pengaturan effort dan perangkat keras di balik angka-angkanya sendiri, karena tolok ukur tanpa hal itu tidak dapat direproduksi. Ketiga, apakah diskon peluncuran mendapatkan tanggal berakhir — harga daftar 33% lebih rendah daripada tarif output {{4}}Mercury 2.5{{/4}} dan sekitar seperlima dari {{5}}Claude Haiku 5.5{{/5}}, dan perusahaan yang baru saja menskalakan sebuah model 40 kali punya alasan untuk ingin angka promosi itulah yang diingat orang.

Sampai saat itu, ringkasan jujurnya adalah ini: Mercury 3 adalah rilis nyata dengan cerita arsitektur yang bisa dipertahankan, harga yang benar-benar agresif, dan klaim kualitas yang belum diuji oleh siapa pun di luar Inception. Untuk beban kerja yang terikat latensi dengan manusia atau jalur eskalasi dalam alurnya, itu cukup untuk membenarkan evaluasi selama seminggu. Untuk apa pun yang jawaban salahnya mahal dan tidak termonitor, itu belum cukup untuk membenarkan migrasi.