Mercury 3 arriva a 1.068 token al secondo — e senza un singolo numero di benchmark

Inception Labs ha rilasciato Mercury 3 il 19 ottobre 2026, e l'annuncio si apre con tre numeri: 1.068 token al secondo su GPU NVIDIA, una finestra di contesto da 1 milione di token e 0,10 $ per milione di token in input fintanto che dura lo sconto di lancio. Ciò che non contiene è un singolo punteggio di benchmark. L'affermazione sulla qualità è comparativa — Mercury 3 "supera GPT-6 Luna e Claude Haiku 5.5" — e ogni affermazione quantitativa nel post riguarda velocità, dimensione o prezzo. Non è tanto una critica quanto la forma delle prove con cui devi lavorare se stai decidendo se spostare un carico di lavoro su di esso questa settimana. Questo articolo illustra cosa ha effettivamente rilasciato Inception, cosa significano le affermazioni non misurate e dove uno sviluppatore dovrebbe tracciare il confine tra provarlo e dipenderne. I guasti documentati dell'IA e gli incidenti degli agenti dietro rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e l'indicatore di controversia.

Che cosa ha messo sul tavolo Inception il 19 ottobre

Mercury 3 è un modello linguistico a diffusione — il termine usato da Inception è dLLM — e l'azienda lo definisce il modello basato su diffusione più capace rilasciato finora. L'architettura genera i token in parallelo anziché uno alla volta, ed è da qui che deriva l'affermazione sul throughput. Inception afferma che il modello è oltre 40 volte più grande di Mercury 1 in termini di parametri totali, senza pubblicare un conteggio assoluto dei parametri, e che l'intelligenza misurata attraverso la sua suite di benchmark è aumentata di circa tre volte da Mercury 1 (mini) a Mercury 3.

• Contesto — 1M token, rispetto ai 260K di Mercury 2.5, con un output massimo di 131.072 token.

• Prezzo — 0,20 $ per milione di input e 0,70 $ per milione di output a listino; 0,10 $ e 0,35 $ mentre è attivo lo sconto di lancio.

• Input in cache — 0,02 $ per milione a listino, dimezzato a 0,01 $ durante la finestra di lancio, ovvero il consueto sconto del 90% sulla tariffa di input.

• Sforzo di ragionamento — quattro impostazioni: instant, low, medium e high. Mercury 3 usa low come valore predefinito quando il parametro viene omesso, mentre Mercury 2.5 e Mercury 2 usano medium come valore predefinito.

• Modalità — testo in input, testo in output. Il tool calling e gli output strutturati sono supportati sull'endpoint chat completions.

• Struttura dell'API — chat completions compatibili con OpenAI, con temperatura regolabile tra 0,5 e 1,0.

• Disponibilità — la piattaforma API proprietaria di Inception, dove i nuovi account ricevono 100 milioni di token gratuiti, e diverse piattaforme di inferenza di terze parti. Le distribuzioni enterprise aggiungono capacità dedicata, autoscaling e conservazione dei dati configurabile.

L'impostazione predefinita dello sforzo è il dettaglio che più probabilmente viene trascurato e che più probabilmente conta. Un modello che risponde con sforzo "basso" per impostazione predefinita sembrerà più veloce e otterrà un punteggio inferiore rispetto allo stesso modello con sforzo "alto", e le stesse dichiarazioni comparative di Inception non indicano quale impostazione le abbia prodotte. Se esegui tu stesso un benchmark di Mercury 3, fissa esplicitamente il livello di sforzo, altrimenti i tuoi numeri non saranno confrontabili con quelli di chiunque altro.

L'affermazione sulla qualità è comparativa, non quantitativa.

Rileggi la frase: Mercury 3 "supera GPT-6 Luna e Claude Haiku 5.5". Entrambi sono modelli ottimizzati per la velocità, non flagship di frontiera, e il confronto è quello corretto per un modello il cui intero punto di forza è la latenza. Ma l'annuncio non fornisce margini, nomi di benchmark né risultati per singolo task, quindi l'affermazione non può essere verificata rispetto a un harness pubblico senza eseguirlo personalmente.

L'unico risultato di qualità che abbia una qualche struttura alle spalle è un test per agenti. Inception ha eseguito Mercury 3 all'interno del proprio harness di produzione per agenti web, mettendolo a confronto con modelli di frontiera su 50 attività di navigazione Mind2Web dal vivo, e riferisce di averne completato il 50%, «significativamente più di GPT-6.1-Sol», usando lo stesso volume di token e lo stesso numero di passaggi dell'agente e, di conseguenza, una frazione del costo per token. Cinquanta attività sono un campione ridotto, l'harness è quello di Inception e il modello di confronto è nominato senza un punteggio. È un segnale reale — completare attività su siti live è più difficile da manipolare rispetto a una suite a scelta multipla — ma è un segnale, non una misurazione che si possa inserire in un documento di gara.

Inception sostiene anche che Mercury 3 sia «alla pari o migliore dei modelli di frontiera ottimizzati per la velocità», piuttosto che alla pari dei modelli di frontiera specializzati nel ragionamento. Questa distinzione fa molto lavoro nel post, e vale la pena prenderla alla lettera: si tratta di un modello posizionato contro la fascia veloce, non contro Claude Opus 5.5 o Gemini 4 Argon.

Il numero della velocità, contrapposto all'ultimo Mercury

1.068 token al secondo è il dato di punta, ed è la cifra che più probabilmente verrà citata fuori contesto. Inception la attribuisce alle "GPU NVIDIA" senza specificare l'hardware, la dimensione del batch, l'impostazione dell'effort o se si tratti di una misurazione a flusso singolo o aggregata. Tutti e quattro fattori fanno variare il numero di più volte.

Le misurazioni indipendenti disponibili riguardano la generazione precedente. Artificial Analysis misura Mercury 2.5 a circa 706 token al secondo e Mercury 2 intorno a 680, entrambi con il proprio harness. Sono cifre di terze parti reali e riproducibili, e sono inferiori ai numeri del fornitore che accompagnavano quei lanci. Quel divario è il normale scarto tra dati del fornitore e dati indipendenti in questa categoria, non prova di malafede — ma è lo scarto che dovreste applicare mentalmente a 1,068 finché qualcuno non lo riproduce.

Al {{1}}20 ottobre 2026{{/1}}, {{2}}Artificial Analysis{{/2}} non ha alcuna pagina dedicata a Mercury 3: il suo indice dei modelli elenca ancora Mercury 2.5 e Mercury 2, e l'URL di Mercury 3 non restituisce nulla. Quindi l'affermazione sulla velocità non ha ancora una verifica indipendente, a un giorno dal lancio. Questo cambierà; la cosa utile da osservare non è se il numero si colloca vicino a 1.068, ma se il divario rispetto a Mercury 2.5 resta ampio con un harness neutrale come lascia intendere l'impostazione di Inception.

Quanto vale lo sconto di lancio e cosa non è

Il taglio del 50% è dichiarato come temporaneo — "al lancio" — senza una data di fine. Questo lo rende una tariffa promozionale anziché un tariffario, e qualsiasi modello di costo basato su $0.10/$0.35 ha una data di scadenza che non puoi vedere. Il prezzo di listino è il numero su cui pianificare.

Un confronto concreto chiarisce la scala. Prendiamo un carico di lavoro di assistenza o di ricerca pari a 10 milioni di token di input e 40 milioni di token di output al giorno. Al prezzo di listino, Mercury 3 costa 2 $ per l'input e 28 $ per l'output, ovvero 30 $ al giorno. Alla tariffa di lancio, lo stesso traffico costa 1 $ e 14 $, ovvero 15 $ al giorno. Su un mese, si tratta di circa 900 $ contro 450 $: la promozione vale all'incirca quanto l'intero vantaggio di prezzo di listino del modello rispetto a un modello autoregressivo di fascia media. Utile, ma non un motivo per progettare l'architettura intorno a ciò.

La voce relativa all'input in cache è quella che cambia davvero l'economia dei carichi di lavoro degli agenti, perché gli agenti reinviano lo stesso prompt di sistema e le stesse definizioni degli strumenti a ogni passaggio. A $0.02 per milione di token in cache, un preambolo di 20.000 token costa $0.0004 per chiamata invece di $0.004. In un'esecuzione di un agente di cinquanta passaggi, ciò equivale a due centesimi di preambolo anziché venti, ovvero la differenza tra un prezzo per attività sostenibile e uno marginale.

Inception non sta vendendo un chatbot

Il lancio è incentrato su un portafoglio anziché su un singolo modello, e questa impostazione ti dice a chi è destinato il prodotto. Mercury Voice è ottimizzato per il time-to-first-answer-token negli agenti vocali; Mercury Decide è un modello di classificazione e scoring su un endpoint separato, con un prezzo di due centesimi per milione di token di input e nulla per l'output. Le testimonianze dei clienti di Inception riguardano tutti sistemi di produzione sensibili alla latenza: un harness per agenti web presso TinyFish, feedback di tutoring presso RevisionDojo, generazione per la ricerca presso Octen, supporto presso Lorikeet.

Quelli sono carichi di lavoro in cui una risposta in due secondi è un requisito di prodotto e una in cinque secondi è un bug. Sono anche carichi di lavoro in cui sbagliare è recuperabile — un suggerimento errato, una risposta di ricerca errata, un caso di supporto escalato — che è esattamente il profilo di rischio su cui un modello senza punteggi di benchmark pubblicati può essere provato in sicurezza.

A che punto lascia un costruttore questa settimana

Mercury 3 non è presente nel catalogo OrcaRouter. Al momento la nostra API dei modelli non restituisce nulla per nessun modello Inception, e la pagina del modello Mercury 3 non esiste sul nostro sito, quindi chi vuole chiamarlo si rivolge alla piattaforma di Inception stessa o a uno degli host di terze parti elencati da Inception. Preferiamo dirlo chiaramente anziché lasciar intendere una rotta che non abbiamo.

Ciò in cui il nostro livello di routing è utile in questa situazione è la parte attorno al nuovo modello, non il modello stesso. Il pattern che funziona con una release non collaudata e insolitamente veloce è un percorso a due modelli: inviare il tier critico per la latenza a Mercury 3 tramite la chiave di Inception e mantenere il fallback e i casi difficili sui modelli che gestiamo noi — più di 200 di questi dietro un unico endpoint compatibile con OpenAI, al prezzo di listino del provider con 0% di ricarico, con failover automatico se un provider peggiora. Ottieni la velocità dove conviene e una seconda opinione dove conta, senza una seconda integrazione per il fallback.

Tre cose da tenere d'occhio nelle prossime settimane. Primo, una misurazione indipendente di Mercury 3, che chiarirà in un colpo solo sia il dato di throughput sia il posizionamento sulla qualità. Secondo, se Inception pubblica l'impostazione dello sforzo e l'hardware alla base dei propri numeri, dato che un benchmark senza questi elementi non è riproducibile. Terzo, se lo sconto di lancio avrà una data di fine — il prezzo di listino è inferiore del 33% rispetto alla tariffa di output di Mercury 2.5 e circa un quinto di quella di Claude Haiku 5.5, e un'azienda che ha appena scalato un modello di 40 volte ha motivi per volere che sia il numero promozionale quello che le persone ricordano.

Fino ad allora il riepilogo onesto è questo: Mercury 3 è un rilascio reale con una storia architetturale difendibile, un prezzo davvero aggressivo e una dichiarazione di qualità che nessuno al di fuori di Inception ha ancora testato. Per un carico di lavoro vincolato dalla latenza con un essere umano o un percorso di escalation nel ciclo, questo basta a giustificare una settimana di valutazione. Per qualunque cosa in cui una risposta sbagliata sia costosa e non monitorata, non basta ancora a giustificare una migrazione.