Mercury 3는 40배 이상 성장하고 초당 1,000 토큰을 유지했다 — 핵심은 스케일링이다

Inception Labs는 2026년 10월 19일 Mercury 3를 출시했는데, 여러분을 멈춰 세워야 할 숫자는 초당 1,068 토큰이 아니다. 바로 마흔이다. Inception 자체의 설명에 따르면 Mercury 3는 총 파라미터 수에서 Mercury 1보다 40배 이상 크며, 여전히 초당 1,000개가 넘는 토큰으로 실행된다. 이는 회사가 첫 모델부터 판매해 온 것과 같은 처리량 등급이다. 이번 출시를 다룬 모든 이들은 속도 수치를 앞세웠다. 속도 수치는 이미 두 세대 전부터 Mercury의 세일즈 포인트였다. 새로운 점은 Mercury 3가 디퓨전 언어 모델로서, 디코드 속도의 통상적인 붕괴 없이 100배 규모의 스케일이 투입되었다는 것이며, 그것이 검증할 가치가 있는 주장이다. 이 글은 스케일링, Inception이 그 대가로 얻었다고 말하는 것, 그리고 출시 하루 뒤 빌더가 그것으로부터 무엇을 결론 내릴 수 있고 무엇을 내릴 수 없는지를 다룬다. 이와 같은 출시의 배후에 있는 문서화된 AI 실패와 에이전트 사건은 다음에 수집되어 있다: the OrcaRouter AI Incident Archive 각 항목은 자체 출처, 심각도, 신뢰도 등급 및 분쟁 표시를 함께 제공한다.

Inception이 비교 대상으로 삼는 것은 빠르고 저렴한 등급이다. Mercury 3는 "GPT-6 Luna와 Claude Haiku 5.5를 능가한다"고 하는데, 두 모델 모두 속도에 최적화되어 있으며 Mercury 3는 둘 중 어느 것보다 더 빠르게 실행된다. 이는 GPT-6 Astra나 Claude Sonnet 5.5를 겨냥한 것이 아니며, 이 발표를 프런티어 모델에 대한 주장으로 읽는 것은 Inception이 범하지 않는 실수일 것이다.

왜 40배가 디퓨전 모델에게는 트랜스포머보다 더 어려운 주장인가

자기회귀 모델은 네트워크를 한 번 순전파할 때마다 토큰 하나를 출력한다. 확산 언어 모델은 한 번의 패스마다 블록 전체를 출력하며, 블록이 완성될 때까지 위치들로 이루어진 캔버스를 반복적으로 디노이징한다. 처리량은 바로 여기서 나오며, 한쪽을 확장하는 것이 다른 쪽을 확장하는 것과는 다른 엔지니어링 문제인 이유도 바로 여기에 있다.

작은 확산 모델에서는 나머지 위치를 채우기 쉬우므로 각 디노이징 단계가 한 번에 많은 위치를 확정할 수 있다. 모델이 커질수록 위치별 품질 기준은 높아지고, 그 기준에 도달하는 데 필요한 단계 수는 그에 따라 늘어나는 경향이 있다 — 속도 우위를 만들어 낸 병렬성은 바로 붙잡기 더 어려워지는 것이다. 따라서 초당 1,000토큰을 유지하면서 매개변수를 40배 늘렸다는 것은, 블록당 단계 수가 크게 증가한 것을 단계당 연산 효율의 훨씬 더 큰 증가로 상쇄했거나, Inception이 설명하지 않은 아키텍처 또는 샘플링 변경이 있었음을 의미한다. 발표문은 어느 쪽인지 말하지 않으며, 그것이 이번 발표에서 가장 흥미로운 미해결 질문이다.

Inception이 실제로 공개하는 것은 메커니즘이 아니라 결과다: Mercury 1보다 40배 이상 많은 파라미터, 그리고 자체 스위트 전체에서 Mercury 1(mini)에서 Mercury 3로 측정된 지능이 대략 세 배 증가한 수치다. 두 수치 모두 공급업체가 보고한 것이며, 어느 쪽도 절대적인 파라미터 수와 함께 제공되지 않고, 아직 어떤 독립적인 하네스도 이 모델을 실행하지 않았다. 이를 측정치로 보지 말고, 같은 계열에서 더 크고 더 나아졌다는 방향성 주장으로 받아들여야 한다.

스케일업이 스펙 시트에서 바꾼 것과 바꾸지 않은 것

세대 간 도약은 마케팅 숫자보다 지루한 숫자에서 더 분명하게 드러납니다. 이 모델이 대체하는 Mercury 2.5와 비교하면:

• 컨텍스트 창 — Mercury 3에서는 1,000,000토큰, Mercury 2.5에서는 260,000토큰이며, 최대 출력은 131,072토큰입니다.

• 매개변수 — Mercury 1보다 40배 이상이며, 절대 수치는 공개되지 않음; Mercury 2.5의 매개변수 수 역시 공개된 적 없음.

• 처리량 — 초당 1,068토큰으로, 명시되지 않은 NVIDIA GPU에서 벤더가 측정한 수치이며, Artificial Analysis가 자체 하네스에서 Mercury 2.5에 대해 측정한 약 초당 706토큰과 대비됩니다.

• 가격 — 정가 기준 입력 100만 개당 $0.20, 출력 100만 개당 $0.70이며, 종료일이 명시되지 않은 출시 기간에는 50% 인하되어 $0.10 및 $0.35입니다.

• 추론 강도 — 네 가지 설정(즉시, 낮음, 보통, 높음), 기본값은 낮음, Mercury 2.5 및 Mercury 2는 기본값이 보통입니다.

• 모달리티 — 텍스트 입력, 텍스트 출력. 변경 없음. 이미지, 오디오 또는 비디오 입력은 없음. 반면 Gemini 4 Argon과 GPT-6 Astra는 둘 다 멀티모달 입력을 지원합니다.

컨텍스트 창은 실용적 영향은 가장 크지만 보도는 가장 적은 변화다. 4배 증가는 Mercury를 짧은 문서 범주에서 벗어나 전체 저장소, 긴 고객 지원 대화 기록, 수백 페이지 분량의 계약서가 한 번의 호출에 들어가는 범위로 옮긴다. 긴 컨텍스트에 대한 확산 디코딩은 공짜가 아니다 — 캔버스가 더 커지고 어텐션 비용이 증가한다 — 따라서 컨텍스트가 4배로 커졌는데도 처리량이 1,000개 이상으로 유지되었다는 사실은, 오히려 헤드라인 숫자보다 엔지니어링에 관해 더 강력한 메시지다.

하네스가 뒷받침하는 단 하나의 품질 결과

인셉션은 벤치마크 표보다 더 유용한 평가를 실제로 수행했는데, 그것은 속도 관련 주장들 아래에 묻혀 있다. 이 회사는 자사의 프로덕션 웹 에이전트 하네스 안에 Mercury 3를 최전선 모델들과 함께 투입해 50개의 라이브 Mind2Web 탐색 작업 — 고정된 스냅샷이 아닌 실제 사이트 — 을 수행했고, 동일한 토큰 양과 동일한 에이전트 스텝 수에서 50%의 완료율을 기록했으며 이는 "GPT-6.1-Sol보다 상당히 높은" 수치라고 밝혔다. 같은 작업, 토큰당 더 적은 비용, 더 나은 완료율.

50개 작업은 작은 표본이고 하네스는 벤더 소유이므로, 그 격차는 계획의 근거로 삼을 수 있는 숫자가 아니다. 하지만 에이전트 기반 웹 탐색은 벤치마크 오염에 가장 덜 취약하면서 Mercury가 판매하는 두 가지, 즉 지연 시간과 단계당 비용에 가장 민감한 작업 부하다. 50개의 실제 작업 중 절반을 완료하는 모델은 실제로 뭔가를 해내고 있는 것이다. 동시에 50%라는 것은 절반을 실패하고 있다는 뜻이며, 이것이 생산 환경에서 이 부류의 모델을 바라보는 올바른 프레임이다 — 인간 에스컬레이션 경로와 함께 작업의 절반을 완료하는 에이전트는 배포 가능하지만, 신뢰할 수 있는 것으로 제시된 에이전트는 그렇지 않다.

런칭 할인이 실제 예산에서 어디에 위치하는지

정가는 백만 토큰당 입력 $0.20, 출력 $0.70입니다. 출시가는 그 절반입니다. 둘 다 Mercury가 겨냥한 등급에 비하면 반올림 오차 수준이 아닙니다: Claude Haiku 5.5는 $1.00와 $5.00, GPT-6 Luna는 $0.10와 $0.50의 정가를 책정하고 있습니다. 따라서 출시 당시 Mercury 3는 경쟁 중인 시장의 최저가에 책정되어 있으며, 정가 기준으로도 여전히 Haiku 5.5 출력 요금의 약 7분의 1입니다.

지원 문의 감소(디플렉션) 워크로드 기준으로 하루 입력 2천만 토큰, 출력 1천만 토큰의 산술을 계산해 보십시오. 이는 파일럿이 아닌 중간 규모 배포입니다. 정가 기준으로 입력 4달러, 출력 7달러로 하루 11달러, 한 달 약 330달러입니다. 출시 요금 기준으로는 하루 5.50달러입니다. 해당 물량에서 할인은 한 달 약 165달러의 가치가 있으며, 아무도 공개하지 않은 날짜에 사라집니다. 330달러를 기준으로 사업 타당성을 세우십시오.

캐시된 입력은 실제로 에이전트의 경제성을 바꾸는 항목입니다. $0.02/백만(정가) 기준으로, 시스템 프롬프트와 도구 정의로 이루어진 20,000토큰 프리앰블은 호출당 0.4센트가 아니라 0.04센트가 듭니다. 40단계 에이전트 실행 전체로 보면 프리앰블 비용은 16센트가 아니라 1.5센트입니다. 그 자체로는 획기적인 변화가 아니지만, 이는 비용이 모델의 작업에 의해 좌우되는 에이전트 루프와 비용이 자신의 지침을 다시 읽는 데 의해 좌우되는 에이전트 루프 사이의 차이입니다.

이 규모에서 디퓨전이 아직 해결하지 못한 것

세 가지는 분명히 짚고 넘어갈 가치가 있다. 출시를 둘러싼 프레이밍은 그렇게 하지 않기 때문이다.

첫째, 독립적인 측정은 존재하지 않습니다. 2026년 10월 20일 기준으로, 이 블로그가 모델 간 비교에 사용하는 중립적 하네스인 Artificial Analysis에는 Mercury 3 페이지가 전혀 없습니다. 가장 최신 Mercury 항목은 2.5와 2이며, 각각 초당 약 706개 및 684개 토큰으로 측정되었습니다. 유통되는 모든 Mercury 3 수치, 이 글에 있는 모든 수치를 포함해, 모두 Inception으로 거슬러 올라갑니다.

둘째, 이제 텍스트 전용은 문체상의 한계가 아니라 실질적인 한계입니다. Mercury 3가 저가 티어에서 가격 경쟁을 벌이는 경쟁 제품들은 점점 더 멀티모달해지고 있으며, Mercury 3가 방금 얻은 긴 컨텍스트 윈도는 PDF와 스크린샷으로 도착하는 문서에 가장 유용합니다. 추출된 텍스트로만 채울 수 있는 100만 토큰 윈도는 사양표가 시사하는 것보다 가치가 낮습니다.

셋째, 기본 effort 설정은 낮습니다. 기본적으로 낮은 effort로 답하는 모델은 같은 모델이 높은 effort일 때보다 더 빨라 보이고 점수는 더 낮게 나옵니다. 또한 Inception의 비교 주장에는 어떤 설정에서 나온 결과인지 명시되어 있지 않습니다. Mercury 3를 무엇과 벤치마킹하든 effort 매개변수를 명시적으로 고정해야 하며, 그렇지 않으면 비교를 재현할 수 없습니다. Inception 자체 수치와 비교할 때도 마찬가지입니다.

프로덕션 경로를 이 모델에 걸지 않고 이 모델을 어떻게 보유할 것인가

{{1}}Mercury 3{{/1}}는 OrcaRouter 카탈로그에 없습니다. 우리 모델 API는 어떤 Inception 모델에 대해서도 아무것도 반환하지 않습니다 — 우리가 라우팅하는 209개 모델에는 그것이 포함되어 있지 않습니다 — 따라서 {{1}}Mercury 3{{/1}}를 호출한다는 것은 신규 계정에 1억 개의 무료 토큰을 제공하는 Inception 자체 플랫폼으로 가거나, Inception이 나열한 추론 플랫폼 중 하나로 가는 것을 의미합니다. 우리가 갖지 않은 경로를 암시하는 것보다 그렇게 분명히 말하는 것이 더 유용합니다.

여기서 라우터가 정말로 유용한 점은 모델 자체보다 배포의 형태입니다. 아직 검증되지 않았지만 유난히 빠른 릴리스에 맞는 패턴은 두 경로 방식입니다. 지연에 민감한 작업은 Inception의 키로 Mercury 3에 보내고, 폴백과 어려운 사례는 저희가 실제로 제공하는 모델들에 남겨 두는 것입니다 — 하나의 OpenAI 호환 엔드포인트 뒤에 있는 200개가 넘는 모델, 공급자 정가에 0% 마크업, 공급자가 성능 저하될 때 자동 페일오버. 패스스루 가격 책정이 중요한 이유는 출시 할인과 같습니다. Inception이 50% 인하를 종료하면, 라우팅된 모델의 요금은 공급업체가 변경하는 날 바뀌며 재협상이 없습니다.

하루가 지난 뒤 솔직하게 요약하자면, Mercury 3는 속도라는 헤드라인을 걸친 진짜 스케일링 성과다. 40배라는 주장은 검증할 수 없고, 처리량 주장에는 중립적인 재현이 없으며, 품질 주장은 정량적이라기보다 빠른 티어와의 비교에 그친다. 그러나 방향은 명확하다. 디퓨전 언어 모델은 260K 컨텍스트와 2.5세대 모델에서는 지연 시간에 대한 호기심거리였지만, 1M 컨텍스트와 40배의 파라미터에서는 이제 빠른 티어가 실제로 존재하는 가격대에 들어섰다. 주목할 숫자는 1,068이 재현되는지 여부가 아니다. 다음 독립 지수가 Mercury 3를 GPT-6 Luna와 Claude Haiku 5.5에 몇 점 차이 안으로 올려놓는지 여부다. 왜냐하면 그렇게 된다면 저가 티어는 더 이상 하나의 티어가 아니라 하나의 결정이 되기 때문이다.