Mercury 3 groeide meer dan 40x en bleef 1.000 tokens per seconde halen — het opschalen is het verhaal

Inception Labs bracht Mercury 3 uit op 19 oktober 2026, en het getal waarbij je zou moeten stilstaan is niet 1.068 tokens per seconde. Het is veertig. Mercury 3 is volgens Inception zelf meer dan 40 keer groter dan Mercury 1 in totale parameters, en draait nog steeds met meer dan 1.000 tokens per seconde — dezelfde doorvoerklasse die het bedrijf sinds zijn eerste model verkoopt. Iedereen die de lancering versloeg, opende met het snelheidscijfer. Het snelheidscijfer was al twee generaties geleden Mercury's verkoopargument. Wat nieuw is, is dat Mercury 3 een diffusietaalmodel is waaraan twee ordes van grootte aan schaal zijn toegevoegd zonder de gebruikelijke instorting van de decodeersnelheid, en dat is de bewering die het testen waard is. Dit stuk gaat over de opschaling, wat Inception zegt dat het heeft opgeleverd, en wat een bouwer er een dag na de lancering wel en niet uit kan concluderen. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze worden verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding haar eigen bronnen, ernst, betrouwbaarheidsgraad en betwistmarkering bevat.

De vergelijking die Inception maakt, betreft de snelle, goedkope categorie: Mercury 3 "presteert beter dan GPT-6 Luna en Claude Haiku 5.5", beide op snelheid geoptimaliseerde modellen, terwijl het sneller draait dan beide. Het wordt niet gepositioneerd tegenover GPT-6 Astra of Claude Sonnet 5.5, en de aankondiging lezen als een claim over frontier-modellen zou een fout zijn die Inception niet maakt.

Waarom 40x een moeilijker te onderbouwen claim is voor een diffusiemodel dan voor een transformer

Een autoregressief model genereert één token per forward pass door het netwerk. Een diffusietaalmodel genereert per pass een heel blok, waarbij het iteratief ruis verwijdert uit een canvas van posities totdat het blok is gevormd. Daar komt de doorvoer vandaan, en dat is ook waarom het opschalen van het ene een ander engineeringprobleem is dan het opschalen van het andere.

In een klein diffusiemodel kan elke denoisingsstap veel posities tegelijk vastleggen, omdat de resterende posities gemakkelijk in te vullen zijn. Naarmate het model groeit, stijgt de kwaliteitslat per positie, en het aantal stappen dat nodig is om die lat te halen, neigt daarmee mee te stijgen — het parallellisme dat het snelheidsvoordeel opleverde, is precies wat moeilijker vast te houden wordt. Een 40x toename in parameters waarbij 1.000 tokens per seconde behouden bleef, impliceert daarom ofwel een grote toename van het aantal stappen per blok, gecompenseerd door een veel grotere toename van de reken-efficiëntie per stap, ofwel een architectuur- of samplingwijziging die Inception niet heeft beschreven. De aankondiging zegt niet welke van de twee, en dat is de allerbelangrijkste onbeantwoorde vraag in de release.

Wat Inception wel publiceert, is de uitkomst in plaats van het mechanisme: meer dan 40x de parameters van Mercury 1, en ongeveer een drievoudige toename in gemeten intelligentie van Mercury 1 (mini) naar Mercury 3 op zijn eigen testsuite. Beide cijfers zijn door de leverancier gerapporteerd, geen van beide gaat gepaard met een absoluut parameteraantal, en nog geen enkel onafhankelijk testharnas heeft het model gedraaid. Beschouw ze als een indicatieve claim — groter en beter binnen dezelfde familie — en niet als metingen.

Wat de scale-up wel en niet veranderde aan het specificatieblad

De generatieverschuiving komt duidelijker naar voren in de saaie cijfers dan in de marketingcijfers. Vergeleken met Mercury 2.5, het model dat het vervangt:

• Contextvenster — 1.000.000 tokens op Mercury 3 versus 260.000 op Mercury 2.5, met een maximale uitvoer van 131.072 tokens.

Parameters — meer dan 40x Mercury 1, geen absoluut getal gepubliceerd; ook het parameteraantal van Mercury 2.5 is nooit gepubliceerd.

• Doorvoer — 1.068 tokens per seconde, door de leverancier gemeten op niet nader gespecificeerde NVIDIA-GPU's, tegenover de ongeveer 706 tokens per seconde die Artificial Analysis mat voor Mercury 2.5 met zijn eigen testopstelling.

• Prijs — $0.20 per miljoen invoer en $0.70 per miljoen uitvoer tegen lijstprijs, met 50% korting naar $0.10 en $0.35 voor de introductieperiode, waarvoor geen einddatum is vermeld.

• Redeneerinspanning — vier instellingen (instant, laag, gemiddeld, hoog), standaard ingesteld op laag; Mercury 2.5 en Mercury 2 staan standaard op gemiddeld.

• Modaliteiten — tekst in, tekst uit. Ongewijzigd. Geen beeld-, audio- of video-invoer, terwijl Gemini 4 Argon en GPT-6 Astra beide multimodale invoer accepteren.

Het contextvenster is de verandering met de meeste praktische gevolgen en de minste persaandacht. Een viervoudige toename brengt Mercury uit de categorie korte documenten en in het bereik waarin een hele repository, een lang supporttranscript of een contract van meerdere honderden pagina's in één aanroep past. Diffusiedecodering over een lange context is niet gratis — het canvas is groter en de attentionkosten stijgen — dus het feit dat de context 4x groeide terwijl de doorvoer op 1.000-plus bleef, is eerder een sterker statement over de engineering dan het kopcijfer.

Het enige kwaliteitsresultaat met een harness erachter

Inception heeft wél een evaluatie uitgevoerd die nuttiger is dan een benchmarktabel, en die staat begraven onder de snelheidsclaims. Het bedrijf plaatste Mercury 3 in zijn eigen productie-webagent-harnas naast frontier-modellen, op 50 live Mind2Web-navigatietaken — echte sites, geen bevroren snapshot — en meldt een voltooiingspercentage van 50%, "aanzienlijk meer dan GPT-6.1-Sol", bij hetzelfde tokenvolume en hetzelfde aantal agentstappen. Hetzelfde werk, minder dollars per token, betere voltooiing.

Vijftig taken is een kleine steekproef en het testharnas is eigendom van de leverancier, dus de marge is geen getal waarop je kunt plannen. Maar agentische webnavigatie is de werklast die het minst vatbaar is voor benchmarkcontaminatie en het gevoeligst voor de twee dingen die Mercury verkoopt: latentie en kosten per stap. Een model dat de helft van vijftig live taken afrondt, doet iets echts. Het faalt er ook, met 50%, op de helft ervan, en dat is het juiste kader voor deze klasse modellen in productie — een agent die de helft van zijn taken voltooit met een escalatiepad naar een mens is inzetbaar; een agent die als betrouwbaar wordt gepresenteerd, is dat niet.

Waar de lanceerkorting in het daadwerkelijke budget staat

De catalogusprijs is $0,20 in en $0,70 out per miljoen tokens. De introductieprijs is de helft daarvan. Geen van beide is een afrondingsverschil ten opzichte van het segment waarop Mercury zich richt: Claude Haiku 5.5 staat in de catalogus voor $1,00 en $5,00, en GPT-6 Luna voor $0,10 en $0,50. Mercury 3 zit bij de introductie dus aan de absolute onderkant van de markt waarin het concurreert, en tegen catalogusprijs is het nog steeds ongeveer een zevende van het outputtarief van Haiku 5.5.

Voer de berekening uit voor een supportdeflectieworkload van 20 miljoen input- en 10 miljoen outputtokens per dag, een middelgrote implementatie in plaats van een pilot. Tegen lijstprijs is dat $4 aan input en $7 aan output — $11 per dag, ongeveer $330 per maand. Tegen het introductietarief is het $5,50 per dag. De korting is bij dat volume ongeveer $165 per maand waard, en die verdwijnt op een datum die niemand heeft gepubliceerd. Baseer de businesscase op $330.

Gecachte invoer is de kostenpost die de economie van agents daadwerkelijk verandert. Bij $0,02 per miljoen volgens lijstprijs kost een preambule van 20.000 tokens met systeemprompt en tooldefinities vier honderdsten van een cent per aanroep in plaats van vier tienden. Over een agentrun van veertig stappen is dat anderhalve cent aan preambule in plaats van zestien cent — op zichzelf niet transformatief, maar het is het verschil tussen een agentloop waarvan de kosten worden gedomineerd door het werk van het model en een waarvan de kosten worden gedomineerd door het herlezen van zijn eigen instructies.

Wat diffusie op deze schaal nog steeds niet heeft opgelost

Drie dingen moeten ronduit gezegd worden, omdat de framing van de lancering dat niet doet.

Ten eerste is er geen onafhankelijke meting. Op 20 oktober 2026 heeft Artificial Analysis — de neutrale testomgeving die deze blog gebruikt voor vergelijking tussen modellen — helemaal geen Mercury 3-pagina. De nieuwste Mercury-vermeldingen zijn 2.5 en 2, gemeten op ongeveer 706 en 684 tokens per seconde. Elk Mercury 3-getal in omloop, inclusief elk getal in dit artikel, voert terug naar Inception.

Ten tweede is alleen tekst nu een echte beperking in plaats van een stilistische. De concurrenten waarmee Mercury 3 in het goedkope segment qua prijs wordt vergeleken, zijn steeds vaker multimodaal, en het lange-contextvenster dat het zojuist heeft gekregen, is het nuttigst voor documenten die als pdf's en screenshots binnenkomen. Een venster van 1M tokens dat je alleen met geëxtraheerde tekst kunt vullen, is minder waard dan de specificaties suggereren.

Ten derde staat de standaardinstelling voor effort laag. Een model dat standaard bij lage effort antwoordt, lijkt sneller en scoort lager dan hetzelfde model bij hoge effort, en Inceptions vergelijkende claims vermelden niet welke instelling ze heeft voortgebracht. Iedereen die Mercury 3 met iets benchmarkt, moet de effort-parameter expliciet vastzetten, anders is de vergelijking niet reproduceerbaar — ook niet ten opzichte van Inceptions eigen cijfers.

Hoe kun je dit model hanteren zonder er een productiepad op te verwedden?

Mercury 3 staat niet in de OrcaRouter-catalogus. Onze model-API retourneert niets voor welk Inception-model dan ook — de 209 modellen die we routeren, omvatten het niet — dus Mercury 3 aanroepen betekent naar Inceptions eigen platform gaan, waar nieuwe accounts 100 miljoen gratis tokens krijgen, of naar een van de inferenceplatforms die Inception vermeldt. Dat gewoon zeggen is nuttiger dan een route te suggereren die we niet hebben.

Waar een router hier echt goed voor is, is de vorm van de deployment, niet het model. Het patroon dat past bij een onbewezen maar ongewoon snelle release is een tweepadig patroon: stuur het latency-kritieke werk naar Mercury 3 op de sleutel van Inception, en houd de fallback en de moeilijke gevallen op modellen die we wél aanbieden — meer dan 200 ervan achter één OpenAI-compatibel endpoint, tegen de lijstprijs van de provider met 0% marge, met automatische failover wanneer een provider achteruitgaat. De pass-through-prijsstelling is om dezelfde reden belangrijk als de lanceringskorting: wanneer Inception de korting van 50% beëindigt, verandert het tarief van een gerouteerd model op de dag dat de leverancier het wijzigt, zonder heronderhandeling.

De eerlijke samenvatting na één dag is dat Mercury 3 een echt schaalresultaat is met een snelheidskop erop. De 40x-claim is niet verifieerbaar, voor de doorvoerclaim is er geen neutrale reproductie, en de kwaliteitsclaim is vergelijkend ten opzichte van de snelle tier in plaats van kwantitatief. Maar de richting is ondubbelzinnig: diffusietaalmodellen waren een curiositeit qua latentie bij 260K-context en een 2,5-generatiemodel, en bij 1M-context en 40x zoveel parameters zitten ze nu in de prijsklasse waar de snelle tier daadwerkelijk leeft. Het getal om in de gaten te houden is niet of 1,068 wordt gereproduceerd. Het is of de volgende onafhankelijke index Mercury 3 binnen een paar punten van GPT-6 Luna en Claude Haiku 5.5 plaatst — want als dat gebeurt, houdt de goedkope tier op een tier te zijn en wordt het een beslissing.