Mercury 3 urósł ponad 40-krotnie i utrzymał 1000 tokenów na sekundę — cała historia tkwi w skalowaniu

Inception Labs wydało Mercury 3 19 października 2026 r., a liczbą, która powinna cię zatrzymać, nie jest 1068 tokenów na sekundę. To czterdzieści. Mercury 3 jest, według samego Inception, ponad 40 razy większy od Mercury 1 pod względem łącznej liczby parametrów i nadal działa z prędkością ponad 1000 tokenów na sekundę — w tej samej klasie przepustowości, którą firma sprzedaje od czasu swojego pierwszego modelu. Wszyscy relacjonujący premierę zaczynali od liczby dotyczącej szybkości. Ta liczba była już argumentem Mercury'ego dwa pokolenia temu. Nowe jest to, że Mercury 3 to dyfuzyjny model językowy, na który narzucono dwa rzędy wielkości skali bez typowego załamania prędkości dekodowania, i to jest teza warta przetestowania. Ten tekst dotyczy skalowania, tego, co według Inception zostało dzięki temu zyskane, oraz tego, co twórca może, a czego nie może z tego wywnioskować dzień po premierze. Udokumentowane awarie AI i incydenty z udziałem agentów stojące za takimi premierami jak ta są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, wagę, stopień pewności i oznaczenie sporności.

Porównanie, którego dokonuje Inception, dotyczy szybkiego i taniego segmentu: Mercury 3 „przewyższa GPT-6 Luna i Claude Haiku 5.5”, czyli oba modele zoptymalizowane pod kątem szybkości, a jednocześnie działa szybciej niż którykolwiek z nich. Nie jest pozycjonowany wobec GPT-6 Astra ani Claude Sonnet 5.5, a odczytywanie ogłoszenia jako twierdzenia o modelu czołowym byłoby błędem, którego Inception nie popełnia.

Dlaczego twierdzenie o 40x jest trudniejsze do uzasadnienia w przypadku modelu dyfuzyjnego niż transformera

Model autoregresyjny emituje jeden token na każde przejście w przód przez sieć. Dyfuzyjny model językowy emituje cały blok na jedno przejście, iteracyjnie odszumiając płótno pozycji, aż blok się uformuje. Stąd bierze się przepustowość i dlatego skalowanie jednego jest innym problemem inżynieryjnym niż skalowanie drugiego.

W małym modelu dyfuzyjnym każdy krok odszumiania może zatwierdzić wiele pozycji naraz, ponieważ pozostałe pozycje łatwo uzupełnić. W miarę jak model rośnie, poprzeczka jakości dla każdej pozycji się podnosi, a liczba kroków potrzebnych do osiągnięcia tej poprzeczki zwykle rośnie wraz z nią — paralelizm, który dawał przewagę szybkości, jest dokładnie tym, co coraz trudniej utrzymać. Czterdziestokrotny wzrost liczby parametrów, który zachował 1000 tokenów na sekundę, implikuje zatem albo duży wzrost liczby kroków na blok, równoważony znacznie większym wzrostem wydajności obliczeniowej na krok, albo zmianę architektury lub próbkowania, której Inception nie opisał. Ogłoszenie nie mówi, który z tych przypadków zachodzi, i to jest najciekawsze pozostawione bez odpowiedzi pytanie w całym ogłoszeniu.

To, co Inception publikuje, to wynik, a nie mechanizm: ponad 40 razy więcej parametrów niż Mercury 1 oraz około trzykrotny wzrost zmierzonej inteligencji z Mercury 1 (mini) do Mercury 3 w ramach własnego zestawu testów. Obie liczby są podane przez producenta, żadna nie zawiera bezwzględnej liczby parametrów, a żadne niezależne środowisko testowe nie uruchomiło jeszcze tego modelu. Traktuj je jako twierdzenie kierunkowe — większy i lepszy w tej samej rodzinie — a nie jako pomiary.

Co skalowanie zmieniło, a czego nie zmieniło w karcie specyfikacji

Skok generacyjny widać wyraźniej w nudnych liczbach niż w tych marketingowych. W porównaniu z Mercury 2.5, modelem, który zastępuje:

• Okno kontekstu — 1 000 000 tokenów w Mercury 3 w porównaniu z 260 000 w Mercury 2.5, przy maksymalnej długości wyjścia 131 072 tokenów.

• Parametry — ponad 40 razy więcej niż Mercury 1, nie opublikowano bezwzględnej liczby; liczba parametrów Mercury 2.5 również nigdy nie została opublikowana.

• Przepustowość — 1068 tokenów na sekundę, zmierzone przez producenta na nieokreślonych GPU NVIDIA, w porównaniu z około 706 tokenami na sekundę, które Artificial Analysis zmierzyło dla Mercury 2.5 w ramach własnego zestawu testowego.

• Cena — $0.20 za milion na wejściu i $0.70 za milion na wyjściu według cennika, obniżona o 50% do $0.10 i $0.35 w okresie premiery, który nie ma podanej daty zakończenia.

Poziom wysiłku rozumowania — cztery ustawienia (natychmiastowy, niski, średni, wysoki), domyślnie niski; Mercury 2.5 i Mercury 2 domyślnie średni.

• Modalności — tekst na wejściu, tekst na wyjściu. Bez zmian. Brak danych wejściowych w postaci obrazu, dźwięku lub wideo, podczas gdy zarówno Gemini 4 Argon, jak i GPT-6 Astra przyjmują dane wejściowe multimodalne.

Okno kontekstu to zmiana o największych praktycznych konsekwencjach i najmniejszym rozgłosie. Czterokrotny wzrost przenosi Mercury z kategorii krótkich dokumentów do zakresu, w którym całe repozytorium, długi transkrypt obsługi klienta lub umowa licząca wiele setek stron mieści się w jednym wywołaniu. Dekodowanie dyfuzyjne w długim kontekście nie jest darmowe — płótno jest większe, a koszt uwagi rośnie — więc fakt, że kontekst wzrósł 4x, podczas gdy przepustowość pozostała na poziomie ponad 1000, jest, jeśli już, mocniejszym świadectwem inżynierii niż liczba z nagłówka.

Jedyny jakościowy wynik, za którym stoi harness

Inception przeprowadził ewaluację, która jest bardziej użyteczna niż tabela wyników benchmarku, a została pogrzebana poniżej deklaracji dotyczących szybkości. Firma umieściła Mercury 3 we własnym produkcyjnym środowisku agenta webowego obok modeli frontier, w 50 rzeczywistych zadaniach nawigacyjnych Mind2Web — prawdziwych witrynach, a nie zamrożonym zrzucie — i raportuje 50% wskaźnik ukończenia, „znacznie więcej niż GPT-6.1-Sol”, przy tej samej liczbie tokenów i tej samej liczbie kroków agenta. Ta sama praca, mniej dolarów za token, lepsze ukończenie.

Pięćdziesiąt zadań to mała próbka, a harness należy do dostawcy, więc margines nie jest liczbą, na którą można planować. Jednak agentowa nawigacja po sieci to obciążenie najmniej podatne na skażenie benchmarku i najbardziej wrażliwe na dwie rzeczy, które sprzedaje Mercury: opóźnienie i koszt na krok. Model, który kończy połowę z pięćdziesięciu zadań na żywo, robi coś rzeczywistego. Jednocześnie przy 50% zawodzi w połowie z nich, co jest właściwą ramą dla tej klasy modelu w produkcji — agent, który kończy połowę swoich zadań ze ścieżką eskalacji do człowieka, nadaje się do wdrożenia; taki, którego przedstawia się jako niezawodny, nie.

Gdzie w rzeczywistym budżecie znajduje się rabat startowy

Cena katalogowa wynosi 0,20 USD za wejście i 0,70 USD za wyjście za milion tokenów. Cena premierowa jest o połowę niższa. Żadna z nich nie jest błędem zaokrąglenia w porównaniu z segmentem, w który celuje Mercury: Claude Haiku 5.5 ma cennik 1,00 USD i 5,00 USD, a GPT-6 Luna 0,10 USD i 0,50 USD. Zatem Mercury 3 w cenie premierowej jest wyceniony na samym dnie rynku, na którym konkuruje, a według ceny katalogowej nadal stanowi około jednej siódmej stawki za wyjście Haiku 5.5.

Przelicz to dla obciążenia związanego z odciążaniem zespołu wsparcia na poziomie 20 mln tokenów wejściowych i 10 mln tokenów wyjściowych dziennie, czyli wdrożenia średniej wielkości, a nie pilotażu. Według ceny katalogowej to 4 USD za wejście i 7 USD za wyjście — 11 USD dziennie, około 330 USD miesięcznie. Przy stawce premierowej to 5,50 USD dziennie. Rabat jest wart około 165 USD miesięcznie przy takim wolumenie i znika w dniu, którego nikt nie opublikował. Oprzyj uzasadnienie na kwocie 330 USD.

Buforowane dane wejściowe to pozycja, która naprawdę zmienia ekonomię agentów. Przy cenie cennikowej 0,02 USD za milion 20 000-tokenowa preambuła zawierająca prompt systemowy i definicje narzędzi kosztuje cztery setne centa na wywołanie zamiast czterech dziesiątych centa. W przebiegu agenta składającym się z czterdziestu kroków daje to półtora centa na preambułę zamiast szesnastu centów — samo w sobie nie jest to przełomowe, ale stanowi różnicę między pętlą agenta, w której koszt jest zdominowany przez pracę modelu, a taką, w której koszt jest zdominowany przez ponowne odczytywanie własnych instrukcji.

Czego dyfuzja w tej skali wciąż nie rozwiązała

Trzy rzeczy warto powiedzieć wprost, bo narracja wokół premiery tego nie robi.

Po pierwsze, nie istnieje żaden niezależny pomiar. Na dzień 20 października 2026 r. Artificial Analysis — neutralne narzędzie testowe, którego ten blog używa do porównań między modelami — nie ma w ogóle strony Mercury 3. Jego najnowsze wpisy dotyczące Mercury to 2.5 i 2, zmierzone na poziomie około 706 i 684 tokenów na sekundę. Każda wartość dotycząca Mercury 3, jaka krąży, w tym każda wartość w tym artykule, ma źródło w Inception.

Po drugie, obsługa wyłącznie tekstu jest teraz realnym ograniczeniem, a nie kwestią stylistyczną. Konkurenci, z którymi Mercury 3 jest zestawiany cenowo w tanim segmencie, w coraz większym stopniu obsługują wiele modalności, a okno długiego kontekstu, które właśnie zyskał, jest najbardziej przydatne w przypadku dokumentów dostarczanych jako pliki PDF i zrzuty ekranu. Okno 1 mln tokenów, które można wypełnić wyłącznie wyodrębnionym tekstem, jest warte mniej, niż sugeruje karta specyfikacji.

Po trzecie, domyślne ustawienie wysiłku jest niskie. Model, który domyślnie odpowiada przy niskim wysiłku, będzie wyglądał na szybszy i uzyska niższy wynik niż ten sam model przy wysokim, a porównawcze twierdzenia Inception nie wskazują, które ustawienie je wygenerowało. Każdy, kto porównuje Mercury 3 w benchmarkach z czymkolwiek, powinien jawnie ustawić parametr wysiłku, w przeciwnym razie porównanie nie jest odtwarzalne — także z własnymi liczbami Inception.

Jak traktować ten model, nie opierając na nim ścieżki produkcyjnej

Mercury 3 nie znajduje się w katalogu OrcaRouter. Nasze API modeli nie zwraca niczego dla żadnego modelu Inception — 209 modeli, które obsługujemy, go nie obejmuje — więc wywołanie Mercury 3 oznacza skorzystanie z własnej platformy Inception, gdzie nowe konta otrzymują 100 milionów darmowych tokenów, albo z jednej z platform inferencyjnych wymienianych przez Inception. Mówienie tego wprost jest bardziej przydatne niż sugerowanie trasy, której nie mamy.

To, do czego router naprawdę się tu przydaje, to kształt wdrożenia, a nie sam model. Wzorzec, który pasuje do nieprzetestowanego, ale wyjątkowo szybkiego wydania, jest dwuścieżkowy: prace krytyczne dla opóźnień kieruj do Mercury 3 na kluczu Inception, a fallback i trudne przypadki zostaw na modelach, które rzeczywiście mamy — ponad 200 z nich za jednym endpointem zgodnym z OpenAI, po cenie katalogowej dostawcy z 0% marży, z automatycznym przełączaniem awaryjnym, gdy dostawca traci jakość. Przekazywanie cen ma znaczenie z tego samego powodu co zniżka na start: gdy Inception zakończy 50-procentową obniżkę, stawka modelu obsługiwanego przez router zmieni się w dniu, w którym zmieni ją dostawca, bez renegocjacji.

Uczciwe podsumowanie po jednym dniu jest takie, że Mercury 3 to prawdziwy wynik skalowania ubrany w nagłówek o szybkości. Twierdzenia o 40x nie da się zweryfikować, twierdzenie o przepustowości nie ma neutralnego odtworzenia, a twierdzenie o jakości jest porównawcze względem szybkiej warstwy, a nie ilościowe. Ale kierunek jest jednoznaczny: modele językowe dyfuzyjne były ciekawostką pod względem opóźnień przy kontekście 260K i modelu 2,5 generacji, a przy kontekście 1M i 40x większej liczbie parametrów są teraz w przedziale cenowym, w którym faktycznie znajduje się szybka warstwa. Liczbą, na którą warto patrzeć, nie jest to, czy 1,068 się odtworzy. Jest nią to, czy następny niezależny indeks umieści Mercury 3 w odległości kilku punktów od GPT-6 Luna i Claude Haiku 5.5 — bo jeśli tak się stanie, tania warstwa przestaje być warstwą i staje się decyzją.