Mercury 3, uma Declaração de Singularidade e uma Invasão de US$ 50: Quatro Histórias de 20 de Outubro

Quatro histórias passaram pelo ciclo de notícias de IA em 20 de outubro de 2026 e compartilham uma propriedade incômoda: três são alegações sobre o que a inteligência artificial já é capaz de fazer, e apenas uma vem com um modelo que você pode acionar hoje à tarde e precificar por token. Essa é o Mercury 3, que a Inception Labs lançou na noite anterior — 19 de outubro de 2026 — a US$ 0,20 por milhão de tokens de entrada e US$ 0,70 por milhão de saída, com valores pela metade durante uma janela de lançamento sem data de encerramento publicada, rodando a 1.068 tokens por segundo medidos pelo fornecedor. As outras três: Jack Clark dizendo a uma sala de ministros de finanças que a singularidade começou, um operador usando agentes de IA para invadir mais de 100 empresas a cerca de US$ 50 por invasão, e as novas vozes do ChatGPT da OpenAI chegando sob o nome GPT-Live-1.1. A seguir, cada uma delas nos seus próprios termos, com os números atribuídos a quem os produziu. As falhas documentadas de IA e os incidentes com agentes por trás de lançamentos como este estão reunidos em the OrcaRouter AI Incident Archive onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalização de disputa.

Mercury 3: o único item desta lista que você pode precificar

A proposta da Inception permanece igual em forma e muito maior em grau. O Mercury é um modelo de linguagem de difusão: em vez de emitir um token por passagem direta, ele remove o ruído de um bloco de posições de uma só vez e as confirma em conjunto. O Mercury 3 é, segundo a própria Inception, mais de 40 vezes o total de parâmetros do Mercury 1 e ainda roda a mais de 1.000 tokens por segundo — a alegação é que a escala não custou a vazão que é a razão de existir de toda a família.

Preço — US$ 0,20 por milhão de tokens de entrada e US$ 0,70 por milhão de tokens de saída na tabela; US$ 0,10 e US$ 0,35 durante um desconto de lançamento de 50%, sem data de término declarada; entrada em cache 90% abaixo da tarifa de entrada.

• Contexto e saída — uma janela de contexto de 1.000.000 de tokens, acima dos 260.000 do Mercury 2.5, com um teto de saída de 131.072 tokens conforme a documentação da Inception.

• Velocidade — 1.068 tokens por segundo, medidos pela Inception em hardware NVIDIA não especificado. Nenhum harness independente o cronometrou.

• Esforço de raciocínio — quatro configurações (instantâneo, baixo, médio, alto), com baixo como padrão, enquanto Mercury 2.5 e Mercury 2 usavam médio como padrão.

• Modalidades — texto de entrada, texto de saída. Sem entrada de imagem, áudio ou vídeo.

• Cota gratuita — 100 milhões de tokens para novas contas na plataforma da Inception.

O único resultado estruturado de qualidade no anúncio não é uma tabela de benchmark. A Inception colocou o Mercury 3 dentro de seu próprio harness de agente web em produção, em 50 tarefas de navegação ao vivo do Mind2Web contra sites reais, e informa que ele concluiu 50% delas — 25 tarefas — "significativamente mais que o GPT-6.1-Sol", no mesmo volume de tokens e no mesmo número de etapas do agente. Isso é uma forma mais forte de evidência do que um benchmark de fornecedor em um aspecto, porque as tarefas eram ao vivo em vez de congeladas, e mais fraca em outro, porque o harness, os sites e a pontuação pertencem todos à empresa que vende o modelo. Ninguém mais o executou. Até 20 de outubro, não existe nenhuma página do Artificial Analysis para o Mercury 3, e é por isso que todo número acima traz o nome da Inception na frente.

Duas coisas merecem ser ditas sem rodeios para quem está decidindo se vale a pena experimentá-lo. O Mercury 3 não está no catálogo do OrcaRouter — nossa API de modelos não retorna nada para nenhum modelo da Inception —, então chamá-lo exige a própria plataforma de API da Inception ou uma das várias plataformas de terceiros que o hospedam. E o desconto de lançamento é preço promocional, não uma tabela de tarifas: a tarifa de entrada de $0.10 é metade do preço de lista e a Inception não disse quando ela termina, então qualquer modelo de custo baseado nela tem uma data de validade que não foi informada a você.

Jack Clark no FMI: a singularidade, datada

Falando a economistas e formuladores de políticas nas reuniões anuais do FMI e do Banco Mundial, o cofundador da Anthropic, Jack Clark, disse que a singularidade — seu termo para o progresso impulsionado pela IA superando a capacidade da humanidade de acompanhá-lo — "já começou". A afirmação veio com duas curvas de referência e uma projeção econômica, e as curvas são a parte que vale a pena manter.

O Humanity's Last Exam, um conjunto de questões escritas por especialistas e projetadas para resistir a consultas, passou de 8% para 67,7% desde 2025, segundo os cálculos da Anthropic. O FrontierMath passou de 2% para 94%. Esses são os dois números mais citados do setor no sentido de "não estamos prontos para isso", e um salto desse tamanho em cerca de um ano é o tipo de coisa que costumava ser plotada em um eixo de uma década. A projeção econômica é que um modelo da Anthropic coloca o PIB dos EUA em US$ 44 trilhões até 2030 se a IA se difundir rapidamente — um número que o próprio Clark admitiu soar absurdo, ao mesmo tempo que prevê efeitos "muito disruptivos" sobre o emprego.

Seu argumento de escala é o que diz respeito às notícias desta semana: os dez milhões de cientistas do mundo poderiam em breve estar dirigindo “um bilhão de cientistas virtuais”, e as nações deveriam estar construindo laboratórios e robôs em vez de discutir sobre isso. Em termos de política, ele descreveu “um pequeno número de anos” para agir e observou que o CEO da Anthropic, Dario Amodei, tem sugerido limites para o “teto de inteligência” da IA — uma expressão que soa estranha ao lado de um benchmark que passou de 8% para 67,7% em doze meses.

Leia isso em contraste com o Mercury 3, e as duas histórias não são realmente sobre a mesma coisa. Uma é uma alegação sobre o teto da capacidade, defendida a partir de curvas de avaliação. A outra é o lançamento de um produto com uma tabela de preços. O motivo de terem aparecido no mesmo dia é que o modelo de difusão é exatamente o tipo de sistema do qual as curvas são feitas: barato, rápido, somente texto, não medido por ninguém neutro, e bom o suficiente em uma tarefa restrita para valer a pena ser implantado antes que alguém tenha decidido o que "bom o suficiente" significa.

A intrusão de $50: como a capacidade agêntica se parece do outro lado

A empresa de segurança NorForge divulgou uma campanha na qual um único operador falante de chinês usou agentes de IA para realizar quase todo o trabalho de invasão de empresas. A Reuters identificou vítimas, incluindo Cummins, Deere e SharkNinja. O mecanismo não foi um exploit inédito. A NorForge encontrou mais de 20 painéis de controle desprotegidos do Cairn, uma ferramenta open-source de agentes de IA, e o operador forneceu alvos pré-selecionados — lojas online movimentadas, pedidos com menos de 100 caracteres chineses — e então deixou os agentes percorrerem mais de 1.200 sites.

• Ferramentas — Claude Code e DeepSeek V4.1 Flash, ambos usados como ferramentas de desenvolvimento comuns.

• Custo — cerca de US$ 50 por intrusão bem-sucedida, aproximadamente um dia de tempo de agente para cada uma, e cerca de US$ 5.000 em tokens ao longo da campanha.

• Resultado — mais de 100 empresas foram comprometidas. Não está estabelecido se dados foram levados. A SharkNinja classificou a ameaça como "contida", a Deere citou "ações de remediação", e a Cummins disse que estava "investigando".

O número com que se deve sentar e pensar não é 100. É $50. Uma invasão que custa menos que um almoço de negócios e leva um dia inverte a economia sobre a qual a segurança defensiva foi construída por vinte anos, porque o custo marginal de tentar de novo é quase zero e o custo marginal de estar errado não é. Isso também explica por que a exposição era sem graça: mais de vinte painéis de controle de uma ferramenta de agente de código aberto, deixados acessíveis pela internet. Ninguém precisou ser engenhoso. Era preciso ter paciência e ser barato.

As mesmas propriedades que tornam um agente útil em produção — ele age, ele tenta novamente, ele é executado sem supervisão por horas — são as que o atacante alugou. Não há nenhuma capacidade maliciosa separada sendo demonstrada aqui. Há um loop de agente comum apontado para uma lista de alvos.

As novas vozes do GPT-Live-1.1: uma voz não é um modelo

O trabalho de voz da OpenAI surgiu como um guia prático, e não como um anúncio, e a frase mais útil na cobertura é uma advertência: uma nova voz e um novo modelo são mudanças diferentes. Essa distinção importa porque as duas coisas são constantemente confundidas em produtos de voz, e o teste prático é comportamental, não nominal.

O caminho de acesso é: configurações de voz do ChatGPT, depois a opção Live onde ela estiver disponível, depois uma seleção de voz. Os exercícios que vale a pena executar, em ordem: mantenha o idioma e as instruções fixos e compare vozes no mesmo trecho, para que o que você está ouvindo seja a voz e não um prompt diferente; experimente uma voz regional, porque o tratamento de sotaque muda com a voz e não apenas com a configuração de idioma; interrompa no meio da resposta com uma data ou um número de pessoas corrigido e verifique se a correção chega à resposta final; e peça ao assistente para pesquisar as notas de versão da O​penAI e ler de volta o link da fonte, que é a maneira mais barata de descobrir se o modelo está citando algo real.

Uma voz nomeada, Bubbie, foi comparada com a voz habitual de um ouvinte no mesmo texto — o método certo, e o que a maioria das pessoas pula. Assinantes Pro recebem prompts de prática e uma lista de verificação de escuta. O que verificar antes de reconstruir um fluxo de trabalho com base nisso é qual dessas mudanças é uma voz e qual é o modelo subjacente, porque apenas uma delas muda o que o sistema pode fazer.

O fio que percorre o dia

Três dessas quatro histórias tratam de capacidade chegando mais rápido do que a maquinaria ao seu redor. Os números de avaliação dizem que os modelos estão ficando melhores em tarefas especializadas a uma taxa que ninguém previu; a intrusão diz que a mesma capacidade está disponível para qualquer pessoa com $50 e uma lista de alvos; o produto de voz diz que a interface está se tornando aquilo que os usuários julgam, independentemente de o modelo por baixo ter mudado. Mercury 3 é a quarta e a exceção, porque é a única com um preço público por milhão de tokens e uma janela de contexto documentada — a única que você pode colocar em um modelo de custos hoje à noite.

Isso também vale para uma camada de roteamento, e não no sentido que o marketing dos fornecedores costuma dar a isso. Um modelo lançado dezenove horas atrás sem avaliação independente é exatamente aquilo que você não quer fixar rigidamente em um caminho de produção. O que você quer é uma regra que envia uma parcela definida do tráfego para ele, mantém por trás dela um modelo com métricas e faz failover automaticamente quando ele falha — para que a decisão de mantê-lo ou descartá-lo seja tomada pelas suas taxas de erro, e não por um post de lançamento. Uma chave e um endpoint compatível com OpenAI fornecem os dois lados dessa regra, e quando o desconto da Inception terminar ou uma pontuação neutra finalmente surgir, a regra muda e a aplicação não.

Para o próprio Mercury 3, o resumo honesto após um dia é limitado: um modelo somente de texto excepcionalmente barato e excepcionalmente rápido, com um contexto real de 1 milhão de tokens, um resultado de agente em site ao vivo que a própria Inception produziu e nenhuma medição de terceiros sobre qualquer aspecto. Os dois números que vão decidir a questão — uma pontuação da Artificial Analysis e um custo por tarefa concluída em um harness que não pertence à Inception — ainda não existem. Quando existirem, o sucessor deste artigo terá um parágrafo.