Mercury 3 вырос более чем в 40 раз и сохранил скорость 1 000 токенов в секунду — вся суть в масштабировании

Inception Labs выпустила Mercury 3 19 октября 2026 года, и число, которое должно вас остановить, — не 1068 токенов в секунду. Это сорок. Mercury 3, по собственным данным Inception, более чем в 40 раз превосходит Mercury 1 по общему числу параметров и всё равно работает со скоростью более 1000 токенов в секунду — тот же класс пропускной способности, который компания предлагает с момента выхода своей первой модели. Все, кто освещал запуск, начали с показателя скорости. Показатель скорости был главным аргументом Mercury ещё два поколения назад. Ново здесь то, что Mercury 3 — это диффузионная языковая модель, к которой применили масштабирование на два порядка без обычного обвала скорости декодирования, и именно это утверждение стоит проверить. Этот материал — о масштабировании, о том, что, по словам Inception, оно дало, и о том, какие выводы разработчик может и не может сделать из этого через день после запуска. Документированные сбои ИИ и инциденты с агентами, стоящие за подобными релизами, собраны в OrcaRouter AI Incident Archive где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и флаг спорности.

Сравнение, которое проводит Inception, относится к быстрому и дешёвому сегменту: Mercury 3 «превосходит GPT-6 Luna и Claude Haiku 5.5» — обе модели оптимизированы по скорости — при этом работает быстрее любой из них. Mercury 3 не позиционируется против GPT-6 Astra или Claude Sonnet 5.5, и трактовать анонс как заявление о фронтирной модели было бы ошибкой, которую Inception не совершает.

Почему утверждение о 40x сложнее обосновать для диффузионной модели, чем для трансформера

Авторегрессионная модель выдаёт один токен за каждый прямой проход через сеть. Диффузионная языковая модель выдаёт целый блок за проход, итеративно удаляя шум с полотна позиций, пока блок не сформируется. Отсюда и берётся пропускная способность, и именно поэтому масштабирование одной — это иная инженерная задача, чем масштабирование другой.

В небольшой диффузионной модели каждый шаг удаления шума может фиксировать сразу множество позиций, потому что оставшиеся позиции легко заполнить. По мере роста модели планка качества для каждой позиции повышается, и число шагов, необходимых для достижения этой планки, как правило, растёт вместе с ней — параллелизм, который обеспечивал преимущество в скорости, — это именно то, что становится сложнее сохранить. Поэтому увеличение числа параметров в 40 раз при сохранении 1 000 токенов в секунду подразумевает либо значительное увеличение числа шагов на блок, компенсируемое гораздо большим ростом вычислительной эффективности на шаг, либо архитектурное или связанное с сэмплированием изменение, которое Inception не описал. В анонсе не говорится, что именно, и это самый интересный нерешённый вопрос в релизе.

То, что Inception публикует, — это результат, а не механизм: более чем в 40 раз больше параметров, чем у Mercury 1, и примерно трехкратный рост измеряемого интеллекта от Mercury 1 (mini) до Mercury 3 в рамках собственного набора тестов. Обе цифры заявлены производителем, ни для одной не приводится абсолютное число параметров, и ни один независимый тестовый стенд ещё не прогонял модель. Считайте их ориентировочным утверждением — больше и лучше в рамках одного семейства — а не измерениями.

Что масштабирование изменило, а что не изменило в спецификации

Поколенческий скачок заметнее в скучных цифрах, чем в маркетинговых. По сравнению с Mercury 2.5 — моделью, которую он заменяет:

• Контекстное окно — 1 000 000 токенов в Mercury 3 против 260 000 в Mercury 2.5, при максимальном объёме вывода 131 072 токена.

• Параметры — более чем в 40 раз больше, чем у Mercury 1, абсолютное значение не опубликовано; количество параметров Mercury 2.5 также никогда не публиковалось.

• Пропускная способность — 1 068 токенов в секунду по измерениям производителя на неуказанных GPU NVIDIA против примерно 706 токенов в секунду, которые Artificial Analysis измерила для Mercury 2.5 в собственной тестовой среде.

• Цена — $0,20 за миллион входных и $0,70 за миллион выходных токенов по прайс-листу, снижена на 50% до $0,10 и $0,35 на период запуска, дата окончания которого не указана.

• Усилие рассуждения — четыре настройки (мгновенная, низкая, средняя, высокая), по умолчанию — низкая; в Mercury 2.5 и Mercury 2 по умолчанию — средняя.

• Модальности — текст на входе, текст на выходе. Без изменений. Нет ввода изображений, аудио или видео, тогда как Gemini 4 Argon и GPT-6 Astra поддерживают мультимодальный ввод.

Контекстное окно — это изменение с наиболее ощутимыми практическими последствиями и наименьшим освещением в прессе. Четырёхкратное увеличение выводит Mercury из категории коротких документов в диапазон, где целый репозиторий, длинная стенограмма обращения в поддержку или контракт на несколько сотен страниц помещается в одном вызове. Диффузионное декодирование на длинном контексте не бесплатно — полотно больше, а затраты на внимание растут, — поэтому тот факт, что контекст вырос в 4 раза, а пропускная способность осталась на уровне выше 1000, если уж на то пошло, говорит об инженерной работе больше, чем заголовочная цифра.

Единственный качественный результат, за которым стоит испытательный стенд

Inception всё же провела оценку, которая полезнее таблицы с бенчмарками, и она погребена ниже заявлений о скорости. Компания поместила Mercury 3 в собственную продакшн-обвязку веб-агента рядом с передовыми моделями, на 50 живых задачах навигации Mind2Web — реальные сайты, а не замороженный снимок — и сообщает о 50% доле завершения, «существенно больше, чем GPT-6.1-Sol», при том же объёме токенов и том же числе шагов агента. Та же работа, меньше долларов за токен, лучше завершение.

Пятьдесят задач — это небольшая выборка, а тестовый стенд принадлежит поставщику, поэтому разрыв не является числом, на которое можно опираться при планировании. Но агентная веб-навигация — это рабочая нагрузка, наименее подверженная загрязнению бенчмарка и наиболее чувствительная к двум вещам, которые продаёт Mercury: задержке и стоимости шага. Модель, которая завершает половину из пятидесяти живых задач, делает что-то реальное. При этом на уровне 50% она также проваливает половину из них — и это правильная рамка для моделей этого класса в продакшене: агент, который выполняет половину своих задач при наличии пути эскалации к человеку, пригоден к развёртыванию; агент, которого представляют как надёжный, — нет.

Где скидка на запуск находится в фактическом бюджете

Цена по прайс-листу составляет $0,20 за вход и $0,70 за выход за миллион токенов. Стартовая цена вдвое ниже. Ни одна из них не является погрешностью округления на фоне сегмента, на который нацелена Mercury: Claude Haiku 5.5 по прайс-листу стоит $1,00 и $5,00, а GPT-6 Luna — $0,10 и $0,50. Таким образом, Mercury 3 на старте оценивается у самого нижнего края рынка, на котором она конкурирует, а по прайс-листу её цена всё ещё составляет примерно одну седьмую от тарифа Haiku 5.5 на выход.

Выполните расчет для нагрузки по снижению обращений в поддержку в 20 млн входных и 10 млн выходных токенов в день — это развертывание среднего масштаба, а не пилот. По прайс-листу это $4 за входные и $7 за выходные — $11 в день, около $330 в месяц. По стартовому тарифу это $5.50 в день. Скидка при таком объеме стоит примерно $165 в месяц, и она исчезает в дату, которую никто не публиковал. Стройте расчет исходя из $330.

Кэшируемый ввод — это то, что действительно меняет экономику агентов. При цене $0.02 за миллион токенов по прайс-листу преамбула из 20 000 токенов системного запроса и определений инструментов стоит четыре сотых цента за вызов вместо четырёх десятых. На протяжении прогона агента из сорока шагов это полтора цента на преамбулу вместо шестнадцати центов — само по себе это не революционно, но это разница между циклом агента, затраты которого определяются работой модели, и циклом, затраты которого определяются повторным чтением собственных инструкций.

Что диффузия такого размера всё ещё не решила

Три вещи стоит сказать прямо, потому что в том, как представлен запуск, этого нет.

Во-первых, независимых измерений не существует. По состоянию на 20 октября 2026 года у Artificial Analysis — нейтрального стенда, который этот блог использует для сравнения моделей, — вообще нет страницы Mercury 3. Его последние записи по Mercury — это 2.5 и 2, измеренные на уровне около 706 и 684 токенов в секунду. Любая цифра по Mercury 3, находящаяся в обращении, включая все цифры в этой статье, восходит к Inception.

Во-вторых, работа только с текстом теперь является реальным ограничением, а не стилистическим. Конкуренты, с которыми Mercury 3 соревнуется по цене в дешёвом сегменте, всё чаще становятся мультимодальными, а недавно полученное окно длинного контекста наиболее полезно для документов, поступающих в виде PDF-файлов и скриншотов. Окно на 1 млн токенов, которое можно заполнить лишь извлечённым текстом, стоит меньше, чем следует из спецификации.

В-третьих, уровень усилий по умолчанию — низкий. Модель, которая по умолчанию отвечает при низком уровне усилий, будет выглядеть быстрее и набирать меньше баллов, чем та же модель при высоком уровне, а сравнительные утверждения Inception не указывают, какая настройка дала эти результаты. Всем, кто проводит бенчмаркинг Mercury 3 с чем-либо, следует явно фиксировать параметр усилий, иначе сравнение невоспроизводимо — в том числе с собственными числами Inception.

Как придерживаться этой модели, не ставя на неё производственный путь

Mercury 3 отсутствует в каталоге OrcaRouter. Наш API моделей ничего не возвращает ни для одной модели Inception — 209 моделей, которые мы маршрутизируем, не включают её — поэтому вызов Mercury 3 означает обращение к собственной платформе Inception, где новые аккаунты получают 100 миллионов бесплатных токенов, или к одной из платформ для инференса, указанных Inception. Сказать это прямо полезнее, чем намекать на маршрут, которого у нас нет.

Чем роутер здесь действительно хорош — так это формой развёртывания, а не моделью. Схема, которая подходит для непроверенного, но необычайно быстрого релиза, — двухпутевая: отправлять критичные по задержке задачи в Mercury 3 на ключе Inception, а резерв и сложные случаи держать на моделях, которые мы действительно предоставляем — более 200 из них за одним OpenAI-совместимым эндпоинтом, по списочной цене провайдера с наценкой 0%, с автоматическим переключением при деградации провайдера. Сквозная тарификация важна по той же причине, что и скидка на запуске: когда Inception прекратит 50%-ную скидку, тариф маршрутизируемой модели изменится в тот же день, когда его изменит поставщик, без пересмотра условий.

Честный вывод спустя день: Mercury 3 — это настоящий результат по масштабированию, облачённый в заголовок о скорости. Утверждение о 40x непроверяемо, у утверждения о пропускной способности нет нейтрального воспроизведения, а утверждение о качестве носит сравнительный характер с быстрым тарифом, а не количественный. Но направление однозначно: диффузионные языковые модели были курьёзом с точки зрения задержки при контексте 260K и будучи моделью 2,5-го поколения, а при контексте 1M и 40-кратном числе параметров они теперь находятся в ценовой категории, где на самом деле живёт быстрый тариф. Следить нужно не за тем, воспроизводится ли 1 068. А за тем, поставит ли следующий независимый индекс Mercury 3 в пределах нескольких пунктов от GPT-6 Luna и Claude Haiku 5.5 — потому что если да, дешёвый тариф перестаёт быть тарифом и становится решением.