Mercury 3 landar på 1 068 tokens per sekund – och utan en enda benchmarksiffra

Inception Labs släppte Mercury 3 den 19 oktober 2026, och tillkännagivandet inleds med tre siffror: 1 068 token per sekund på NVIDIA-GPU:er, ett kontextfönster på 1 miljon token och 0,10 USD per miljon indatatoken så länge lanserbjudandet varar. Det som inte finns med är ett enda benchmarkresultat. Kvalitetsanspråket är jämförande – Mercury 3 "överträffar GPT-6 Luna och Claude Haiku 5.5" – och varje kvantitativt påstående i inlägget handlar om hastighet, storlek eller pris. Det är inte så mycket en kritik som den form av bevis du har att arbeta med om du överväger att flytta en arbetsbelastning till den redan den här veckan. Den här artikeln går igenom vad Inception faktiskt har lanserat, vad anspråken utan benchmarkresultat betyder och var en utvecklare bör dra gränsen mellan att testa det och att förlita sig på det. De dokumenterade AI-felen och agentincidenterna bakom lanseringar som denna samlas i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omtvistad status.

Vad Inception lade på bordet den 19 oktober

Mercury 3 är en diffusionsspråkmodell – Inceptions term är dLLM – och företaget kallar den den mest kapabla diffusionsbaserade modellen som släppts hittills. Arkitekturen genererar tokens parallellt i stället för en i taget, vilket är där påståendet om genomströmning kommer ifrån. Inception säger att modellen är mer än 40 gånger större än Mercury 1 i totala parametrar, utan att publicera ett absolut parameterantal, och att den uppmätta intelligensen över dess benchmarksvit har ökat ungefär trefaldigt från Mercury 1 (mini) till Mercury 3.

• Kontext — 1 miljon tokens, upp från 260K på Mercury 2.5, med en maximal utdata på 131 072 tokens.

• Pris — 0,20 USD per miljon indatatoken och 0,70 USD per miljon utdatatoken enligt listpris; 0,10 och 0,35 medan lanseringsrabatten pågår.

• Cachad indata — $0.02 per miljon enligt listpris, halverat till $0.01 under lanseringsperioden, vilket är den sedvanliga rabatten på 90 % på indatapriset.

• Resonemangsinsats – fyra inställningar: omedelbar, låg, medel och hög. Mercury 3 använder låg som standard när parametern utelämnas, medan Mercury 2.5 och Mercury 2 använder medel som standard.

• Modaliteter — text in, text ut. Verktygsanrop och strukturerade utdata stöds på slutpunkten för chattkompletteringar.

• API-utformning — OpenAI-kompatibla chattkompletteringar, med temperature justerbar mellan 0,5 och 1,0.

• Tillgänglighet — Inceptions egen API-plattform, där nya konton får 100 miljoner gratis token, samt flera tredjepartsplattformar för inferens. Företagsdriftsättningar tillför dedikerad kapacitet, autoskalning och konfigurerbar datalagring.

Standardinställningen för ansträngningsnivå är den detalj som lättast förbises och som mest sannolikt har betydelse. En modell som som standard svarar med "låg" ansträngning kommer att verka snabbare och få lägre poäng än samma modell med "hög", och Inceptions egna jämförelsepåståenden anger inte vilken inställning som gav dem. Om du själv kör benchmark på Mercury 3 bör du låsa ansträngningsnivån uttryckligen, annars kommer dina siffror inte att vara jämförbara med någon annans.

Kvalitetspåståendet är jämförande, inte kvantitativt

Läs meningen igen: Mercury 3 "överträffar GPT-6 Luna och Claude Haiku 5.5". Båda är hastighetsoptimerade modeller, inte främsta flaggskepp, och jämförelsen är den korrekta för en modell vars hela säljargument är latens. Men tillkännagivandet ger ingen marginal, inga benchmarknamn och inga resultat per uppgift, så påståendet kan inte kontrolleras mot en offentlig testram utan att du själv kör den.

Det enda kvalitetsresultat som har någon struktur bakom sig är ett agenttest. Inception körde Mercury 3 i sitt eget produktionsramverk för webbagenter mot frontlinjemodeller på 50 navigeringsuppgifter i Mind2Web i live-miljö och rapporterar att man slutförde 50 % av dem, "betydligt fler än GPT-6.1-Sol", med samma tokenvolym och samma antal agentsteg och därmed en bråkdel av kostnaden per token. Femtio uppgifter är ett litet urval, ramverket är Inceptions eget och jämförelsemodellen namnges utan en poäng. Det är en verklig signal – att slutföra uppgifter på livewebbplatser är svårare att manipulera än en flervalstestsvit – men det är en signal, inte en mätning som du kan lägga i ett upphandlingsdokument.

Inception säger också att Mercury 3 är "i nivå med eller bättre än frontier-hastighetsoptimerade modeller" snarare än i nivå med frontier-resonemangsmodeller. Den distinktionen gör en hel del arbete i inlägget, och det är värt att ta den för vad den är: detta är en modell som positioneras mot det snabba skiktet, inte mot Claude Opus 5.5 eller Gemini 4 Argon.

Hastighetsnumret, ställt mot den senaste Mercury

1 068 tokens per sekund är rubriken, och det är den siffra som mest sannolikt citeras utan sammanhang. Inception tillskriver den "NVIDIA GPUs" utan att ange hårdvaran, batchstorleken, effort-inställningen eller om det är en enkelströms- eller aggregerad mätning. Alla fyra förändrar siffran med multiplar.

Den oberoende mätning som finns gäller den föregående generationen. Artificial Analysis mäter Mercury 2.5 till ungefär 706 token per sekund och Mercury 2 till 680-någonting, båda i deras egen testrigg. Det är verkliga, reproducerbara tredjepartssiffror, och de är lägre än de leverantörssiffror som åtföljde lanseringarna. Den skillnaden är den normala rabatten mellan leverantör och oberoende part i den här kategorin, inte ett tecken på ond tro – men det är den rabatt du mentalt bör tillämpa på 1 068 tills någon reproducerar den.

Per den 20 oktober 2026 har Artificial Analysis ingen Mercury 3-sida: deras modellindex listar fortfarande Mercury 2.5 och Mercury 2, och Mercury 3-URL:en ger inget svar. Så hastighetspåståendet har ännu ingen oberoende kontroll, en dag efter lanseringen. Det kommer att ändras; det användbara att hålla ögonen på är inte huruvida siffran landar nära 1 068 utan huruvida gapet till Mercury 2.5 förblir lika stort under en neutral testbänk som Inceptions inramning antyder.

Vad lanseringsrabatten är värd, och vad den inte är

Sänkningen med 50 % anges som tillfällig – ”vid lansering” – utan slutdatum. Det gör det till ett kampanjpris snarare än en prislista, och varje kostnadsmodell som bygger på $0.10/$0.35 har ett utgångsdatum som du inte kan se. Listpriset är siffran att planera efter.

En konkret jämförelse gör skalan tydlig. Ta en support- eller sökarbetsbelastning på 10 miljoner indatatoken och 40 miljoner utdatatoken per dag. Enligt listpris kostar Mercury 3 $2 för indata och $28 för utdata, eller $30 per dag. Till lanseringspriset kostar samma trafik $1 och $14, eller $15 per dag. Under en månad är det ungefär $900 mot $450 – kampanjen är värd ungefär lika mycket som modellens hela listprisfördel gentemot en autoregressiv modell i mellanklassen. Användbart, men inte ett skäl att bygga arkitekturen kring det.

Raden för cachad indata är den som förändrar den verkliga ekonomin för agentarbetsbelastningar, eftersom agenter skickar samma systemprompt och verktygsdefinitioner igen vid varje steg. Med $0,02 per miljon cachade token kostar en förtext på 20 000 token $0,0004 per anrop i stället för $0,004. På en agentkörning i femtio steg blir det två cent förtext i stället för tjugo, vilket är skillnaden mellan ett gångbart pris per uppgift och ett marginellt.

Inception säljer inte en chattbot

Lanseringen ramas in kring en portfölj snarare än en enskild modell, och den inramningen säger vem produkten är till för. Mercury Voice är optimerad för tid till första svarstoken i röstagenter; Mercury Decide är en klassificerings- och poängsättningsmodell på en separat endpoint, prissatt till två cent per miljon indatatoken och inget per outputtoken. Inceptions kundcitat kommer alla från latenskänsliga produktionssystem: en web agent-harness hos TinyFish, handledningsåterkoppling hos RevisionDojo, sökgenerering hos Octen och support hos Lorikeet.

Det är arbetsbelastningar där ett svar inom två sekunder är produktkravet och ett på fem sekunder är en bugg. Det är också arbetsbelastningar där ett fel är återhämtningsbart – en dålig ledtråd, ett dåligt sökresultat, ett eskalerat supportärende – vilket är precis den riskprofil som en modell utan publicerade benchmarkresultat säkert kan provas på.

Var detta lämnar en byggare den här veckan

Mercury 3 finns inte i OrcaRouter-katalogen. Vårt modell-API returnerar för närvarande ingenting för någon Inception-modell, och sidan för Mercury 3-modellen finns inte på vår webbplats, så den som vill anropa den går till Inceptions egen plattform eller till en av de tredjepartsvärdar som Inception listar. Vi säger hellre det rakt ut än antyder en rutt vi inte har.

Det vårt routinglager är bra på i den här situationen är delen kring den nya modellen snarare än själva modellen. Mönstret som fungerar med en obeprövad, ovanligt snabb lansering är en tvåmodellsväg: skicka den latenskritiska nivån till Mercury 3 via Inceptions nyckel, och behåll reservvägen och de svåra fallen på modeller som vi faktiskt har — fler än 200 av dem bakom en enda OpenAI-kompatibel slutpunkt, till leverantörens listpris med 0 % påslag, med automatisk failover om en leverantör försämras. Du får hastigheten där det lönar sig och en andra åsikt där det spelar roll, utan en andra integration för reservvägen.

Tre saker är värda att bevaka under de kommande veckorna. För det första en oberoende Mercury 3-mätning, som avgör både genomströmningssiffran och kvalitetspositionen i ett svep. För det andra om Inception publicerar vilken ansträngningsinställning och hårdvara som ligger bakom företagets egna siffror, eftersom ett riktmärke utan dessa inte går att reproducera. För det tredje om lanseringsrabatten får ett slutdatum – listpriset ligger 33 % under Mercury 2.5:s utdatapris och ungefär en femtedel av Claude Haiku 5.5:s, och ett företag som just har skalat upp en modell 40 gånger har skäl att vilja att det är kampanjsiffran folk minns.

Fram till dess är den ärliga sammanfattningen denna: Mercury 3 är en riktig lansering med en försvarbar arkitekturberättelse, ett genuint aggressivt pris och ett kvalitetspåstående som ingen utanför Inception ännu har testat. För en latensbegränsad arbetsbelastning med en människa eller en eskaleringsväg i loopen räcker det för att motivera en veckas utvärdering. För allt där ett felaktigt svar är dyrt och oövervakat är det ännu inte tillräckligt för att motivera en migrering.