Mercury 3 đạt 1.068 token mỗi giây — và không có lấy một con số benchmark nào

Inception Labs đã phát hành Mercury 3 vào ngày 19 tháng 10 năm 2026, và thông báo mở đầu bằng ba con số: 1.068 token mỗi giây trên GPU NVIDIA, cửa sổ ngữ cảnh 1 triệu token và 0,10 USD cho mỗi triệu token đầu vào chừng nào ưu đãi ra mắt còn kéo dài. Điều mà nó không chứa là dù chỉ một điểm benchmark nào. Tuyên bố về chất lượng mang tính so sánh — Mercury 3 "vượt trội GPT-6 Luna và Claude Haiku 5.5" — và mọi tuyên bố định lượng trong bài đều xoay quanh tốc độ, kích thước hoặc giá. Đó không hẳn là một lời chỉ trích mà đúng hơn là hình dạng của bằng chứng bạn phải làm việc cùng nếu đang cân nhắc chuyển một khối lượng công việc sang nó trong tuần này. Bài viết này đi qua những gì Inception thực sự đã tung ra, những tuyên bố chưa được chấm điểm có ý nghĩa gì, và nơi một nhà phát triển nên vạch ranh giới giữa việc dùng thử nó và phụ thuộc vào nó.Các thất bại AI và sự cố liên quan đến agent đã được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archivenơi mỗi mục đều có nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ đánh dấu tranh chấp.

Inception đã đặt gì lên bàn vào ngày 19 tháng 10

Mercury 3 là một mô hình ngôn ngữ khuếch tán — thuật ngữ của Inception là dLLM — và công ty gọi đây là mô hình dựa trên khuếch tán có năng lực mạnh nhất từng được phát hành cho đến nay. Kiến trúc này tạo ra các token song song thay vì từng token một, và đó là nguồn gốc của tuyên bố về thông lượng. Inception cho biết mô hình có tổng số tham số lớn hơn Mercury 1 hơn 40 lần, nhưng không công bố con số tham số tuyệt đối, và rằng trí tuệ đo được trên bộ đánh giá chuẩn của mô hình đã tăng khoảng gấp ba lần từ Mercury 1 (mini) lên Mercury 3.

• Ngữ cảnh — 1M token, tăng từ 260K trên Mercury 2.5, với đầu ra tối đa 131.072 token.

• Giá — $0.20 mỗi triệu đầu vào và $0.70 mỗi triệu đầu ra theo giá niêm yết; $0.10 và $0.35 trong thời gian khuyến mãi ra mắt.

• Đầu vào được lưu trong bộ nhớ đệm — $0,02 mỗi triệu theo giá niêm yết, giảm một nửa xuống $0,01 trong giai đoạn ra mắt, đây là mức chiết khấu 90% thông thường áp dụng cho giá đầu vào.

• Mức nỗ lực suy luận — bốn cài đặt: tức thì, thấp, trung bình và cao. Mercury 3 mặc định ở mức thấp khi không truyền tham số, trong khi Mercury 2.5 và Mercury 2 mặc định ở mức trung bình.

• Phương thức — văn bản vào, văn bản ra. Gọi công cụ và đầu ra có cấu trúc được hỗ trợ trên endpoint chat completions.

• Hình dạng API — chat completions tương thích với OpenAI, với temperature có thể điều chỉnh trong khoảng 0.5 đến 1.0.

• Tính khả dụng — nền tảng API riêng của Inception, nơi tài khoản mới nhận 100 triệu token miễn phí, cùng một số nền tảng suy luận của bên thứ ba. Các triển khai dành cho doanh nghiệp bổ sung năng lực chuyên dụng, tự động mở rộng quy mô và khả năng cấu hình thời gian lưu trữ dữ liệu.

Thiết lập mức nỗ lực mặc định là chi tiết dễ bị bỏ sót nhất và cũng dễ là chi tiết quan trọng nhất. Một mô hình trả lời ở mức nỗ lực "low" theo mặc định sẽ trông nhanh hơn và đạt điểm thấp hơn so với cùng mô hình đó ở mức "high", và các tuyên bố so sánh của chính Inception không nêu rõ thiết lập nào đã tạo ra chúng. Nếu bạn tự benchmark Mercury 3, hãy cố định rõ mức nỗ lực, nếu không các con số của bạn sẽ không thể so sánh với của bất kỳ ai khác.

Tuyên bố về chất lượng mang tính so sánh, không phải định lượng.

Đọc lại câu đó: Mercury 3 “vượt trội GPT-6 Luna và Claude Haiku 5.5”. Cả hai đều là những mô hình tối ưu tốc độ, không phải flagship tiên phong, và đây là phép so sánh phù hợp cho một mô hình mà toàn bộ điểm bán hàng nằm ở độ trễ. Nhưng thông báo không nêu mức chênh lệch, không nêu tên các benchmark, cũng không có kết quả theo từng tác vụ, nên không thể kiểm chứng tuyên bố này bằng một bộ kiểm thử công khai trừ khi bạn tự chạy nó.

Kết quả chất lượng duy nhất có bất kỳ cấu trúc nào đằng sau nó là một bài kiểm thử agent. Inception đã chạy Mercury 3 bên trong harness web-agent production của chính mình, đối chiếu với các mô hình tiên phong trên 50 tác vụ điều hướng Mind2Web trực tiếp, và báo cáo rằng nó đã hoàn thành 50% trong số đó, "nhiều hơn đáng kể so với GPT-6.1-Sol", với cùng khối lượng token và cùng số bước agent, và do đó chỉ tốn một phần chi phí trên mỗi token. Năm mươi tác vụ là một mẫu nhỏ, harness là của chính Inception, và mô hình so sánh được nêu tên mà không có điểm số. Đó là một tín hiệu thực — hoàn thành tác vụ trên các trang web trực tiếp khó bị thao túng hơn một bộ câu hỏi trắc nghiệm — nhưng đó là một tín hiệu, không phải một phép đo mà bạn có thể đưa vào tài liệu mua sắm.

Inception cũng nói rằng Mercury 3 "ngang bằng hoặc tốt hơn các mô hình tối ưu tốc độ tiên phong" chứ không phải ngang bằng với các mô hình suy luận tiên phong. Sự phân biệt đó đóng vai trò rất lớn trong bài viết, và đáng để được hiểu theo đúng nghĩa bề mặt: đây là một mô hình được định vị để cạnh tranh với phân khúc nhanh, chứ không phải với Claude Opus 5.5 hay Gemini 4 Argon.

Con số tốc độ, được đặt đối chiếu với chiếc Mercury cuối cùng

1.068 token mỗi giây là con số gây chú ý nhất, và là con số dễ bị trích dẫn tách khỏi ngữ cảnh nhất. Inception quy con số này cho “NVIDIA GPUs” mà không nêu tên phần cứng, kích thước batch, thiết lập effort hay liệu đây là phép đo một luồng đơn hay tổng hợp. Cả bốn yếu tố đều làm thay đổi con số theo bội số.

Những đo lường độc lập hiện có là dành cho thế hệ trước. Artificial Analysis đo Mercury 2.5 ở khoảng 706 token mỗi giây và Mercury 2 ở mức 680 mấy, cả hai đều theo khung đo của chính họ. Đó là những con số bên thứ ba thực và có thể tái lập, và chúng thấp hơn các con số của nhà cung cấp đi kèm những lần ra mắt đó. Khoảng chênh đó là mức chiết khấu thông thường từ nhà cung cấp sang đo lường độc lập trong hạng mục này, không phải bằng chứng của ý đồ xấu — nhưng đó là mức chiết khấu mà bạn nên áp dụng trong đầu cho 1.068 cho đến khi có ai đó tái lập được nó.

Tính đến ngày 20 tháng 10 năm 2026, Artificial Analysis không có trang Mercury 3: chỉ mục mô hình của họ vẫn liệt kê Mercury 2.5 và Mercury 2, còn URL của Mercury 3 không trả về gì. Vì vậy, tuyên bố về tốc độ vẫn chưa có kiểm chứng độc lập, một ngày sau khi ra mắt. Điều đó sẽ thay đổi; điều đáng theo dõi không phải là liệu con số có rơi vào khoảng gần 1.068 hay không, mà là liệu khoảng cách với Mercury 2.5 có còn rộng như vậy dưới một harness trung lập đúng như cách Inception trình bày ngụ ý hay không.

Ưu đãi ra mắt có giá trị gì, và không phải là gì

Mức giảm 50% được nêu là tạm thời — “khi ra mắt” — không có ngày kết thúc. Điều đó khiến nó trở thành mức giá khuyến mại chứ không phải bảng giá chuẩn, và bất kỳ mô hình chi phí nào dựa trên $0.10/$0.35 đều có một ngày hết hạn mà bạn không thể thấy. Giá niêm yết là con số để bạn lập kế hoạch dựa vào.

Một so sánh cụ thể sẽ làm rõ quy mô. Lấy một khối lượng công việc hỗ trợ hoặc tìm kiếm với 10 triệu token đầu vào và 40 triệu token đầu ra mỗi ngày. Theo giá niêm yết, Mercury 3 tốn $2 cho đầu vào và $28 cho đầu ra, tức $30 một ngày. Theo mức giá ra mắt, cùng lưu lượng đó tốn $1 và $14, tức $15 một ngày. Tính theo tháng, con số đó là khoảng $900 so với $450 — chương trình khuyến mại có giá trị xấp xỉ toàn bộ lợi thế giá niêm yết của mô hình so với một mô hình autoregressive tầm trung. Hữu ích, nhưng không phải lý do để thiết kế kiến trúc xoay quanh nó.

Dòng cached-input mới là thứ thay đổi kinh tế thực sự đối với khối lượng công việc agent, vì agent gửi lại cùng một system prompt và các định nghĩa công cụ ở mọi bước. Với $0.02 mỗi triệu token được lưu đệm, một phần mở đầu 20.000 token tốn $0.0004 mỗi lần gọi thay vì $0.004. Trong một lượt chạy agent năm mươi bước, đó là hai xu tiền phần mở đầu thay vì hai mươi xu, và đó chính là khác biệt giữa một mức giá khả thi cho mỗi tác vụ và một mức giá cận biên.

Inception không bán chatbot

Buổi ra mắt được định khung xoay quanh một danh mục sản phẩm thay vì một mô hình duy nhất, và cách định khung đó cho bạn biết sản phẩm dành cho ai. Mercury Voice được tinh chỉnh cho thời gian đến token trả lời đầu tiên trong các tác nhân thoại; Mercury Decide là mô hình phân loại và chấm điểm trên một endpoint riêng, giá hai xu mỗi triệu token đầu vào và không tính phí đầu ra. Các trích dẫn khách hàng của Inception đều là những hệ thống sản xuất nhạy cảm với độ trễ: một bộ khung web-agent tại TinyFish, phản hồi gia sư tại RevisionDojo, tạo tìm kiếm tại Octen, hỗ trợ tại Lorikeet.

Đó là những khối lượng công việc mà phản hồi trong hai giây là yêu cầu của sản phẩm và phản hồi trong năm giây là một lỗi. Chúng cũng là những khối lượng công việc mà việc sai có thể khắc phục được — một gợi ý kém, một câu trả lời tìm kiếm kém, một lượt hỗ trợ được chuyển lên cấp cao hơn — đúng là hồ sơ rủi ro mà một mô hình không có điểm đánh giá chuẩn được công bố có thể được thử một cách an toàn.

Điều này khiến một nhà xây dựng rơi vào tình thế nào trong tuần này

Mercury 3 không có trong danh mục của OrcaRouter. API mô hình của chúng tôi hiện không trả về gì cho bất kỳ mô hình Inception nào, và trang mô hình Mercury 3 không tồn tại trên trang web của chúng tôi, nên bất kỳ ai muốn gọi nó đều phải đến nền tảng riêng của Inception hoặc một trong các dịch vụ lưu trữ bên thứ ba mà Inception liệt kê. Chúng tôi thà nói thẳng điều đó còn hơn ngụ ý về một tuyến truy cập mà chúng tôi không có.

Điều mà lớp định tuyến của chúng tôi hữu ích trong tình huống này là phần xoay quanh mô hình mới chứ không phải bản thân mô hình. Cách làm hiệu quả với một bản phát hành chưa được kiểm chứng và nhanh một cách bất thường là một đường đi hai mô hình: gửi tầng quan trọng về độ trễ tới Mercury 3 thông qua khóa của Inception, còn phương án dự phòng và những ca khó thì giữ trên các mô hình mà chúng tôi thực sự cung cấp — hơn 200 mô hình đứng sau một endpoint tương thích OpenAI, với giá niêm yết của nhà cung cấp, phụ phí 0%, cùng tính năng chuyển đổi dự phòng tự động nếu một nhà cung cấp bị suy giảm. Bạn có được tốc độ ở nơi nó đáng giá và một ý kiến thứ hai ở nơi nó quan trọng, mà không cần thêm một tích hợp thứ hai cho phương án dự phòng.

Có ba điều đáng theo dõi trong vài tuần tới. Thứ nhất, một phép đo Mercury 3 độc lập, sẽ cùng lúc giải quyết cả con số thông lượng và vị thế chất lượng. Thứ hai, liệu Inception có công bố thiết lập nỗ lực và phần cứng đằng sau các con số của chính mình hay không, vì một phép đánh giá thiếu những thứ đó thì không thể tái lập. Thứ ba, liệu ưu đãi ra mắt có ngày kết thúc hay không — giá niêm yết thấp hơn 33% so với tốc độ đầu ra của Mercury 2.5 và khoảng một phần năm so với Claude Haiku 5.5, và một công ty vừa mở rộng quy mô mô hình gấp 40 lần có lý do để muốn con số khuyến mại là con số người ta nhớ.

Cho đến lúc đó, tóm tắt trung thực là thế này: Mercury 3 là một bản phát hành thực sự với một lập luận kiến trúc vững chắc, một mức giá thực sự quyết liệt và một tuyên bố về chất lượng mà chưa ai ngoài Inception kiểm chứng. Đối với khối lượng công việc bị ràng buộc bởi độ trễ với con người hoặc một quy trình leo thang trong vòng xử lý, thế là đủ để biện minh cho một tuần đánh giá. Đối với bất kỳ thứ gì mà một câu trả lời sai có giá đắt và không được giám sát, thì vẫn chưa đủ để biện minh cho việc chuyển đổi.