Mercury 3 от Inception: диффузионная LLM быстрее GPT-6 Luna

19 октября 2026 года лаборатория Inception из Редвуд-Сити представила диффузионную языковую модель Mercury 3. Новинка генерирует свыше 1000 токенов в секунду. Это в 4–8 раз быстрее GPT-6 Luna. При этом контекстное окно выросло до миллиона токенов, а стоимость на старте снижена вдвое.

Обычные авторегрессионные сети выдают текст строго по одному слову слева направо, словно старая печатная машинка. Диффузионный подход работает иначе. Модель набрасывает черновой фрагмент целиком, а затем за несколько шагов параллельно уточняет его, очищая от «шума», как это делают генераторы изображений. Этот механизм фактически ломает главное ограничение скорости последовательной генерации.

По словам разработчиков, новая версия более чем в сорок раз крупнее самой первой Mercury 1, выпущенной полтора года назад. Точный размер архитектуры компания держит в секрете, но заявляет о трехкратном росте «ума» на стандартных бенчмарках. На SWE-Bench Atlas модель заметно опережает конкурентов, хотя на DeepSWE её всё же обходит Claude Haiku 5.5. В агентном тесте TinyFish на 50 реальных задачах веб-навигации из Mind2Web Mercury 3 выполнила половину, что существенно больше, чем у GPT-6.1-Sol при том же расходе ресурсов. Контекст теперь вмещает миллион единиц, а на выходе система способна выдать до 131 тысячи токенов, поддерживая параметр reasoning_effort.

На практике такие задержки критичны для голосовых ассистентов и браузерных агентов. Например, стартап Octen AI уже внедрил Mercury 3 для поиска в умных очках: медианное время генерации там составляет 0,9 секунды, а полный ответ приходит за 2,2 секунды. «Ответ, на который уходит пять секунд, ощущается как катастрофа», — отмечает гендиректор Octen Куан Цзоу. Цифры говорят сами.

Но не всё так гладко. Первый независимый замер от Bito 19 октября показал обратную сторону медали. В длинных многоходовых сессиях модель действительно оказалась самой быстрой, но заметно уступила по качеству планирования, отстав от Claude Sonnet 5.5 на 18 процентных пунктов. В агентных сценариях реальная скорость падает до 200 токенов в секунду, поскольку каждый ход требует заново отправлять контекст на 50–150 тысяч токенов, и модели сначала нужно его прочитать. Диффузия ускоряет только генерацию ответа, а в агентах ответы короткие: в среднем 273 токена перед следующим вызовом тула. К тому же кэширование сработало плохо: из 5,5 миллиона входных токенов в кэш попал лишь около миллиона, что сделало сессию втрое дороже аналогов при более низком качестве.

Цена вопроса на бумаге выглядит привлекательно. Базовый тариф составляет 20 центов за миллион входных и 70 центов за миллион выходных токенов, но на старте действует скидка 50%. Кэшированный вход обещают сделать на 90% дешевле, хотя на практике, как показал тест Bito, этот механизм пока требует доработки. Новые аккаунты получают 100 миллионов токенов бесплатно без привязки карты. Модель уже доступна через API Inception, OpenRouter, Baseten и Vercel, полностью сохраняя совместимость с форматом OpenAI. Текущие клиенты старых версий Mercury 2 и 2.5 сохранят к ним доступ до 15 ноября, после чего эти модели закроются для новых пользователей.

Это уже четвёртая модель в линейке с июня 2025 года. Предыдущая версия, Mercury 2, даже попала в список лучших изобретений года по версии TIME. Основатели компании — профессора Стэнфорда, UCLA и Корнелла Стефано Эрмон, Адитья Гровер и Владимир Кулешов — последовательно наращивали функциональность. В Mercury 2 появились механизмы логического рассуждения, а в версии 2.5 — возможность их настройки. Теперь же разработчики заявляют о самом значительном качественном скачке в истории линейки.

Независимых масштабных тестов пока мало. А агентные харнессы всё ещё ловят провалы в планировании. Что из этого выйдет в реальных продакшн-средах — вопрос.

Никита Карпов

Главный редактор

Пишу о гаджетах, нейросетях и том, как технологии меняют нашу жизнь. Проверяю всё на себе, чтобы вы не тратили деньги зря.