# Inception lancia Mercury 3, LLM a diffusione da 1.068 token al secondo

> Il nuovo modello di Inception dichiara una velocità di elaborazione di 1.068 token al secondo e una finestra di contesto da 1 milione di token, superando diversi modelli di punta nella maggior parte dei benchmark.

Oossa · 2026-10-20 · https://oossa.com/it/inception-launches-mercury-3-diffusion-llm-with-1-068-tokens-per-second

Martedì Inception ha presentato il suo ultimo modello linguistico, Mercury 3. L’azienda afferma che il modello può generare testo alla velocità di 1.068 token al secondo e gestire una finestra di contesto da un milione di token. Nei test interni, il modello ha superato GPT‑6 Luna e Claude Haiku 5.5 in otto delle dodici suite di benchmark elencate da Inception.

Un LLM a diffusione come Mercury 3 usa una tecnica di generazione che tratta la creazione del testo come un processo di perfezionamento graduale, simile a quello dei modelli di diffusione per la generazione di immagini. Questo approccio dovrebbe migliorare la qualità e la flessibilità, anche se l’azienda non ha fornito verifiche indipendenti sulla velocità dichiarata.

## Come si confronta Mercury 3 con gli altri modelli

La tabella comparativa pubblicata da Inception colloca Mercury 3 davanti a GPT‑6 Luna e Claude Haiku 5.5 nella maggior parte dei test. I benchmark riguardano diverse attività di comprensione del linguaggio, ragionamento e generazione, ma l’articolo non specifica quali test siano stati usati né i punteggi esatti. Non sono ancora state pubblicate valutazioni di terze parti, quindi i risultati non sono stati confermati da soggetti esterni all’azienda.

## I fatti

- Secondo Inception, Mercury 3 elabora 1.068 token al secondo.
- Il modello supporta una finestra di contesto da 1 milione di token.
- Nella tabella di Inception, Mercury 3 supera GPT‑6 Luna e Claude Haiku 5.5 in otto benchmark su dodici.
- L’annuncio è stato pubblicato il 2026‑10‑20.

## Perché conta

Se Mercury 3 manterrà le promesse, gli sviluppatori potranno creare applicazioni capaci di gestire testi molto più lunghi senza doverli suddividere in parti più piccole, ad esempio per analizzare documenti integrali o creare contenuti di ampio respiro. Una maggiore velocità di elaborazione dei token riduce anche la latenza dei servizi in tempo reale e può rendere i chatbot più reattivi. Tuttavia, senza test indipendenti, non è ancora chiaro come il modello si comporti nell’uso quotidiano rispetto alle alternative esistenti.

## Fonti e riferimenti

1. [Inception Releases Mercury 3 Diffusion LLM at 1,068 Tokens per Second](https://www.marktechpost.com/2026/10/19/inception-mercury-3-diffusion-llm/) – MarkTechPost, 2026-10-20

Ultimo aggiornamento: 2026-10-20