A Inception AI anunciou o modelo Mercury 3 em 20 de outubro de 2026. Segundo a empresa, sua abordagem baseada em difusão pode rascunhar uma resposta inteira de uma só vez e, depois, refiná-la em paralelo, em vez de escrever um token após o outro. Nos testes da própria empresa, o Mercury 3 atingiu 1.068 tokens por segundo em GPUs Nvidia, ante cerca de 240 do Claude Haiku 5.5 e 130 do GPT‑6 Luna.
O que torna o Mercury 3 mais rápido?
Primeiro, o modelo cria um rascunho da resposta e, em seguida, aprimora cada posição em algumas etapas. Esse refinamento paralelo permite gerar textos mais longos rapidamente. A Inception não divulgou o número exato de parâmetros; informou apenas que o Mercury 3 é mais de 40 vezes maior que seu antecessor, o Mercury 1. A janela de contexto passou para um milhão de tokens, ante 260.000 no Mercury 2.5.
Por que a velocidade importa para desenvolvedores
Os primeiros usuários relatam melhorias perceptíveis. A Octen AI, que desenvolve um serviço de busca em tempo real para óculos inteligentes, mediu um tempo mediano de geração de 0,9 segundo e afirmou que uma espera de cinco segundos parece “quebrada”. O RevisionDojo, um aplicativo de tutoria, agora fornece dicas em cerca de um segundo. O preço é de 20 centavos por milhão de tokens de entrada e 70 centavos por milhão de tokens de saída, com uma promoção de lançamento que reduz esses valores pela metade. Em comparação, o GPT‑6 Luna e o Claude Haiku 5.5 têm preços anunciados de 10 centavos e 50 centavos para prompts típicos.
Por que importa
Para desenvolvedores que criam produtos interativos, a geração mais rápida pode tornar a experiência mais ágil, especialmente em dispositivos como óculos inteligentes, nos quais os atrasos são perceptíveis. O custo menor durante a promoção também facilita experimentar o modelo, embora ainda não haja benchmarks independentes.
