Inception AI presenterade modellen Mercury 3 den 20 oktober 2026. Företaget säger att den diffusionsbaserade metoden kan ta fram ett helt svar på en gång och sedan förfina det parallellt, i stället för att skriva en token i taget. I företagets egna tester nådde Mercury 3 1 068 token per sekund på Nvidia-GPU:er, jämfört med cirka 240 för Claude Haiku 5.5 och 130 för GPT‑6 Luna.
Därför är Mercury 3 snabbare
Modellen skapar först ett grovt utkast till svaret och förbättrar sedan alla positioner i några få omgångar. Den parallella förfiningen gör att den snabbt kan generera längre texter. Inception har inte offentliggjort det exakta antalet parametrar, utan bara uppgett att Mercury 3 är mer än 40 gånger större än föregångaren Mercury 1. Kontextfönstret har vuxit till en miljon token, från 260 000 i Mercury 2.5.
Därför spelar hastigheten roll för utvecklare
Tidiga användare rapporterar märkbara förbättringar. Octen AI, som bygger realtidssökning för smarta glasögon, uppmätte en median för genereringstiden på 0,9 sekunder och säger att en paus på fem sekunder känns ”trasig”. Revisionsappen RevisionDojo levererar nu ledtrådar på ungefär en sekund. Priset är 20 cent per miljon indatatoken och 70 cent per miljon utdatatoken, med en lanseringskampanj som halverar priserna. Som jämförelse kostar GPT‑6 Luna och Claude Haiku 5.5 enligt prislistan 10 respektive 50 cent för typiska promptar.
Varför det spelar roll
För utvecklare som bygger interaktiva produkter kan snabbare generering göra upplevelsen mer responsiv, särskilt på enheter som smarta glasögon där fördröjningar märks. Den lägre kostnaden under kampanjen sänker också tröskeln för att prova modellen, även om oberoende benchmarktester ännu saknas.
