Inception lanza Mercury 3: una LLM de difusión 8 veces más rápida que GPT-6 Luna

Los modelos de lenguaje de difusión tuvieron durante mucho tiempo fama de rápidos pero flojos: buenos para el autocompletado, dudosos para tareas serias. Mercury 3, lanzada el 19 de octubre, intenta quitarse ese estigma. Según Jiqizhixin, el modelo es más de 40 veces mayor que la generación anterior, genera texto aproximadamente 8 veces más rápido que GPT-6 Luna y la supera en varios benchmarks. El precio de salida es de $0,35 por millón de tokens.

Detrás del proyecto está un equipo dirigido por Stefano Ermon, profesor de la Universidad de Stanford y uno de los autores de investigaciones sobre modelos de difusión. Ya en 2025, Inception Labs presentó Mercury Coder y afirmó que alcanzaba más de mil tokens por segundo en H100. Entonces parecía una demostración de velocidad vistosa para una tarea estrecha. Ahora es un intento de entrar en el terreno de los modelos generalistas.

Por qué importa el salto de 40 veces

La gran pregunta sobre las LLM de difusión siempre ha sido la misma: ¿se mantendrá la ventaja de velocidad cuando el modelo crezca? Los modelos autorregresivos generan la respuesta token a token, y cada paso espera al anterior. El esquema de difusión parte de una secuencia con ruido o enmascarada y la refina completa en varias pasadas, procesando muchas posiciones en paralelo. Cuantas menos pasadas hagan falta para obtener un resultado decente, mayor será el rendimiento.

Aumentar el modelo más de 40 veces suele perjudicar la latencia: más parámetros implican más cálculo en cada pasada. Si, aun así, Mercury 3 resulta 8 veces más rápida que GPT-6 Luna, la generación paralela compensa de verdad el coste de la escala. Para la industria es una señal importante: la ventaja arquitectónica no se ha diluido a medida que el modelo ha madurado.

Economía: $0,35 como argumento

Un precio de $0,35 por millón de tokens de salida apunta justo a donde más les duele a los desarrolladores. En casi todos los proveedores, los tokens de salida cuestan más que los de entrada, y los escenarios con agentes, la generación de código y los razonamientos largos consumen miles por solicitud. Un modelo rápido libera la GPU antes, y el proveedor puede trasladar ese ahorro en forma de un precio bajo.

Parámetros clave que se han comunicado:

• Lanzamiento: 19 de octubre de 2026
• Tipo: modelo de lenguaje de difusión (Mercury 3)
• Aumento de escala: más de 40 veces respecto a la generación anterior
• Velocidad: aproximadamente 8 veces superior a la de GPT-6 Luna
• Precio: $0,35 por millón de tokens de salida
• Calidad: según los benchmarks, el modelo supera a GPT-6 Luna

Conviene mirar por separado en qué pruebas concretas se ha impuesto Mercury 3. La velocidad en tareas de programación y salida estructurada y la calidad en cadenas largas de razonamiento se evalúan de forma distinta, y el titular general de «superó en benchmarks» aún no significa una victoria en todos los frentes.

Quién debería probarla primero

Los primeros candidatos para probarla son evidentes: equipos en los que la latencia de respuesta influye directamente en el producto, como los asistentes de IDE con autocompletado, los agentes de voz, donde una pausa de un segundo rompe la conversación, y las pipelines de generación masiva, donde se cuenta por miles de millones de tokens al mes.

El plan práctico es sencillo. Tome su tráfico real, páselo por Mercury 3 y por el modelo que usa actualmente, y compare tres métricas: el tiempo hasta la respuesta completa, el coste por mil solicitudes y la proporción de respuestas que superan sus comprobaciones automáticas. Si la calidad se mantiene en su tarea, el ahorro en tokens de salida amortizará la integración muy pronto. Si no, al menos tendrá una imagen clara de dónde los modelos de difusión ya sirven y dónde todavía no.

Para el mercado en general, Mercury 3 plantea una pregunta incómoda a los líderes: si la generación paralela escala, la optimización de los modelos autorregresivos mediante decodificación especulativa y almacenamiento en caché topa con un techo, mientras que el rival no lo tiene.