Inception выпустила Mercury 3: диффузионная LLM в 8 раз быстрее GPT-6 Luna

Диффузионные языковые модели долго считались быстрыми, но слабоватыми: хорошими для автодополнения, сомнительными для серьёзных задач. Mercury 3, выпущенная 19 октября, пытается снять это клеймо. По сообщению Jiqizhixin, модель стала более чем в 40 раз крупнее предыдущего поколения, генерирует текст примерно в 8 раз быстрее GPT-6 Luna и опережает её в ряде бенчмарков. Цена на выходе: $0,35 за миллион токенов.

За проектом стоит команда, которую возглавляет профессор Стэнфордского университета Стефано Эрмон, один из авторов исследований по диффузионным моделям. Компания Inception Labs ещё в 2025 году показала Mercury Coder и заявляла о тысяче с лишним токенов в секунду на H100. Тогда это выглядело как красивая демонстрация скорости для узкой задачи. Теперь это попытка выйти на территорию универсальных моделей.

Почему рост в 40 раз имеет значение

Главный вопрос к диффузионным LLM всегда звучал одинаково: сохранится ли преимущество в скорости, когда модель станет большой? Авторегрессионные модели генерируют ответ токен за токеном, и каждый следующий шаг ждёт предыдущего. Диффузионная схема стартует с зашумлённой или замаскированной последовательностью и за несколько проходов уточняет её целиком, обрабатывая много позиций параллельно. Чем меньше проходов нужно для приличного результата, тем выше пропускная способность.

Увеличение модели в 40 с лишним раз обычно бьёт по задержке. Больше параметров означает больше вычислений на каждом проходе. Если при таком росте Mercury 3 всё равно оказывается в 8 раз быстрее GPT-6 Luna, значит, параллельная генерация действительно компенсирует цену масштаба. Для индустрии это важный сигнал: архитектурное преимущество не растворилось по мере взросления модели.

Экономика: $0,35 как аргумент

Цена в $0,35 за миллион выходных токенов бьёт именно туда, где болит у разработчиков. Выходные токены дороже входных почти у всех провайдеров, а агентные сценарии, генерация кода и длинные рассуждения съедают их тысячами за запрос. Быстрая модель освобождает GPU раньше, и провайдер может отдать это в виде низкой цены.

Ключевые параметры, о которых сообщается:

• Релиз: 19 октября 2026 года
• Тип: диффузионная языковая модель (Mercury 3)
• Рост масштаба: более чем в 40 раз к предыдущему поколению
• Скорость: примерно в 8 раз выше, чем у GPT-6 Luna
• Цена: $0,35 за миллион выходных токенов
• Качество: по бенчмаркам модель обходит GPT-6 Luna

Отдельно стоит смотреть, по каким именно тестам Mercury 3 вырвалась вперёд. Скорость на задачах кодинга и структурированного вывода и качество в длинных цепочках рассуждений проверяются по-разному, и общий заголовок «обогнала по бенчмаркам» ещё не означает победу везде.

Кому стоит тестировать в первую очередь

Первые кандидаты на пробу очевидны. Это команды, у которых задержка ответа напрямую влияет на продукт: IDE-ассистенты с автодополнением, голосовые агенты, где пауза в секунду ломает разговор, и пайплайны с массовой генерацией, где счёт идёт на миллиарды токенов в месяц.

Практический план простой. Возьмите свой реальный трафик, прогоните его через Mercury 3 и действующую модель, сравните три метрики: время до полного ответа, стоимость на тысячу запросов и долю ответов, прошедших ваши автоматические проверки. Если качество в вашей задаче держится, экономия на выходных токенах окупит интеграцию очень быстро. Если нет, у вас останется понятная картина, где диффузионные модели уже годны, а где ещё нет.

Для рынка в целом Mercury 3 ставит неудобный вопрос лидерам: если параллельная генерация масштабируется, то оптимизация авторегрессионных моделей через спекулятивное декодирование и кэширование упирается в потолок, а у соперника этого потолка нет.