Mercury 3, el nuevo modelo de lenguaje por difusión de Inception, genera más de 1.000 tokens por segundo en GPU de NVIDIA de uso común. La empresa de investigación y productos de IA, con sede en California, sostiene que el modelo supera en una serie de benchmarks a GPT-6 Luna y a Claude Haiku 5.5, los dos rivales optimizados para velocidad, y que corre entre cuatro y ocho veces más rápido que ellos.
El modelo admite una ventana de contexto de un millón de tokens, lo que le permite procesar bastante más información en una sola solicitud.
Según Inception, Mercury 3 es más de 40 veces más grande que Mercury 1, su modelo de primera generación, y mantiene velocidades de procesamiento comparables. Para la empresa, el resultado muestra que los modelos de lenguaje por difusión pueden ganar capacidad sin perder la ventaja de velocidad propia de su arquitectura.
Escalar sin perder velocidad
Los modelos de lenguaje tradicionales generan texto de forma secuencial y predicen un token a la vez. Los modelos por difusión siguen otro camino. Generan y refinan varios tokens en paralelo.
Eso les permite responder más rápido y puede acortar las demoras en aplicaciones que consultan al modelo con frecuencia.
Los desarrolladores, sin embargo, han tenido que elegir entre capacidad y velocidad de respuesta. Los modelos más pequeños suelen responder antes, mientras que los sistemas más capaces piden más tiempo de procesamiento.
Inception dice que Mercury 3 resuelve ese dilema con un rendimiento comparable o superior al de los modelos que OpenAI y Anthropic lanzaron hace poco en varios benchmarks estándar, sin bajar de 1.000 tokens por segundo en inferencia.
¿Qué cambió desde Mercury 1?
Es el cuarto modelo de la compañía desde que presentó Mercury 1 en junio de 2025.
| Versión | Novedad principal | Contexto |
|---|---|---|
| Mercury 1 | Primer modelo por difusión de Inception (junio de 2025) | no informado |
| Mercury 2 | Capacidad de razonamiento | no informado |
| Mercury 2.5 | Razonamiento ajustable | 260.000 tokens |
| Mercury 3 | Más de 40 veces el tamaño de Mercury 1 | 1.000.000 de tokens |
El salto de 260.000 a un millón de tokens casi cuadruplica la cantidad de información que el modelo puede manejar de una vez.
"Desde que lanzamos Mercury 1, la pregunta que más hemos escuchado es si la difusión puede escalar. Mercury 3 es más de 40 veces más grande, mucho más capaz, y sigue corriendo a más de 1.000 tokens por segundo", dijo Stefano Ermon, cofundador de Inception.
Ermon agregó que la empresa ya empezó a entrenar su próximo modelo.
¿Para qué sirve tanta velocidad?
Inception apunta a aplicaciones donde la demora en responder afecta el uso, como tutorías interactivas, traducción en vivo, asistentes de escritura y agentes de software automatizados.
En los sistemas basados en agentes, el modelo suele encadenar varias tareas, como buscar en sitios web, analizar información o revisar registros de software. Cada etapa suma demora, y al final la operación completa tarda más.
Según Inception, la inferencia más rápida de Mercury 3 puede reducir esas demoras acumuladas sin obligar a los desarrolladores a cambiarse a un modelo menos capaz.
Algunos clientes con acceso anticipado ya prueban el modelo en flujos de producción. La empresa de tecnología educativa RevisionDojo informó que Mercury 3 bajó a cerca de un segundo el tiempo de respuesta de la retroalimentación a estudiantes, que incluye pistas, definiciones y respuestas corregidas.
Dónde está disponible
Mercury 3 se ofrece a través de la API de Inception, Baseten, OpenRouter y Vercel.
El modelo es compatible con el formato de la API de OpenAI, así que se puede integrar en aplicaciones existentes sin grandes cambios de código.
