Mercury 3: model difusi Inception yang mengklaim 1.068 token per detik

Inception Labs memperkenalkan Mercury 3 pada 19 Oktober 2026 sebagai model bahasa berbasis difusi. Berbeda dari model autoregresif yang menulis satu token demi satu, pendekatan difusi membangkitkan dan menyempurnakan beberapa token sekaligus, dan perusahaan mengklaim cara itu membuat model mencapai 1.068 token per detik pada GPU Nvidia. Angka tersebut diukur sendiri oleh vendor pada perangkat keras yang tidak dirinci, sehingga lebih tepat dibaca sebagai klaim pemasok daripada hasil uji independen.

Perubahan spesifikasi yang paling praktis bukan kecepatan, melainkan konteks. Mercury 3 mendukung jendela 1 juta token, naik dari 260 ribu pada Mercury 2.5, dan menurut Inception jumlah parameter totalnya lebih dari 40 kali Mercury 1 dengan perbaikan sekitar tiga kali lipat pada sejumlah tolok ukur standar. Perusahaan juga menyatakan model ini setara atau lebih baik daripada GPT-6 Luna milik OpenAI dan Claude Haiku 5.5 milik Anthropic pada beberapa pengujian, klaim yang belum diverifikasi pihak ketiga.

Sisi biaya ditulis terbuka dalam pengumuman: 0,20 dolar per juta token masukan dan 0,70 dolar per juta token keluaran pada tarif standar, dengan harga perkenalan setengahnya, yaitu 0,10 dan 0,35 dolar. Inception tidak menyebut sampai kapan tarif perkenalan berlaku. Bagi tim yang menyusun anggaran, ketiadaan tanggal berakhirnya diskon itu adalah risiko yang harus dicatat, karena biaya per tugas bisa berlipat dua tanpa pemberitahuan panjang.

Inception juga memuat laporan mitra akses awal, dan semuanya berasal dari perusahaan sendiri sehingga berfungsi sebagai ilustrasi, bukan bukti. TinyFish AI menguji model pada 50 tugas navigasi Mind2Web langsung dan menyelesaikan 50 persen di antaranya, yang diklaim melampaui GPT-6.1-Sol pada volume token dan jumlah langkah agen yang sama. RevisionDojo menyebut petunjuk, definisi, dan jawaban bertanda kembali dalam sekitar satu detik, sedangkan Octen AI melaporkan median waktu pembangkitan 0,9 detik dan waktu tanggap ujung ke ujung 2,2 detik.

Karena itu, ukuran yang layak dipakai untuk menilai model seperti ini bukan token per detik, melainkan waktu dan biaya untuk menyelesaikan satu tugas dengan benar, termasuk panggilan alat, percobaan ulang, dan koreksi. Pada beban kerja agen, satu jawaban yang lebih lambat tetapi tidak perlu diulang sering lebih murah daripada jawaban kilat yang harus diperbaiki tiga kali. Mercury 3 menambah pilihan pada sumbu kecepatan yang selama ini dikuasai model kecil, dan patut diuji sendiri sebelum dipakai untuk jalur produksi.