Inception ha lanzado Mercury 3, la versión más reciente de su modelo de lenguaje de difusión. Mercury 3 es un LLM de difusión de Inception que escribe las respuestas en paralelo, no token por token. Inception reporta 1,068 tokens por segundo en GPUs NVIDIA y una ventana de contexto de 1M de tokens. En la propia tabla de benchmarks de Inception, supera a GPT-6 Luna y Claude Haiku 5.5 en 8 de 12 pruebas. Para los desarrolladores que crean agentes, bots de voz y herramientas de búsqueda, este es un modelo centrado en la velocidad con puntuaciones competitivas.
TL;DR
- Tamaño: Parámetros no revelados. Inception dice que es más de 40 veces más grande que Mercury 1. El contexto es de 1M de tokens.
- Funciona en: GPUs NVIDIA servidas por Inception (GPU exacta no revelada). Solo API, sin pesos abiertos ni compilaciones cuantizadas.
- Rendimiento: Lidera en 8 de 12 benchmarks frente a GPT-6 Luna y Haiku 5.5 (autoinformado, configuraciones medias).
- Mejor resultado: SWE-Bench Atlas 51.08, unos 18 puntos por delante de ambos rivales.
- Peor resultado: DeepSWE v1 46.31, 5.31 puntos por detrás de Haiku 5.5 (51.62).
¿Qué es Mercury 3?
Mercury 3 es el cuarto lanzamiento de Mercury de Inception, después de Mercury 1, Mercury 2 y Mercury 2.5. Mercury 1 se lanzó en 2025. Mercury 2.5 añadió razonamiento ajustable y una ventana de contexto de 260K, según el anuncio de lanzamiento.
1/4 Hoy lanzamos Mercury 3. Mercury 3 es, con diferencia, nuestro modelo más potente y el LLM de difusión más inteligente jamás lanzado. Supera a GPT-6 Luna y Haiku 5.5 en calidad mientras funciona a más de 1000 tok/seg. pic.twitter.com/TYevDl43Lm
— Stefano Ermon (@StefanoErmon) 19 de octubre de 2026
¿Cómo funciona un LLM de difusión?
Los modelos autorregresivos escriben un token tras otro. Cada token nuevo espera al anterior. Un LLM de difusión parte de un borrador aproximado de la respuesta completa. Luego refina cada posición a lo largo de unas pocas pasadas en paralelo.
Menos pasos secuenciales significa una salida más rápida en las mismas GPUs. La pregunta abierta era si este enfoque se mantiene a medida que los modelos crecen.
¿Escala la difusión?
Aquí la respuesta de Inception es que sí. Mercury 3 tiene más de 40 veces los parámetros totales de Mercury 1 (mini). La calidad media en los benchmarks estándar aumentó unas 3 veces entre esos 2 modelos. La velocidad se mantuvo por encima de 1,000 tokens por segundo.
El equipo de Inception representa esto como una curva de calidad frente a tamaño a lo largo de 5 generaciones de Mercury.
¿Cómo rinde Mercury 3 en los benchmarks?
Todas las puntuaciones siguientes provienen de La tabla de Inception. Todos los modelos se ejecutaron con configuraciones medias.
Mercury 3 obtiene sus mayores avances en seguimiento de instrucciones y codificación agéntica. IFBench alcanza 76.84, 15 puntos por encima de GPT-6 Luna. SWE-Bench Atlas llega a 51.08, frente a 33.33 de Luna y 32.26 de Haiku 5.5. GPQA Diamond se sitúa en 89.23.
Las pérdidas también importan. Haiku 5.5 gana en DeepSWE v1 (51.62 vs 46.31) y MRCR v2 (78.40 vs 75.50). GPT-6 Luna se adelanta ligeramente en AA-Omniscience-Public (46.94 vs 46.44) y AA-LCR v1.1 (78.30 vs 77.67). La recuperación en contextos largos y las tareas de codificación más extensas siguen siendo los puntos débiles.
Mercury 3 vs GPT-6 Luna vs Claude Haiku 5.5
| Característica | Mercury 3 | GPT-6 Luna | Claude Haiku 5.5 |
|---|---|---|---|
| Desarrollador | Inception | OpenAI | Anthropic |
| Método de generación | Difusión (refinamiento paralelo) | No divulgado | No divulgado |
| Parámetros | No divulgado | No divulgado | No divulgado |
| Ventana de contexto | 1M | 1.05M | 1M |
| Salida máxima | No divulgado | 128K | 128K |
| Modalidades de entrada | No divulgado | Texto, imagen | Texto, imagen |
| Pesos abiertos | No (API) | No (API) | No (API) |
| Velocidad de salida (medición de Inception) | 1,068 tok/s | ~130 tok/s | ~240 tok/s |
| Precio, $/1M entrada / salida | $0.20 / $0.70 de lista ($0.10 / $0.35 de lanzamiento) | $0.10 / $0.50 (contexto corto) | $0.10 / $0.50 (prompts de hasta 100K) |
| GPQA Diamond | 89.23 | 86.36 | 84.51 |
| IFBench | 76.84 | 61.82 | 54.65 |
| SWE-Bench Atlas | 51.08 | 33.33 | 32.26 |
| DeepSWE v1 | 46.31 | 37.76 | 51.62 |
| MRCR v2 | 75.50 | 62.72 | 78.40 |
Filas de velocidad y benchmarks: tabla de Inception, ajustes medium. Especificaciones y precios: la documentación de cada proveedor.
¿Qué reportan los primeros usuarios?
Inception cita a 4 socios de acceso anticipado. Estas son declaraciones de clientes, no evaluaciones independientes.
- TinyFish ejecutó 50 tareas en vivo de navegación web de Mind2Web. Mercury 3 completó el 50% de ellas. Inception dice que eso superó a GPT-6.1-Sol pero no da una cifra de Sol.
- Octen AI reporta 0.9 segundos de generación mediana y 2.2 segundos de extremo a extremo para búsquedas en smart-glasses.
- RevisionDojo dice que las pistas y las respuestas marcadas regresan en alrededor de un segundo.
- Lorikeet dice que Mercury 3 superó a otros modelos en latencia y evaluaciones para agentes de soporte.
¿Cómo pueden los desarrolladores usar Mercury 3?
Mercury 3 está disponible en el Inception API Platform, OpenRouter, Baseten y Vercel. La API es compatible con OpenAI. La docs usan la cadena de modelo mercury-3 y un reasoning_effort parámetro.
La lista de precios es de $0.20 por 1M de tokens de entrada y $0.70 por 1M de tokens de salida. En el lanzamiento tiene 50% de descuento: $0.10 y $0.35. La entrada en caché tiene 90% de descuento. Las cuentas nuevas reciben 100M de tokens gratis. Los planes Enterprise añaden capacidad dedicada, autoscaling y retención de datos configurable.
Inception también lanza 2 modelos hermanos:
- Mercury Voice apunta al tiempo hasta el primer token de respuesta en agentes de voz.
- Mercury Decide es un modelo de clasificación.
Conclusiones clave
- Mercury 3 es un LLM de difusión que afirma alcanzar 1,068 tok/s y 1M de contexto.
- Lidera 8 de 12 benchmarks ejecutados por proveedores frente a GPT-6 Luna y Haiku 5.5.
- Sus mayores victorias: SWE-Bench Atlas 51.08 e IFBench 76.84.
- Haiku 5.5 sigue ganando en DeepSWE v1 y MRCR v2.
- El precio de lanzamiento es $0.10 / $0.35, subiendo a $0.20 / $0.70.
Echa un vistazo a el blog oficial de lanzamiento, la documentación de la API y el listado en OpenRouter. Lee también nuestra cobertura anterior de Drex 1.5. Todo el crédito corresponde al investigador de este proyecto. Además, no dudes en seguirnos en Twitter y no olvides unirte a nuestro SubReddit de ML con más de 150k miembros y suscribirte a nuestro boletín. ¡Espera! ¿estás en telegram? ahora también puedes unirte a nosotros en telegram.
La entrada Inception lanza Mercury 3, un LLM de difusión a 1,068 tokens por segundo apareció primero en MarkTechPost.