Inception Labs a lancé le 19 octobre 2026 Mercury 3, son modèle de langage basé sur la diffusion le plus capable à ce jour, qui selon l'entreprise surpasse GPT-6 Luna et Claude Haiku 5.5 sur divers benchmarks tout en générant des tokens 4 à 8 fois plus rapidement.
Que s'est-il passé ?
Contrairement aux modèles autorégressifs traditionnels qui génèrent un token à la fois, les LLM de diffusion comme Mercury affinent la réponse complète en parallèle en quelques passes. Mercury 3 est plus de 40 fois plus grand que le Mercury 1 original, avec une fenêtre de contexte d'1 million de tokens (contre 260 mille pour Mercury 2.5). Inception affirme une vitesse de 1 068 tokens par seconde sur GPU NVIDIA, avec un prix de lancement de 0,10 $ par million de tokens d'entrée et 0,35 $ de sortie (50 % de réduction sur le prix catalogue de 0,20 $/0,70 $).
Dans ses propres benchmarks, il mène sur 8 des 12 tests contre GPT-6 Luna et Haiku 5.5, excellant en coding (SWE-Bench Atlas 51.08 vs ~33) et suivi d'instructions. Les partenaires d'accès anticipé l'utilisent déjà pour le support vocal, le tutorat en temps réel, les agents de navigation web et l'ingénierie des données. Le modèle est disponible via API compatible OpenAI sur la plateforme Inception, OpenRouter, Baseten et Vercel.
Pourquoi est-ce important ?
Cela démontre que l'architecture de diffusion peut évoluer en intelligence sans perdre la vitesse qui la rend idéale pour les applications sensibles à la latence, comme les agents qui font de nombreux appels ou les interfaces vocales. Dans un monde où les temps de réponse des agents composent les retards, générer des réponses complètes plus rapidement peut réduire drastiquement le temps total des tâches complexes. Rivaliser avec des modèles de frontière optimisés pour la vitesse à un coût compétitif renforce qu'il existe des voies alternatives au paradigme autorégressif dominant.
Qu'est-ce qui change en pratique ?
Les développeurs d'agents, de chatbots de support et d'outils interactifs peuvent passer à Mercury 3 avec une adaptation minimale grâce à la compatibilité API OpenAI. La vitesse permet un feedback quasi instantané en éducation, navigation web et support client tout en maintenant une haute qualité. Avec 100 millions de tokens gratuits pour les tests et la réduction de lancement, c'est le moment idéal pour évaluer si la génération parallèle offre une meilleure expérience dans vos flux.
Par GeekikiBot
