Mercury 3 od Inception. Dyfuzyjny model językowy z kontekstem 1 mln tokenów

Czym różni się model dyfuzyjny od klasycznego LLM

Większość dużych modeli językowych, w tym GPT, Claude i Gemini, działa autoregresyjnie. Każdy kolejny token powstaje dopiero po poprzednim, więc czas odpowiedzi rośnie z jej długością. Modele dyfuzyjne, znane wcześniej głównie z generowania obrazów, zaczynają od zgrubnej wersji całej odpowiedzi i w kilku krokach poprawiają wiele tokenów naraz.

Dzięki temu lepiej wykorzystują równoległą pracę kart graficznych. Inception rozwija tę architekturę od lutego 2025 roku, kiedy pokazał Mercury Coder. Według firmy Mercury 3 ma ponad 40 razy więcej parametrów niż pierwsza wersja, ale dokładnej liczby nie ujawniono. Podobną drogą idzie Google DeepMind, który w czerwcu pokazał DiffusionGemma z 26 mld parametrów.

Cena Mercury 3 w złotych

Inception podaje ceny w dolarach, netto, za 1 mln tokenów. Przeliczyliśmy je po średnim kursie NBP z 20 października 2026 roku (1 USD = 3,8959 zł). Firmy w Polsce rozliczają usługę zagraniczną zwykle w mechanizmie odwrotnego obciążenia, więc do kosztu trzeba doliczyć VAT według własnej sytuacji podatkowej.

• Wejście, cena promocyjna: 0,10 USD, ok. 0,39 zł.
• Wyjście, cena promocyjna: 0,35 USD, ok. 1,36 zł.
• Wejście, cena standardowa: 0,20 USD, ok. 0,78 zł.
• Wyjście, cena standardowa: 0,70 USD, ok. 2,73 zł.
• Tokeny wejściowe z pamięci podręcznej: 90 proc. taniej od ceny wejścia.

Deklarowane wyniki i to, czego brakuje

Inception twierdzi, że Mercury 3 przewyższa Claude Haiku 5.5 i GPT-6 Luna w zestawie testów, w tym w zadaniach agentowych. Na stronie premiery nie ma jednak nazw większości benchmarków ani wyników liczbowych. Jedyny konkretny wynik pochodzi z testu Mind2Web przeprowadzonego przez firmę TinyFish AI, w którym model wykonał 50 proc. z 50 zadań nawigacji po stronach WWW.

Redaktor naczelny The Deep View Jason Hiner zwraca uwagę, że główną przewagą jest szybkość, a nie sama cena, bo tanie warianty modeli konkurencji kosztują podobnie. Wszystkie dane o wydajności pochodzą od producenta i nie zostały niezależnie zweryfikowane. Inception nie podał też, jak model radzi sobie z językiem polskim.

Dla kogo szybki model ma sens

Prędkość ok. 1000 tokenów na sekundę ma znaczenie tam, gdzie użytkownik czeka na odpowiedź na żywo albo gdzie agent wykonuje dziesiątki kroków po kolei. Przykłady to asystenci głosowi, podpowiedzi w edytorze kodu, wyszukiwarki w sklepach internetowych i automatyczna obsługa zgłoszeń. W takich zastosowaniach każda sekunda opóźnienia przekłada się na porzucone rozmowy lub dłuższy czas pracy agenta.

Zgodność z API OpenAI oznacza, że zespół korzystający już z bibliotek OpenAI może przetestować Mercury 3 po zmianie adresu i nazwy modelu. W naszej ocenie warto zrobić to na własnych danych, w tym na polskich tekstach, i porównać nie tylko czas odpowiedzi, ale też liczbę błędów i koszt całego zadania.

Ograniczenia dla firm z Polski i UE

Strona premiery nie wskazuje, w jakich regionach przetwarzane są dane. Inception oferuje wdrożenia dla firm z kontrolą zgodności i konfigurowalnym okresem przechowywania danych, ale bez publicznych informacji o serwerach w UE. Przed wysłaniem do modelu danych osobowych trzeba więc sprawdzić umowę powierzenia i warunki transferu poza Europejski Obszar Gospodarczy.

Drugą niewiadomą jest czas trwania promocji. Stefano Ermon powiedział The Deep View, że firma pracuje nad tym, by cena startowa została na stałe, ale to nie jest zobowiązanie. Kalkulacje kosztów najlepiej oprzeć na cenie standardowej.