Mercury 3 teste la diffusion de texte à grande échelle

Inception lance Mercury 3, un modèle de langage par diffusion atteignant 1 068 tokens par seconde, avec un contexte d'un million de tokens et une API.

Depuis l’arrivée des premiers modèles de langage par diffusion destinés à un usage commercial, une question revenait : leur avantage de vitesse survit-il à l’augmentation de taille ? La start-up californienne Inception, cofondée par le professeur de Stanford Stefano Ermon, y répond avec Mercury 3 et des chiffres issus de ses propres mesures. Le nombre de paramètres du modèle, non communiqué, dépasse de plus de quarante fois celui de Mercury 1, et sa vitesse de sortie atteint 1 068 tokens par seconde sur des GPU NVIDIA dont la référence n’est pas précisée. La fenêtre de contexte passe à un million de tokens, contre 260 000 pour Mercury 2.5. Une réponse ébauchée d’un bloc, puis affinée

Les modèles autorégressifs écrivent un token après l’autre, chaque nouveau token attendant le précédent. Un modèle par diffusion part d’une ébauche de la réponse entière, puis en corrige toutes les positions en parallèle au fil de quelques passes. Moins d’étapes séquentielles signifie une sortie plus rapide sur les mêmes GPU, à condition que la qualité suive lorsque le modèle grossit. Sur ce point, Inception affirme que le score de son indice composite a triplé entre Mercury 1 (mini) et Mercury 3, et que les lois d’échelle observées sur les modèles autorégressifs s’appliquent aussi à la diffusion. Dans le communiqué de lancement, Stefano Ermon situe les limites de l’approche du côté de la puissance de calcul et des données, et non dans un verrou de méthode. Un indice maison, rebaptisé après coup

La comparaison avec GPT-6 Luna et Claude Haiku 5.5, les petits modèles optimisés pour la vitesse d’OpenAI et d’Anthropic, provient de tests conduits par Inception, tous les modèles étant réglés en effort moyen. Le score agrégé mis en avant, d’abord présenté comme un « Intelligence Index », a fait l’objet d’une précision publiée sur 𝕏 après le lancement : il s’agit d’une moyenne pondérée de douze évaluations, parmi lesquelles GDPval, SciCode, Tau3-Banking, IFBench, GPQA Diamond, Terminal-Bench v2.1 et BrowseComp+, distincte de l’indice homonyme d’Artificial Analysis. Le billet de lancement parle désormais de « Model Quality », et deux tests de la liste ont été renommés pour éviter toute confusion avec les évaluations du même organisme.

Dans le tableau détaillé, tel que MarkTechPost l’a retranscrit, Mercury 3 devance ses deux concurrents sur huit tests sur douze. Les écarts les plus nets portent sur le suivi d’instructions, avec 76,84 sur IFBench contre 61,82 pour GPT-6 Luna et 54,65 pour Claude Haiku 5.5, et sur le code agentique, avec 51,08 sur SWE-Bench Atlas contre 33,33 et 32,26. Les tâches de code plus longues et la recherche d’informations dans un long contexte restent à l’avantage de Claude Haiku 5.5, devant sur DeepSWE v1 (51,62 contre 46,31) et sur MRCR v2 (78,40 contre 75,50). Plus mince, l’avance de GPT-6 Luna porte sur AA-Omniscience-Public, consacré aux connaissances factuelles, et sur AA-LCR v1.1, centré sur le raisonnement en contexte long. Le même tableau situe la vitesse de sortie des rivaux autour de 130 tokens par seconde pour GPT-6 Luna et de 240 pour Claude Haiku 5.5, d’où l’écart de quatre à huit fois revendiqué.

Quatre partenaires en accès anticipé témoignent aussi dans le billet, des retours publiés par Inception et non des évaluations indépendantes. Sur 50 tâches de navigation web issues de Mind2Web, l’équipe de TinyFish dit avoir vu Mercury 3 en mener la moitié à terme, nettement plus que GPT-6.1-Sol selon elle, sans donner le score de ce dernier. Pour de la recherche sur lunettes connectées, Octen AI mesure un temps de génération médian de 0,9 seconde et une réponse complète en 2,2 secondes, tandis que la plateforme de tutorat RevisionDojo dit renvoyer indices et corrections en une seconde environ. Moins cher en sortie au lancement, plus cher au tarif plein

La grille officielle fixe Mercury 3 à 0,20 dollar par million de tokens en entrée et 0,70 dollar en sortie, mais une remise de 50 % s’applique au lancement, sans date de fin indiquée, soit 0,10 et 0,35 dollar. Les tokens d’entrée en cache coûtent 90 % de moins que le prix d’entrée. Pour des prompts courts, GPT-6 Luna et Claude Haiku 5.5 sont tous deux facturés 0,10 dollar en entrée et 0,50 dollar en sortie, avec des tarifs relevés au-delà de 272 000 tokens d’entrée pour le premier et de 100 000 tokens de prompt pour le second. À nombre de tokens égal, Mercury 3 s’aligne sur eux en entrée et coûte 30 % de moins en sortie pendant la promotion, puis deux fois plus en entrée et 40 % de plus en sortie au tarif plein.

L’accès passe uniquement par API, sans open weights : plateforme d’Inception, OpenRouter, Baseten et passerelle IA de Vercel. Compatible avec l’API d’OpenAI, le modèle répond à l’identifiant `mercury-3` et accepte un paramètre `reasoningeffort` pour doser le raisonnement, selon la documentation. Chaque nouveau compte reçoit 100 millions de tokens gratuits sans moyen de paiement à renseigner, et une interface de chat sert de banc d’essai sans code. Une échéance pour Mercury 2, un réglage à vérifier pour les prompts

L’arrivée de Mercury 3 ferme la porte aux versions précédentes pour les nouveaux venus : d’après la page des modèles, Mercury 2 et Mercury 2.5 ne sont plus proposés aux nouveaux utilisateurs. Les clients qui les utilisaient avant le 19 octobre 2026 en gardent l’accès jusqu’au 15 novembre 2026, et les entreprises restent couvertes par leurs contrats en cours, les consignes de migration passant par leur interlocuteur chez Inception ou par la documentation.

Les conditions d’utilisation de la plateforme autorisent en outre Inception à exploiter les contenus soumis, prompts compris, pour entraîner ses modèles. Pour s’y opposer, il faut désactiver l’option « Improve the model for everyone » dans les réglages utilisateur de la plateforme API, les offres entreprise proposant de leur côté une durée de conservation des données configurable.