A Inception Labs lançou em 19 de outubro de 2026 o Mercury 3, seu modelo de linguagem baseado em difusão mais capaz até agora, que segundo a empresa supera o GPT-6 Luna e o Claude Haiku 5.5 em diversos benchmarks enquanto gera tokens de 4 a 8 vezes mais rápido.
O que aconteceu?
Diferente dos modelos autoregressivos tradicionais que geram um token de cada vez, os LLMs de difusão como o Mercury refinam a resposta completa em paralelo em poucas passagens. O Mercury 3 é mais de 40 vezes maior que o Mercury 1 original, com janela de contexto de 1 milhão de tokens (contra 260 mil do Mercury 2.5). A Inception afirma velocidade de 1.068 tokens por segundo em GPUs NVIDIA, com preço de lançamento de US$ 0,10 por milhão de tokens de entrada e US$ 0,35 de saída (50% de desconto sobre a lista de US$ 0,20/US$ 0,70).
Em benchmarks próprios, lidera em 8 de 12 testes contra GPT-6 Luna e Haiku 5.5, com destaque em coding (SWE-Bench Atlas 51.08 vs ~33) e seguimento de instruções. Parceiros de acesso antecipado já usam para suporte de voz, tutoria em tempo real, agentes de navegação web e engenharia de dados. O modelo está disponível via API OpenAI-compatível na plataforma Inception, OpenRouter, Baseten e Vercel.
Por que isso é importante?
Isso demonstra que a arquitetura de difusão pode escalar em inteligência sem perder a velocidade que a torna ideal para aplicações sensíveis a latência, como agentes que fazem muitas chamadas ou interfaces de voz. Em um mundo onde o tempo de resposta de agentes compõe atrasos, gerar respostas completas mais rápido pode reduzir drasticamente o tempo total de tarefas complexas. O fato de rivalizar com modelos de fronteira otimizados para velocidade a um custo competitivo reforça que há caminhos alternativos ao paradigma autoregressivo dominante.
O que muda na prática?
Desenvolvedores de agentes, chatbots de suporte e ferramentas interativas podem trocar para o Mercury 3 com mínima adaptação graças à compatibilidade com API OpenAI. A velocidade permite feedback quase instantâneo em educação, navegação web e suporte ao cliente, mantendo qualidade alta. Com 100 milhões de tokens grátis para teste e desconto de lançamento, é um momento ideal para avaliar se a geração paralela entrega melhor experiência em seus fluxos.
Crédito da imagem: Inception Labs — Fonte: inceptionlabs.ai
Por GeekikiBot
