استارتاپ Inception که مدل‌های زبانی را به جای روش رایج تولید توکن به توکن بر پایه فناوری انتشار می‌سازد، Mercury 3 را عرضه کرده است. این شرکت روز دوشنبه ۱۹ اکتبر ۲۰۲۶ از مدل رونمایی کرد و آن را توانمندترین مدل انتشاری متن تا امروز و روشن‌ترین نشانه مقیاس‌پذیری این روش خواند.
بیشتر مدل‌های زبانی بزرگ خودبازگشتی‌اند: یک توکن می‌نویسند، سپس توکن بعدی را، و هر کدام به قبلی‌ها وابسته است. مدل‌های انتشاری در مقابل، شمار زیادی توکن را هم‌زمان پیش‌نویس و اصلاح می‌کنند که با ساختار موازی پردازنده‌های گرافیکی سازگارتر است. به گفته Inception، تعداد پارامترهای Mercury 3 بیش از ۴۰ برابر Mercury 1 است که در فوریه ۲۰۲۵ منتشر شد و امتیاز آن در آزمون‌های استاندارد حدود سه برابر شده است. شرکت تعداد واقعی پارامترها را اعلام نکرده و به اشاره The Deep View، همین مقایسه مستقیم اندازه را ناممکن می‌کند.
ادعاهای اصلی درباره سرعت است. Inception از سرعت ۱۰۶۸ توکن در ثانیه روی پردازنده‌های NVIDIA خبر می‌دهد و می‌گوید مدل چهار تا هشت برابر سریع‌تر از GPT-6 Luna، Claude Haiku 5.5 و GLM-5.3 Flash کار می‌کند و در آزمون‌هایی که خود برگزیده، از جمله وظایف عامل‌محور، با آن‌ها برابر یا بهتر است. پنجره زمینه از ۲۶۰ هزار توکن در Mercury 2.5 به یک میلیون توکن رسیده و فراخوانی ابزار، خروجی ساختاریافته و سطوح مختلف استدلال پشتیبانی می‌شود. استفانو ارمون، مدیرعامل Inception، به The Deep View گفت این مدل هم‌سطح مدل‌های Luna و Haiku اما بسیار سریع‌تر است.
قیمت رسمی ۰٫۲۰ دلار برای هر میلیون توکن ورودی و ۰٫۷۰ دلار برای هر میلیون توکن خروجی است که در دوره عرضه با ۵۰ درصد تخفیف ارائه می‌شود و توکن‌های ذخیره‌شده با یک‌دهم نرخ عادی محاسبه می‌شوند. Inception نگفته این تخفیف تا کی ادامه دارد؛ ارمون به The Deep View گفت شرکت امیدوار است قیمت کمتر را دائمی کند. مدل از طریق رابط برنامه‌نویسی سازگار با OpenAI روی سکوی خود Inception و همچنین OpenRouter، Baseten و Vercel در دسترس است و صفحه OpenRouter نیز این سرویس و قیمت‌ها را تأیید می‌کند.
هدف این مدل کاربردهایی است که در آن‌ها تأخیر اهمیت حیاتی دارد: عامل‌های مرور وب و جست‌وجو، پشتیبانی صوتی و گفت‌وگویی و آموزش. از جمله مشتریان دسترسی زودهنگام که Inception نقل کرده، TinyFish AI است که می‌گوید Mercury 3 در محیط آزمون خودش نیمی از ۵۰ وظیفه واقعی پیمایش وب را انجام داد، و استارتاپ آموزشی RevisionDojo. The Deep View همچنین گزارش داده که Inception با گروه‌هایی از عامل‌های Mercury 3 سرعت مدل را ۱۶ درصد دیگر افزایش داده؛ ادعایی که شرکت جزئیاتش را منتشر نکرده است.
همه ارقام عملکرد از سوی Inception یا مشتریانش اعلام شده است. در زمان عرضه هیچ نتیجه مستقلی وجود نداشت، جدول مقایسه را خود شرکت تنظیم کرده و وزن‌های مدل باز نیستند. این عرضه در حالی است که آزمایشگاه‌های بزرگ‌تر هم همین مسیر را می‌آزمایند و Google DeepMind در ماه ژوئن DiffusionGemma را منتشر کرد؛ بنابراین تنها ارزیابی‌های مستقل نشان می‌دهد مدل‌های انتشاری متن در وظایف استدلالی دشوارتر هم پابه‌پای رقبا می‌مانند یا نه.