L’entreprise américaine d’IA Inception a présenté le 19 octobre Mercury 3, un modèle de langage de diffusion qu’elle présente comme le LLM de diffusion le plus performant à ce jour. Le modèle est déjà disponible sur la plateforme d’API propre à Inception et a également été intégré à OpenRouter, Baseten et Vercel.
Quelques chiffres communiqués par l’entreprise : une vitesse de génération de 1068 tokens/seconde sur GPU Nvidia ; une fenêtre de contexte de 1 million de tokens, contre 260 000 pour la version précédente, Mercury 2.5 ; et un nombre total de paramètres plus de 40 fois supérieur à celui du tout premier Mercury 1, sans que la valeur exacte soit dévoilée.
Vitesse et prix
Inception affirme que Mercury 3 dépasse GPT-6 Luna d’OpenAI et Claude Haiku 5.5 d’Anthropic sur une série de benchmarks, avec une vitesse 4 à 8 fois supérieure à celle de ces modèles de comparaison. Le billet de blog ne donne toutefois pas les scores détaillés ; il indique seulement que le niveau d’intelligence sur les benchmarks standard a été multiplié par environ 3 par rapport à Mercury 1 (mini). Les évaluations indépendantes d’organismes extérieurs ne sont pas encore parues.
Deux tests s’appuient sur des chiffres précis. Le premier concerne les agents de navigation : sur 50 tâches réelles de navigation web de Mind2Web, Mercury 3 en a réussi la moitié, ce que l’entreprise qualifie de « nettement plus que GPT-6.1-Sol ». Le second est l’API Sense du partenaire Octen AI, qui utilise Mercury 3 pour la génération : le temps de génération médian est de 0,9 seconde et le temps de réponse médian de bout en bout de 2,2 secondes, dont environ 80 millisecondes seulement pour la recherche propre d’Octen.
Le prix est de 0,20 dollar le million de tokens en entrée et de 0,70 dollar le million de tokens en sortie. Pendant le lancement, une remise de 50 % s’applique, soit 0,10 et 0,35 dollar ; les entrées servies par le cache bénéficient d’une réduction supplémentaire. La plateforme d’API offre 100 millions de tokens gratuits aux nouveaux utilisateurs.
Dans son blog, Inception fait reposer la portée de ce lancement sur le passage à l’échelle :
"The scaling laws that drove progress in autoregressive models hold for diffusion too."
Les lois d’échelle qui ont fait progresser les modèles autorégressifs valent aussi pour les modèles de diffusion.
Qui mise sur la diffusion cette année
Les grands modèles dominants écrivent de manière autorégressive : ils produisent un token après l’autre, chacun devant attendre le précédent. Les modèles de diffusion empruntent l’idée à la génération d’images : ils posent d’abord un brouillon grossier d’un passage entier, puis le corrigent en plusieurs passes de débruitage, en mettant à jour de nombreuses positions à la fois. C’est de là que vient l’avantage de vitesse.
Cette année, la voie a nettement pris de l’ampleur. En mai, Nemotron Labs de Nvidia a publié Nemotron-Labs-Diffusion, en tailles 3B, 8B et 14B, dont un même modèle peut basculer entre plusieurs modes de décodage, dont l’autorégressif et la diffusion. En juin, Google a ouvert le code de DiffusionGemma, qui génère 256 tokens en parallèle d’un seul coup. À l’ICML de cette année, le grand prix est aussi allé à un article consacré à la diffusion.
En comparaison, les orientations diffèrent. Nvidia et Google ont publié des modèles open source de petite et moyenne taille, plutôt tournés vers la recherche et les appareils locaux ; Inception a toujours suivi la voie de l’API commerciale en code fermé, misant sur la vitesse et le prix pour séduire les usages sensibles à la latence, comme la complétion de code, les assistants vocaux et les flux d’agents qui doivent appeler le modèle des dizaines de fois d’affilée. Avec Mercury 3, la société augmente à la fois les paramètres et le contexte, pour démontrer que les modèles de diffusion, une fois agrandis, tiennent aussi la route, et ne sont pas seulement « rapides mais bêtes ».
La preuve dépendra de deux choses : les scores sur des classements indépendants, et la question de savoir si les plateformes qui l’ont mis en production continueront de l’utiliser dans quelques mois. Le blog officiel ne cite que les chiffres d’un client, Octen ; l’échantillon est encore trop mince.
La génération précédente, Mercury 2, vient d’être retenue il y a quelques jours par le magazine TIME parmi les meilleures inventions de 2026. Des informations publiques antérieures évoquaient des contacts de Microsoft et de SpaceX avec Inception ; il n’existe pour l’instant aucune nouvelle information publique sur l’avancement d’éventuelles transactions.
Sources : blog officiel d’Inception (vérification de la vitesse, du contexte, du taux de réussite Mind2Web, du tarif standard de l’API et du tarif promotionnel de lancement), page du modèle sur OpenRouter, CocoLoop, notes techniques de Google et de Nvidia sur les modèles de diffusion.