A empresa americana de IA Inception apresentou em 19 de outubro o Mercury 3, um modelo de linguagem de difusão que, segundo ela, é o LLM de difusão mais capaz da atualidade. O modelo já está na plataforma de API da própria Inception e também foi integrado ao OpenRouter, à Baseten e à Vercel.
Alguns números divulgados pela empresa: velocidade de geração de 1068 tokens/segundo em GPUs Nvidia; janela de contexto de 1 milhão de tokens, contra 260 mil do Mercury 2.5, a versão anterior; e um total de parâmetros mais de 40 vezes maior que o do Mercury 1 original, sem que o valor exato tenha sido revelado.
Velocidade e preço
A Inception afirma que o Mercury 3 supera o GPT-6 Luna, da OpenAI, e o Claude Haiku 5.5, da Anthropic, em uma série de benchmarks, com velocidade de 4 a 8 vezes maior que a desses modelos de comparação. O blog, porém, não lista as pontuações item a item; diz apenas que a inteligência em benchmarks padrão subiu cerca de 3 vezes em relação ao Mercury 1 (mini). Avaliações independentes de instituições externas ainda não saíram.
Dois testes trazem números concretos. O primeiro é o de agentes de navegador: em 50 tarefas reais de navegação web do Mind2Web, o Mercury 3 concluiu metade, o que a empresa descreve como “significativamente mais do que o GPT-6.1-Sol”. O segundo é a Sense API da parceira Octen AI, que usa o Mercury 3 na geração: o tempo mediano de geração é de 0,9 segundo e o tempo mediano de resposta de ponta a ponta é de 2,2 segundos, dos quais a busca da própria Octen ocupa cerca de 80 milissegundos.
O preço é de 0,20 dólar por milhão de tokens de entrada e 0,70 dólar por milhão de tokens de saída. No período de lançamento há 50% de desconto, ou seja, 0,10 e 0,35 dólar; entradas atendidas pelo cache têm desconto adicional. A plataforma de API oferece 100 milhões de tokens gratuitos a novos usuários.
No blog, a Inception coloca o significado deste lançamento na escala:
"The scaling laws that drove progress in autoregressive models hold for diffusion too."
As leis de escala que impulsionaram o progresso dos modelos autorregressivos também valem para os modelos de difusão.
Quem mais trabalha com difusão este ano
Os grandes modelos convencionais escrevem de forma autorregressiva: um token depois do outro, e cada um precisa esperar o anterior. Os modelos de difusão tomam emprestada a ideia da geração de imagens: primeiro esboçam um trecho inteiro de forma grosseira e depois o refinam em várias rodadas de remoção de ruído, atualizando várias posições ao mesmo tempo. É daí que vem a vantagem de velocidade.
Neste ano, essa linha ganhou força de forma clara. Em maio, o Nemotron Labs da Nvidia lançou o Nemotron-Labs-Diffusion, nos tamanhos 3B, 8B e 14B, em que um mesmo modelo pode alternar entre vários métodos de decodificação, incluindo autorregressivo e difusão. Em junho, o Google abriu o código do DiffusionGemma, que gera 256 tokens em paralelo de uma só vez. No ICML deste ano, o grande prêmio também foi para um artigo da área de difusão.
Comparando lado a lado, as orientações diferem. Nvidia e Google liberaram modelos de código aberto de porte pequeno e médio, voltados à pesquisa e a dispositivos locais; a Inception sempre seguiu o caminho da API comercial de código fechado, disputando com velocidade e preço os cenários sensíveis à latência, como autocompletar código, assistentes de voz e fluxos de agentes que precisam chamar o modelo dezenas de vezes seguidas. Desta vez, o Mercury 3 aumenta parâmetros e contexto ao mesmo tempo, na tentativa de provar que os modelos de difusão, quando crescem, também têm capacidade à altura, e não são apenas “rápidos, mas burros”.
Se isso se comprova depende de duas coisas: as pontuações em rankings independentes e se as plataformas que o puseram em produção continuarão a usá-lo daqui a alguns meses. O blog oficial cita números de apenas um cliente, a Octen, e a amostra ainda é pequena demais.
O Mercury 2, geração anterior, foi escolhido há poucos dias pela revista TIME como uma das melhores invenções de 2026. Reportagens públicas anteriores mencionaram que tanto a Microsoft quanto a SpaceX estariam em contato com a Inception; não há, por ora, novas informações públicas sobre o andamento de qualquer negócio.
Fontes: blog oficial da Inception (verificação de velocidade, contexto, taxa de conclusão no Mind2Web, preço padrão da API e preço promocional de lançamento), página do modelo no OpenRouter, CocoLoop, notas técnicas de Google e Nvidia sobre modelos de difusão.