Inception lança Mercury 3, IA 40% mais rápida que GPT-6 Luna
Inception apresenta Mercury 3, modelo de linguagem por difusão que promete gerar texto até oito vezes mais rápido que rivais, com melhor desempenho em instrução e codificação autônoma.
Tecnologia
Inception revela modelo de linguagem inovador que supera concorrentes em velocidade e eficiência na geração de texto.
Leia também: 5 presentes tech para mães que vão surpreender neste fim de ano
A Inception lançou o Mercury 3, novo modelo de linguagem por difusão que promete superar os concorrentes GPT-6 Luna e Claude Haiku 5.5 em velocidade e em boa parte dos testes de qualidade, com foco em aplicações que exigem múltiplas interações rápidas, como agentes de IA, busca, atendimento ao cliente e tutoria.
Como funciona o Mercury 3 e por que ele é mais rápido
Em vez de produzir texto palavra por palavra, como fazem os modelos tradicionais, o Mercury 3 segue a lógica dos modelos de imagem por difusão: ele primeiro esboça toda a resposta e depois a refina em várias passadas, gerando muitos tokens de uma vez. Com isso, reduz o tempo de espera em fluxos em que o modelo é chamado diversas vezes em sequência.
Segundo a Inception, o Mercury 3 gera 1.068 tokens por segundo em GPUs Nvidia, contra cerca de 240 tokens por segundo do Claude Haiku 5.5 e 130 do GPT-6 Luna. A empresa afirma ainda que o novo modelo tem mais de 40 vezes os parâmetros do Mercury 1, mas mantém velocidade semelhante, e que o desempenho triplicou em relação ao Mercury 1 mini, sinal de que essa arquitetura escala bem sem perder agilidade.
O modelo já está disponível na própria plataforma da Inception e também em serviços como OpenRouter, Baseten e Vercel. A API é compatível com a usada pelos modelos da OpenAI, o que permite a desenvolvedores migrar aplicações com poucas mudanças de código.
Desempenho em benchmarks e pontos fortes
Nos testes internos divulgados pela empresa, o Mercury 3 vence oito de 12 benchmarks quando comparado a GPT-6 Luna e Claude Haiku 5.5 em configurações médias. A vantagem é mais clara em tarefas de seguir instruções e em codificação autônoma.
No IFBench, voltado a avaliação de instruções, o Mercury 3 marca 76,84 pontos, 15 a mais que o GPT-6 Luna — número que a própria métrica destaca ao registrar que “Mercury 3 scores 76.84 points, 15 more than GPT-6 Luna”. Em codificação autônoma, no teste SWE-Bench Atlas, o Mercury 3 atinge 51,08 pontos, enquanto os rivais ficam em 33,33 e 32,26.
Os concorrentes ainda levam vantagem em nichos específicos. O Claude Haiku 5.5 sai na frente em tarefas de programação de longo prazo (DeepSWE) e na recuperação de informações em textos muito extensos, enquanto o GPT-6 Luna lidera em duas avaliações de análise artificial. Na própria síntese divulgada pela Inception, a qualidade geral do Mercury 3 é descrita como “no mesmo nível ou melhor”, a depender do cenário.
Apesar dos números animadores, a empresa reconhece que ainda não há testes independentes que validem o desempenho em ambientes variados, o que deixa uma margem de incerteza até que laboratórios externos e grandes clientes publiquem suas próprias medições.
Aplicações: de smart glasses a atendimento ao cliente
A Inception posiciona o Mercury 3 principalmente para agentes de IA, sistemas de busca, atendimento ao cliente e plataformas de tutoria — casos em que o modelo é chamado repetidas vezes e atrasos de poucos segundos acabam se somando até comprometer a experiência.
Parceiros que tiveram acesso antecipado relatam ganhos de tempo significativos. A Octen AI, que desenvolve recursos de busca para smart glasses, afirma ter reduzido a mediana de resposta do modelo de linguagem para 0,9 segundo, em um fluxo total de cerca de 2,2 segundos. O fundador Kuan Zou resume o problema que tenta resolver: “On smart glasses, an answer that takes five seconds feels broken”. Segundo ele, a própria busca dura apenas 80 milissegundos; o gargalo estava na geração de texto.
Na área de educação, a General Learning relata que agora consegue entregar dicas e correções a estudantes em cerca de um segundo. Já a Lorikeet, focada em atendimento ao cliente, aponta respostas mais rápidas e também melhor qualidade nas interações, o que tende a reduzir fricção em canais digitais.
Entre soluções de agentes autônomos, a TinyFish AI testou o Mercury 3 em 50 tarefas reais de navegação em sites. O cofundador Shuhao Zhang conta que “Mercury 3 was given 50 navigation tasks on real websites. It solved 25, beating GPT-6.1-Sol”, sem detalhar o desempenho exato do modelo rival. O resultado reforça o interesse do mercado em combinar velocidade e capacidade de raciocínio em contextos de uso contínuo.
Preço, contexto de mercado e próximos passos
O Mercury 3 estreia com preço regular de US$ 0,20 por milhão de tokens de entrada e US$ 0,70 por milhão de tokens de saída, com um desconto inicial de 50% no lançamento. A Inception não informa até quando a promoção vale. O modelo aceita até 1 milhão de tokens por prompt, o que o torna competitivo em cenários com contextos extensos, em que rivais costumam encarecer o uso à medida que o tamanho da entrada cresce.
O lançamento ocorre em um momento em que grandes empresas de tecnologia também apostam em modelos de linguagem por difusão. O Google desenvolve o Gemini Diffusion e o modelo aberto DiffusionGemma, que, segundo a empresa, roda até quatro vezes mais rápido que o Gemma 4 padrão, embora com qualidade um pouco inferior, o que indica uma tendência mais ampla de buscar ganhos de performance com esse tipo de arquitetura.
A Inception, por sua vez, já havia apresentado o Mercury 2 como um modelo de difusão capaz de raciocinar em etapas intermediárias antes de responder. A startup levantou US$ 50 milhões em investimentos, com participação de NVentures, M12 e Snowflake Ventures, braços de venture capital de Nvidia, Microsoft e Snowflake, o que garante fôlego financeiro para disputar espaço com gigantes do setor.
Os próximos passos incluem ampliar o acesso ao Mercury 3, consolidar a base de usuários desenvolvedores e atrair testes independentes que confirmem — ou relativizem — as alegações de desempenho. A resposta da concorrência deve acelerar uma nova rodada de inovações em modelos mais rápidos e eficientes, com impacto direto em agentes autônomos, assistentes virtuais, plataformas educacionais e serviços de atendimento digital.
Fonte: matéria original
