Inception lança Mercury 3, IA de difusão que passa de 1.000 tokens/s

A Inception Labs apresentou nesta segunda-feira (19) o Mercury 3, a nova versão de seu modelo de linguagem baseado em difusão. Segundo o anúncio publicado pela própria empresa, o modelo roda a cerca de 1.068 tokens por segundo em GPUs da Nvidia, aceita até 1 milhão de tokens de contexto e custa uma fração dos modelos de fronteira. A Inception afirma que ele supera o GPT-6 Luna e o Claude Haiku 5.5 em vários testes, sendo de 4 a 8 vezes mais rápido. Os números de desempenho são da própria fabricante e ainda não foram confirmados por avaliações independentes.

O que muda com um modelo de difusão

A maioria dos modelos de linguagem que você conhece, como os do ChatGPT e do Claude, gera texto em sequência: uma palavra (ou pedaço de palavra, o chamado token) depois da outra. Modelos de difusão seguem outro caminho. Eles produzem um rascunho do trecho inteiro e o refinam em várias passadas, em paralelo, parecido com o que acontece em geradores de imagem. A promessa dessa abordagem é velocidade: como muitos tokens são ajustados ao mesmo tempo, a resposta sai bem mais rápido.

No anúncio, a Inception diz que o Mercury 3 tem cerca de 40 vezes mais parâmetros que o Mercury 1 e uma inteligência, medida em seus testes, aproximadamente três vezes maior que a do Mercury 1 mini. A frase que resume a tese da empresa, segundo a página, é que o Mercury 3 "demonstra que a difusão de texto escala". Em outras palavras, a Inception quer provar que dá para crescer esse tipo de modelo sem perder a vantagem de velocidade.

Números e preço divulgados

Pelos dados do anúncio, as principais características são estas:

• Velocidade de cerca de 1.068 tokens por segundo em GPUs da Nvidia.
• Janela de contexto de 1 milhão de tokens, contra 260 mil do Mercury 2.5.
• Preço de US$ 0,20 por milhão de tokens de entrada e US$ 0,70 por milhão de tokens de saída. Há um desconto de lançamento que reduz os valores para US$ 0,10 e US$ 0,35, e o uso de entrada em cache tem 90% de desconto sobre o preço de entrada.
• Compatibilidade com a API da OpenAI, o que facilita trocar o modelo em um sistema que já usa esse formato.
• Disponibilidade na plataforma de API da própria Inception, no OpenRouter, na Baseten e na Vercel, com 100 milhões de tokens gratuitos na plataforma da empresa.

Para empresas, a Inception menciona capacidade dedicada, escalonamento automático, controles de conformidade e retenção de dados configurável. Junto com o Mercury 3, a companhia citou dois produtos relacionados: o Mercury Voice, voltado a agentes de voz de baixa latência, e o Mercury Decide, um modelo de classificação que, segundo a empresa, supera o Jev nos testes JevBench e LegalBench.

O que os parceiros relataram

O texto traz resultados de clientes e parceiros, todos reportados pela Inception e não verificados de forma independente. A TinyFish AI testou o modelo em 50 tarefas reais do Mind2Web, um conjunto que mede agentes que navegam em sites, e disse que o Mercury 3 completou 50% delas, mais do que o GPT-6.1 Sol. A Octen AI informou que, em seus testes com a API Sense, o tempo mediano de geração foi de 0,9 segundo e o tempo mediano de resposta completa foi de 2,2 segundos. A Lorikeet relatou latência menor e avaliações melhores do que outros modelos em testes iniciais.

A página não divulga tabelas completas de benchmarks nem notas exatas, e é por isso que a comparação com GPT-6 Luna e Claude Haiku 5.5 deve ser lida com cautela. Resultados de fabricante costumam usar os testes em que o produto se sai melhor, e a diferença entre um teste de laboratório e o seu uso diário pode ser grande.

Onde a velocidade faz diferença

Velocidade importa pouco quando você faz uma pergunta e espera a resposta com calma. Ela pesa em três situações: agentes que encadeiam dezenas de chamadas seguidas (cada uma soma espera), atendimento por voz, em que um silêncio de dois segundos estraga a conversa, e automações que processam muitos documentos de uma vez. Nesses casos, um modelo que responde em menos de um segundo e custa centavos por milhão de tokens muda a conta do projeto.

Esse movimento de modelos baratos e rápidos não é isolado. Nos últimos dias, a MiniMax lançou o M3.1 Flash para agentes com preço baixo, e antes disso a OpenAI cortou os preços do GPT-6 Sol e Luna pela metade. O que a Inception traz de diferente é a arquitetura: em vez de apenas baratear o mesmo tipo de modelo, aposta em outra forma de gerar texto.

Limites e dúvidas em aberto

Alguns pontos pedem atenção antes de qualquer decisão de compra. Primeiro, qualidade: um modelo pequeno e veloz pode ir bem em tarefas curtas e objetivas, como classificar, extrair dados ou resumir, e ficar atrás de modelos maiores em raciocínio longo ou em código complexo. Segundo, o contexto de 1 milhão de tokens é um limite técnico, e não garante que o modelo use bem todo o texto, algo que costuma exigir teste com os seus próprios documentos. Terceiro, a comparação de velocidade foi feita em hardware específico, e o resultado pode variar conforme a hospedagem escolhida.

Também vale lembrar que o preço promocional de lançamento tem prazo. Quem for montar um produto em cima do Mercury 3 deve calcular o custo com o valor cheio, de US$ 0,20 e US$ 0,70, e tratar o desconto como bônus.

Por que isso importa para você

Se você usa IA para trabalhar ou para vender serviços, o custo por tarefa é o que define a margem. Um modelo que responde quase de imediato e cobra centavos abre espaço para automações que antes não fechavam a conta, como triagem de e-mails, atendimento em voz, classificação de leads e resumo de documentos em grande volume. Para entender como o tamanho do texto afeta custo e qualidade, vale ler nosso guia sobre tokens e janela de contexto em IA.

Na prática, o caminho mais seguro é testar sem compromisso: com 100 milhões de tokens gratuitos na plataforma da Inception, dá para rodar uma amostra real do seu trabalho e comparar tempo, custo e qualidade com o modelo que você já usa. Como a API é compatível com a da OpenAI, trocar o modelo em uma automação costuma ser questão de mudar o endereço e a chave. Se você monta fluxos sem programar, veja como comparar ferramentas em Make ou Zapier: qual automação com IA vale mais a pena, e para pensar em redução de gastos use como usar IA para reduzir custos operacionais em pequenos negócios.

Quem pensa em transformar isso em renda pode juntar velocidade e preço baixo em agentes sob medida para clientes, tema que explicamos em como ganhar dinheiro criando e vendendo agentes de IA personalizados. E, para entender o que separa um agente de uma automação comum, leia agente de IA, chatbot ou automação.

O que observar daqui para frente

O próximo passo é a checagem independente: avaliações de terceiros mostrarão se o Mercury 3 mantém a vantagem de velocidade sem perder qualidade fora dos testes escolhidos pela Inception. Também vale acompanhar se outros laboratórios responderão com seus próprios modelos de difusão e se o preço de lançamento será mantido depois do período promocional.