O Mercury 3 modelo difusão foi lançado pela Inception Labs em 19 de outubro de 2026. A proposta é diferente dos LLMs convencionais: em vez de gerar um token por vez em sequência (decodificação autorregressiva, o padrão do Claude e do GPT), o Mercury 3 gera tokens em lotes paralelos, o que explica a velocidade.
Os números declarados pela Inception: 1.068 tokens por segundo em GPUs NVIDIA, quatro a oito vezes mais rápido que modelos de velocidade comparável. A ressalva do blog da OrcaRouter, publicado em 19 de outubro de 2026, é direta: a empresa não especificou o hardware, o tamanho do lote, o nível de esforço de raciocínio nem se a medição é de fluxo único ou agregado. Números independentes do Artificial Analysis ainda não estavam publicados até 20 de outubro.
O que muda com a arquitetura de difusão
A diferença técnica do Mercury 3 modelo difusão importa para quem constrói sistemas com muitas chamadas por segundo. Agentes de triagem de e-mails, classificadores de documentos, bots de atendimento em tempo real e pipelines de extração de dados são os casos de uso onde gerar 1.000 tokens por segundo faz diferença.
O contexto subiu de 260 mil tokens no Mercury 2.5 para 1 milhão no Mercury 3, com saída máxima de 131.072 tokens. Quatro níveis de esforço de raciocínio estão disponíveis: instant, low, medium e high. O padrão do Mercury 3 é low, mais rápido que o medium padrão das versões anteriores.
A API é compatível com o padrão OpenAI de chat completions. O modelo aceita chamadas de ferramentas (tool calling) e saídas estruturadas. Texto como entrada e saída; sem suporte a imagem ou áudio por enquanto.
Custo: o argumento mais forte do Mercury 3
O preço de lançamento é $0,10 por milhão de tokens de entrada e $0,35 por milhão de saída. O preço de lista, sem desconto, é $0,20 e $0,70. O desconto de 50% não tem data de encerramento, então o preço de lista é o número mais seguro para planejamento.
Para comparação, segundo a OrcaRouter, o Claude Haiku 5.5 custa aproximadamente 5 vezes mais por token de saída no preço de lista. Para uma carga diária de 10 milhões de tokens de entrada e 40 milhões de saída, o custo seria de $15 por dia no preço de lançamento do Mercury 3, contra $30 no preço cheio.
O custo de cache é relevante para agentes com contexto recorrente: um preâmbulo de 20 mil tokens custa $0,0001 por chamada com cache versus $0,004 sem, segundo o exemplo da OrcaRouter. Em 50 passos de um agente, a diferença é de dois centavos versus vinte centavos por execução.
Por que isso importa para o seu negócio
O Mercury 3 modelo difusão não compete com modelos de raciocínio pesado como o Claude Opus ou o GPT-6 Astra para tarefas que exigem análise profunda. A posição da Inception é clara: o Mercury 3 compete com modelos frontier otimizados para velocidade, não com os modelos de raciocínio de ponta.
Os casos de uso do lado do negócio são sistemas de resposta rápida: chatbots de atendimento ao cliente que não podem esperar 2 segundos por resposta, pipelines de extração de dados que processam centenas de documentos por hora, ou automações de triagem que categorizam itens em tempo real.
Os benchmarks de qualidade citados pela Inception são internos: no Mind2Web, o Mercury 3 completou 50% de 50 tarefas de navegação ao vivo, com resultado declarado como superior ao GPT-6.1-Sol no mesmo teste. Sem os números do concorrente publicados para verificação. Para avaliar a qualidade do modelo na prática, testar com os 100 milhões de tokens gratuitos oferecidos para novos usuários é o caminho mais direto.
Empresários que já usam o Claude Dashboards para análise de dados podem avaliar o Mercury 3 como alternativa para pipelines de alto volume onde custo e velocidade pesam mais que profundidade de raciocínio.
Conteúdo reescrito e traduzido para PT pela redação luiscortex, revisado por humano.
Fonte: OrcaRouter Blog
