Почти все языковые модели, которыми мы пользуемся, устроены одинаково: генерируют текст по одному токену, каждый следующий зависит от предыдущего. Это просто и работает, но накладывает потолок на скорость. 19 октября Inception Labs выпустила Mercury 3 — модель, которая генерирует текст иначе: диффузией, как image-модели дорисовывают картинку из шума. Заявленная скорость — более тысячи токенов в секунду при уровне качества скоростных фронтир-моделей. Разбираем, что из этого важно для практики.

Почему это технически важно

Диффузионные LLM существуют несколько лет, но до сих пор оставались любопытным направлением: непонятно было, масштабируются ли они так же, как классические модели. Mercury 3 — первый крупный ответ: модель больше предшественника в сорок с лишним раз, а качество по стандартным бенчмаркам выросло втрое. По словам разработчиков, законы масштабирования, которые подняли автрегрессивные модели, работают и для диффузии [вендор]. Если это подтвердят независимые проверки, у рынка появится вторая ветка архитектур — и конкуренция сместится к скорости и цене инференса.

Где скорость решает

  • Голосовые агенты: каждая секунда паузы в диалоге разрушает ощущение живого разговора — скоростная модель снижает задержку до первого токена.
  • Браузерные агенты: агент ждёт модель на каждом шаге, малые задержки перемножаются; быстрый ответ означает больше попыток за то же время.
  • Поиск в реальном времени: десятки документов нужно прочитать, пока пользователь не ушёл.
  • Образование и поддержка: мгновенная обратная связь держит вовлечённость ученика или клиента.

Что показывают ранние пользователи

Партнёры раннего доступа приводят цифры из своих продуктов. Octen, компания умных очков с поиском, сообщает о медиане генерации 0,9 секунды и сквозном ответе за 2,2 секунды. TinyFish гонял модель в собственном стенде браузерных агентов на пятидесяти живых задачах навигации: Mercury 3 завершил половину из них — больше, чем GPT-6.1 Sol, при тех же объёмах токенов и числе шагов [замеры партнёров, независимой репликации пока нет].

Семейство Mercury

  • Mercury 3 — флагман для текстовых задач с миллионным контекстом.
  • Mercury Voice — настройка под экстремально низкую задержку до первого токена для голосовых агентов; уже работает у нескольких провайдеров голосовых ботов.
  • Mercury Decide — модель решений для классификации на высоких объёмах; заявлен обход Jev на его же бенчмарках [вендор].

Как это соотносится с SUIN.AI

Скорость отклика критична для агентов, и в каталоге SUIN.AI уже есть модели этого класса: ускоренные версии флагманов вроде Highspeed у Kimi K3.1 Pro и ультрафаст-режимы GPT-6 Sol, плюс голосовые и медиамодели для конвейеров без задержек. Если вы строите агента, чувствительного к латентности, — начните с подбора модели внутри платформы: ИИ-агентам и моделям с контекстом в миллион токенов. Mercury 3 в каталоге появится по мере интеграции — новые модели платформа подхватывает регулярно.

Частые вопросы

Что такое диффузионная языковая модель простыми словами

Обычная модель пишет текст последовательно, слева направо, токен за токеном. Диффузионная начинает с «шума» и за несколько шагов уточняет целый кусок текста сразу — по аналогии с тем, как image-модель дорисовывает картинку. Это позволяет параллелить вычисления и получать большую скорость, но требует другого обучения и другого инференса.

Mercury 3 доступна в SUIN.AI

Прямо сейчас модель доступна через API Inception и агрегаторы API; в каталоге SUIN.AI она появится по мере интеграции. Для задач с похожими требованиями к скорости в каталоге уже есть ускоренные версии флагманов — подбор под латентность можно начать сегодня.

Насколько верить заявленным бенчмаркам

Как ориентир — вполне, как вердикту — нет: большинство цифр пока принадлежит вендору и его партнёрам, независимых репликаций мало. Практический критерий один: прогнать свою типовую задачу и измерить скорость и качество на своих данных, а не по чужим таблицам.

Кому стоит тестировать Mercury 3 в первую очередь

Командам, у которых задержка модели видна пользователю: голосовые агенты и колл-центры, браузерные агенты, образовательные приложения, поисковые интерфейсы. Если ваш сценарий терпит паузы в несколько секунд — выигрыш от скоростной модели будет заметнее, чем от прироста пары пунктов бенчмарка.

Дальше по теме: обзору Voxtral 3, обзору ElevenLabs Realtime и обзору Kimi K3.1 Pro.

👉 Зарегистрируйтесь в СуперИнтеллекте и подберите быструю модель для агента — 100 нейронов в месяц бесплатно, ускоренные версии флагманов уже в каталоге.