Mercury 3: il modello AI a diffusione che supera i 1.000 token al secondo

Il 19 ottobre 2026 la startup californiana Inception ha presentato Mercury 3, un modello linguistico che non scrive le risposte una parola alla volta, come fanno quasi tutti i modelli di AI che usiamo ogni giorno, ma le genera in parallelo con una tecnica chiamata diffusione. Secondo l’azienda supera i 1.000 token al secondo e raggiunge la qualità dei modelli veloci dei grandi laboratori, come GPT-6 Luna e Claude Haiku 5.5. Il lancio ha fatto discutere su Hacker News, dove il cofondatore e responsabile scientifico Volodymyr ha risposto alle domande degli sviluppatori. In Italia, per ora, non ne ha parlato nessuno.

Per chi lavora con l’automazione è una notizia da seguire: negli agenti AI la velocità del modello non è un dettaglio, perché ogni passaggio di un flusso aspetta la risposta del precedente. Vediamo cos’è un modello a diffusione, cosa promette Mercury 3, cosa costa e quali limiti vanno tenuti presenti.

Cos’è un modello linguistico a diffusione

I modelli linguistici più diffusi sono detti autoregressivi: leggono la richiesta, prevedono il token successivo, lo aggiungono al testo e ripetono. Una risposta di 500 token richiede 500 passaggi del modello, uno dopo l’altro, e nessun hardware permette di calcolare il trecentesimo prima che sia pronto il duecentonovantanovesimo.

I modelli a diffusione seguono un’altra strada, presa in prestito dalla generazione di immagini. Come spiega un approfondimento tecnico di Curiosity, nel testo il «rumore» delle immagini viene sostituito dal mascheramento: durante l’addestramento si nasconde una parte casuale dei token di una frase e il modello impara a ricostruirli guardando tutto il contesto, a sinistra e a destra. In fase di generazione si parte da una sequenza interamente mascherata e, a ogni giro, il modello propone tutti i token mancanti, ne conferma alcuni e rimette in gioco gli altri. Il numero di giri può essere molto più piccolo del numero di token, e da qui arriva la velocità.

Inception riassume il concetto nel comunicato stampa: i modelli tradizionali generano il testo in sequenza, mentre quelli a diffusione possono produrre più token in parallelo, offrendo «una strada fondamentalmente diversa» verso inferenze più rapide.

Cosa porta Mercury 3

Mercury 3 è il quarto rilascio di Inception dopo Mercury 1 (giugno 2025), Mercury 2, che aveva introdotto il ragionamento, e Mercury 2.5, che aveva aggiunto un ragionamento regolabile e una finestra di contesto da 260.000 token. Secondo l’azienda il nuovo modello è oltre 40 volte più grande di Mercury 1 in numero di parametri, mantiene una velocità simile e ha triplicato i risultati sui benchmark standard.

Caratteristica	Mercury 3 (dati Inception)
Velocità dichiarata	1.068 token al secondo su GPU NVIDIA
Finestra di contesto	1 milione di token (Mercury 2.5: 260.000)
Output massimo	131.072 token
Livelli di ragionamento	instant, low, medium, high
Funzioni	tool calling e output strutturati
Prezzo di listino	0,20 $ per milione di token in ingresso, 0,70 $ in uscita
Prezzo di lancio (-50%)	0,10 $ in ingresso, 0,35 $ in uscita; input in cache scontato del 90%

I dettagli su output massimo, livelli di ragionamento e funzioni sono riportati nella documentazione ufficiale dei modelli. L’azienda afferma che Mercury 3 è da 4 a 8 volte più veloce dei modelli con cui si confronta, a parità di sforzo di ragionamento. Le nuove chiavi API ricevono 100 milioni di token gratuiti, secondo la pagina dei modelli.

Perché la velocità conta negli agenti AI

Un agente AI lavora per passi: legge una pagina, decide cosa fare, chiama uno strumento, legge il risultato e ricomincia. Ogni passo è una chiamata al modello, e i tempi di attesa si sommano. Inception lo dice chiaramente nell’annuncio: gli agenti aspettano il modello a ogni passaggio, quindi piccoli ritardi crescono in fretta. Anche OpenRouter descrive Mercury 3 come adatto ai flussi agentici e alle applicazioni in tempo reale «in cui la latenza si accumula», come agenti di ricerca, pipeline vocali e sotto-agenti di programmazione.

C’è poi un aspetto meno evidente. Con i modelli che ragionano, la risposta finale è preceduta da molti token di ragionamento interno. Secondo Kuleshov, proprio perché la diffusione genera in parallelo, il vantaggio di velocità rispetto a un modello autoregressivo di pari dimensioni cresce quanto più a lungo il modello ragiona. Se questa promessa reggerà alle prove indipendenti, il costo in tempo del ragionamento potrebbe ridursi parecchio.

Nell’annuncio Inception indica quattro ambiti in cui i partner con accesso anticipato usano già il modello: agenti che navigano sul web, formazione interattiva, agenti di ricerca in tempo reale e assistenza clienti via chat e voce. Accanto a Mercury 3 l’azienda propone Mercury Voice, ottimizzato per gli agenti vocali, e Mercury Decide, un modello per classificazioni ad alto volume che restituisce probabilità calibrate e passa a una persona i casi incerti.

Integrazione: compatibile con le API di OpenAI

Dal punto di vista tecnico la parte più comoda è la compatibilità. Mercury 3 usa lo stesso formato delle API di OpenAI, con l’endpoint v1/chat/completions, ed è disponibile sulla piattaforma di Inception, su OpenRouter, Baseten e Vercel. Chi ha già un’applicazione, un bot o un gestionale che chiama un modello in questo formato può provarlo cambiando indirizzo del servizio, chiave e nome del modello, senza riscrivere il codice. Per le aziende Inception offre capacità dedicata, scalabilità automatica, controlli di conformità e conservazione dei dati configurabile.

Una nota per chi usa le versioni precedenti: secondo la pagina dei modelli, Mercury 2 e Mercury 2.5 non sono più disponibili per i nuovi utenti, e chi li usava prima del 19 ottobre 2026 potrà accedervi fino al 15 novembre 2026. Chi ha integrazioni attive deve quindi pianificare la migrazione.

I limiti da tenere presenti

Tutti i numeri sulla qualità vengono dall’azienda. Lo stesso approfondimento di Curiosity ricorda che il nuovo modello non è ancora stato verificato in modo indipendente e consiglia di provarlo con i propri prompt prima di spostare un servizio in produzione. È un consiglio che vale per qualunque modello appena uscito, ma qui ancora di più, perché la tecnologia è diversa da quella a cui siamo abituati.

Ci sono anche questioni aperte sul funzionamento. Inception non ha pubblicato come Mercury 3 gestisca un contesto da un milione di token, e un modello che non scrive in ordine potrebbe rendere meno leggibile il ragionamento visibile, un aspetto che conta quando si vuole capire perché un agente ha preso una certa decisione. Infine il modello è disponibile solo via API: non ci sono pesi scaricabili per installarlo sui propri server, quindi i dati passano dall’infrastruttura del fornitore, negli Stati Uniti, con le valutazioni sul trattamento dei dati personali che questo comporta per un’azienda europea.

Il nostro consiglio

Mercury 3 non è il modello più «intelligente» sul mercato e non vuole esserlo: compete con i modelli veloci ed economici, non con quelli di punta. Ha senso valutarlo dove il tempo di risposta pesa davvero: chatbot di assistenza, flussi di automazione con molti passaggi brevi, classificazione di grandi volumi di testo, agenti che chiamano più strumenti per ogni risposta. La strada più prudente è un confronto controllato: stessi compiti, stessi prompt, misurando tempi, costi ed errori rispetto al modello già in uso, e solo dopo decidere. Se vuoi integrarlo in un bot, in un gestionale o in un flusso di automazione, possiamo aiutarti a impostare il test e la migrazione.

In breve

Inception ha rilasciato Mercury 3 il 19 ottobre 2026: è un modello linguistico a diffusione, che genera più token in parallelo.
Velocità dichiarata: 1.068 token al secondo; contesto da 1 milione di token.
Prezzo di lancio: 0,10 $ per milione di token in ingresso e 0,35 $ in uscita.
È compatibile con le API di OpenAI ed è disponibile anche su OpenRouter, Baseten e Vercel.
I risultati sulla qualità sono dichiarati dall’azienda e non ancora verificati in modo indipendente.

Fonti

Condividi Articolo:

Barollo Simone Sviluppatore Software e Sistemi. Volontario e direttivo dell’Associazione Movimento 100% APS

Contattaci per maggiori informazioni.