Inception Mercury 2 — это флагманская модель искусственного интеллекта от стартапа Inception Labs, представленная 24 февраля 2026 года. Она позиционируется как первая в мире диффузионная рассуждающая языковая модель (reasoning dLLM) и самый быстрый рассуждающий LLM на рынке. Официальный сайт: https://www.inceptionlabs.ai.
Компанию Inception Labs основал Стефано Эрмон (Stefano Ermon) — профессор Стэнфордского университета, известный своими работами в области вероятностного моделирования и генеративного ИИ. Вместе с ним проект возглавляет Алексей Ефрос (Alexei Efros), также профессор Стэнфорда и признанный эксперт в области компьютерного зрения.
Ключевое отличие Mercury 2 от всех остальных LLM — отказ от авторегрессивной генерации. Традиционные модели (GPT, Claude, Gemini) генерируют текст последовательно, один токен за другим, слева направо. Mercury 2 вместо этого использует диффузионный принцип: модель начинает с «черновика» всего ответа и параллельно уточняет множество токенов за небольшое число итераций. По образному выражению создателей, это «не печатная машинка, а редактор, который правит целый черновик сразу».
Такая архитектура обеспечивает скорость более 1000 токенов в секунду на стандартных GPU — что в 5 и более раз быстрее лидирующих оптимизированных по скорости моделей, таких как Claude 4.5 Haiku и GPT-5 Mini. При этом Mercury 2 сохраняет качество на уровне лучших speed-optimized моделей. Модель доступна через Inception API, OpenRouter, Vercel AI Gateway, AI/ML API и другие платформы, полностью совместима с OpenAI API и может служить drop-in replacement для традиционных LLM.
Архитектура и принцип работы
Mercury 2 построена на диффузионной архитектуре dLLM (diffusion Large Language Model). В отличие от авторегрессивных моделей, генерирующих текст по одному токену, Mercury 2 генерирует и уточняет несколько токенов параллельно, сходясь к финальному ответу за небольшое число шагов. Этот подход принципиально меняет баланс между скоростью и качеством: традиционные модели покупают более высокий «интеллект» за счёт увеличения test-time compute (более длинные цепочки рассуждений, больше сэмплов, больше повторных попыток) — но это происходит за прямую плату в виде задержки и стоимости. Диффузионное рассуждение Mercury 2 даёт качество уровня reasoning внутри бюджетов реального времени.
Скорость и производительность
Скорость генерации >1000 токенов/сек на NVIDIA Blackwell GPUs, пропускная способность ~287 токенов/сек (OpenRouter, среднее), задержка (p50 TTFT) 0.56–0.63 сек. Для сравнения: Anthropic Claude Haiku 4.5 генерирует лишь ~89 токенов в секунду.
Контекстное окно
128 000 токенов.
Управление глубиной рассуждений (Tunable Reasoning)
Mercury 2 поддерживает настраиваемую глубину рассуждений — пользователь может регулировать количество шагов уточнения вверх или вниз, торгуя задержкой в обмен на качество для каждого запроса. API предоставляет параметр reasoning_effort со значениями low, medium, high и уникальным значением instant — для ответов в реальном времени.
Поддержка инструментов и структурированных выходов
Native tool calling, structured outputs (schema-aligned JSON), OpenAI API совместимость.
Дата выхода и версии
Официальный релиз — 24 февраля 2026 года. Доступность на OpenRouter — 4 марта 2026 года. Семейство Mercury включает Mercury 2 (чат-модель) и Mercury Edit 2 (специализированная для кода). Mercury 1 остаётся поддерживаемой для существующих клиентов.
Ценообразование
Входные токены — $0.25 за 1M, кэшированные входные — $0.025 за 1M, выходные — $0.75 за 1M. На OpenRouter эффективная цена с учётом кэширования (41.1% cache hit rate) составляет в среднем $0.157 за 1M входных токенов. Каждый новый аккаунт Inception получает 10 миллионов бесплатных токенов.
Сценарии использования
кодинг и разработка (автодополнение, рефакторинг), агентные циклы, голосовые интерфейсы и интерактивные приложения, RAG-пайплайны.