Mercury 3, la promesse de la génération parallèle

NNoor

Alors, le point central, c’est la façon dont le modèle produit du texte. Inception a lancé Mercury 3, un modèle de langage à diffusion qui met à jour plusieurs positions de tokens en parallèle, par étapes de débruitage, d’après AlphaSignal. Inception annonce un débit de 1 068 tokens par seconde sur des processeurs graphiques de NVIDIA, soit quatre à huit fois celui des modèles rapides auxquels l’entreprise le compare. C’est une promesse de vitesse particulièrement forte pour un modèle destiné à produire du texte, mais ce chiffre décrit un débit annoncé, pas nécessairement le délai que chaque utilisateur ressentira pour obtenir une réponse complète. L’annonce est donc intéressante à la fois pour ses performances affichées et pour la méthode de génération qui les rend possibles.

NNoor

Dans un modèle classique de génération autorégressive, chaque nouveau token dépend de ceux qui le précèdent. Le système avance donc dans une séquence, ce qui limite le calcul simultané et peut allonger la production d’une réponse. Mercury 3 procède autrement : il part d’une représentation bruitée ou masquée de la séquence à produire, puis affine plusieurs positions au fil de passages successifs. Il peut ainsi calculer des éléments en parallèle, plutôt que d’attendre que chaque token précédent soit définitivement établi. Cela ne signifie pas que toute la réponse apparaît d’un seul coup : il y a encore plusieurs étapes de raffinement. Et le temps réellement observé dépend aussi de la longueur de la réponse, du nombre d’étapes, du matériel utilisé, du traitement de la demande et de la manière dont le texte est transmis à l’application.

NNoor

Inception annonce pour Mercury 3 un contexte d’un million de tokens, présenté comme 40 fois supérieur à celui de Mercury 1. Un grand contexte peut aider à traiter une longue conversation ou un vaste ensemble de documents sans devoir tout découper en petites demandes, même si la taille de la fenêtre ne garantit pas à elle seule que chaque détail sera bien compris ou retenu. La vitesse peut aussi être utile dans les services qui enchaînent des appels au modèle, notamment les systèmes d’agents qui alternent observation, décision et utilisation d’outils. Dans ces scénarios, un retard à chaque étape risque de s’accumuler pendant toute la tâche. Mercury 3 est proposé par l’intermédiaire de l’interface de programmation d’Inception, mais aussi sur OpenRouter, Baseten et Vercel, avec une compatibilité annoncée avec l’interface d’OpenAI. Cela peut faciliter les essais pour les équipes qui utilisent déjà ces plateformes, sans démontrer pour autant que le modèle convient à tous les besoins.

NNoor

Inception affirme que Mercury 3 égale ou dépasse GPT-6 Luna et Claude Haiku 5.5 sur ses propres tests comparatifs. Ces résultats doivent être lus avec prudence, car ils proviennent des évaluations communiquées par l’entreprise et restent à reproduire indépendamment. Il y a aussi des affirmations de performances dans des tâches d’agent : Inception dit que le modèle a accompli 50 % des tâches du test Mind2Web et dépassé GPT-6.1-Sol avec le même nombre d’étapes. Ces résultats ne sont pas confirmés indépendamment non plus, donc ils ne suffisent pas encore à établir un avantage généralisable. Le prix de lancement est lui-même présenté de façon contradictoire : AlphaSignal indique 0,20 dollar par million de tokens en entrée et 0,70 dollar en sortie, tandis qu’Unite.AI donne 0,10 dollar et 0,35 dollar. Sans tarif confirmé, impossible de comparer précisément le coût réel d’une utilisation.

NNoor

La première limite, c’est l’écart possible entre un chiffre de débit et l’expérience de bout en bout. Un débit élevé ne dit pas, à lui seul, combien de temps l’utilisateur attend avant de voir sa réponse, car le nombre de tokens produits, les étapes de débruitage, le traitement de la demande et la charge matérielle interviennent aussi. La deuxième limite concerne les comparaisons de qualité : Inception présente des résultats favorables face à GPT-6 Luna et Claude Haiku 5.5, mais il faut des évaluations indépendantes pour savoir s’ils se maintiennent sur des tâches variées. Les scores d’agents annoncés appellent la même réserve. Enfin, les tarifs contradictoires compliquent l’évaluation économique, et un contexte très long ne garantit pas automatiquement une meilleure réponse. Pour un usage important, il faudrait donc mesurer soi-même la qualité, la latence et le coût sur les tâches réellement visées.

NNoor

Bon, Mercury 3 met en avant une approche différente de la génération du texte et des chiffres ambitieux : 1 068 tokens par seconde annoncés, avec un contexte d’un million de tokens. Si ces performances se confirment dans des tests indépendants, la génération par diffusion pourrait réduire l’attente dans certains services, en particulier ceux qui multiplient les échanges avec un modèle. Mais les comparaisons de qualité et les résultats d’agents restent des affirmations d’Inception, et les tarifs rapportés ne concordent pas. Il faut donc distinguer trois choses : la nouveauté technique, qui est bien le calcul parallèle par étapes ; les chiffres annoncés, qui demandent vérification ; et l’intérêt concret, qui dépendra des usages et des mesures en conditions réelles. Pour l’instant, l’annonce donne une piste sérieuse à examiner, pas encore une preuve que Mercury 3 est le meilleur choix pour chaque application.