Mercury 3 : la diffusion débite 1 068 tokens/s au prix de Haiku

Inception a mis en ligne Mercury 3 dimanche 19 octobre au soir. Les chiffres annoncés : 1 068 tokens par seconde, un contexte d'un million de tokens, et un tarif de lancement à 0,10 $ le million de tokens en entrée, 0,35 $ en sortie. Soit le prix d'entrée de Claude Haiku 5.5, pour un modèle qui prétend faire mieux, 4 à 8 fois plus vite. Si vous facturez des agents IA à vos clients ou que votre chatbot rame devant les utilisateurs, cette annonce mérite dix minutes de votre lundi.

La vraie nouveauté n'est pas un énième modèle low-cost. C'est l'architecture : Mercury 3 est un LLM de diffusion, pas un modèle autorégressif comme GPT-6, Claude ou Gemini. Et c'est la première fois que cette famille technique revendique le niveau des modèles de production des grands labos.

Un LLM de diffusion, c'est quoi — et pourquoi ça débite autant

Tous les modèles que vous utilisez aujourd'hui génèrent leur réponse token par token, de gauche à droite. Chaque mot attend le précédent. Un modèle de diffusion fait l'inverse de ce que son nom laisse croire d'intuitif : il part d'un bloc de texte « bruité » et le raffine en plusieurs passes parallèles, comme Midjourney débruite une image. Conséquence directe : le débit ne dépend plus de la longueur de la réponse multipliée par le temps par token. D'où les 1 068 tokens/s mesurés par Inception sur GPU Nvidia — à comparer aux 50-150 tokens/s typiques des modèles autorégressifs servis en API.

Jusqu'ici, les LLM de diffusion restaient des curiosités rapides mais limitées : Mercury 1 et 2 servaient surtout d'autocomplete et de modèles d'appoint. Mercury 3 change d'échelle. Selon les chiffres publiés par l'éditeur, il embarque plus de 40 fois les paramètres de Mercury 1, un contexte porté de 260 000 à 1 million de tokens, une sortie maximale de 131 072 tokens et quatre niveaux de raisonnement (instant, low, medium, high — low par défaut). L'équipe d'Inception n'est pas sortie de nulle part : on y trouve les chercheurs derrière les papiers fondateurs des modèles de diffusion, de Flash Attention et de DPO, issus de Stanford, UCLA, Cornell et des grands labos.

Une limite claire d'entrée de jeu : Mercury 3 ne traite que du texte. Pas d'image, pas d'audio, pas de vidéo en entrée. Pour de l'OCR de factures ou de l'analyse de captures d'écran, passez votre chemin.

Combien coûte Mercury 3 : 0,10 $ le million de tokens, mais lisez la petite ligne

Le tarif de lancement affiche 0,10 $ le million de tokens en entrée et 0,35 $ en sortie. C'est une promo de −50 % sans date de fin annoncée : le tarif catalogue est à 0,20 $/0,70 $. Les tokens en cache tombent à −90 % du prix d'entrée, soit 0,01 $ le million pendant la promo. Et chaque nouveau compte reçoit 100 millions de tokens gratuits, sans carte bancaire.

Mis en face des références du moment, le positionnement est agressif mais moins spectaculaire qu'il n'y paraît. Claude Haiku 5.5, lancé le 7 octobre, coûte 0,10 $/0,50 $ jusqu'à 100 000 tokens de prompt : en promo, Mercury 3 est au même prix en entrée et 30 % moins cher en sortie. Au tarif plein, il repasse au-dessus de Haiku en entrée. Notre conseil comptable : budgétez au tarif catalogue, considérez la promo comme un bonus. Les éditeurs qui cassent les prix au lancement les remontent — l'histoire récente de DeepSeek l'a assez montré.

Mercury 3 vs GPT-6 Luna vs Claude Haiku 5.5 : des benchmarks maison, pas d'arbitre

Inception affirme que Mercury 3 bat GPT-6 Luna et Claude Haiku 5.5 « sur une série de benchmarks », en allant 4 à 8 fois plus vite. Le seul résultat structuré publié vient d'un client, TinyFish AI, qui a fait tourner le modèle sur 50 tâches de navigation web réelles du benchmark Mind2Web : 25 tâches complétées, soit 50 %, « significativement plus que GPT-6.1 Sol » à volume de tokens et nombre d'étapes d'agent identiques, rapporte son cofondateur Shuhao Zhang — pour « une fraction du coût par token ».

Il faut dire ce qui est : au 21 octobre, aucune évaluation indépendante n'existe. Pas de score Artificial Analysis, pas de mesure de débit par un tiers. Tous les chiffres viennent d'Inception ou de ses clients partenaires. Ça ne veut pas dire qu'ils sont faux ; ça veut dire qu'ils ne remplacent pas vos propres tests. Avant de router le moindre trafic de production, faites tourner le nouveau venu sur vos cas réels — la méthode est la même que pour n'importe quel changement de modèle, et nous l'avons détaillée dans notre tutoriel pour changer de modèle sans casser la prod avec des évals.

Agents vocaux, support client, lunettes connectées : où 1 068 tokens/s change l'expérience

La vitesse brute n'est pas un argument marketing abstrait : c'est la différence entre un agent utilisable et un agent qu'on abandonne. Kuan Zou, fondateur d'Octen AI, qui embarque Mercury sur des lunettes connectées, le résume d'une phrase : « une réponse qui met cinq secondes paraît cassée ». Ses mesures en production : 0,9 seconde de génération médiane, 2,2 secondes de bout en bout. Michael Tong, CTO de RevisionDojo, rapporte des retours aux élèves « en une seconde environ » sans sacrifier le raisonnement, avec un simple swap d'API. Chez Lorikeet (support client), Mercury 3 a battu les modèles en place à la fois sur la latence et sur les scores d'éval internes.

Trois cas d'usage PME sortent du lot. Le vocal, d'abord : Inception propose Mercury Voice depuis le 29 septembre, avec un premier token en moins de 170 ms et un tarif promo à 0,20 $/0,75 $ le million de tokens — de quoi recalculer la facture d'un standard téléphonique IA, dont nous avions décortiqué les coûts réels dans notre comparatif des plateformes d'agents vocaux. Le chat visible par le client, ensuite, où chaque seconde d'attente se paie en abandon. La classification volumique, enfin : le modèle frère Mercury Decide trie avec des probabilités calibrées pour 0,02 $ le million de tokens en entrée, sortie gratuite — un ordre de grandeur sous tout ce qui existe pour router des tickets.

Mercury 2 coupé le 15 novembre : le revers du train qui va vite

L'annonce contient une ligne que beaucoup vont rater : Mercury 2 et 2.5 sont fermés aux nouveaux utilisateurs dès maintenant, et les clients existants perdent l'accès le 15 novembre 2026. Moins d'un mois de préavis. À titre de comparaison, OpenAI laisse quinze mois entre l'annonce et le retrait de GPT-4o, comme nous le rapportions la semaine dernière sur la dépréciation de GPT-4o au 14 janvier 2027.

C'est la contrepartie structurelle des petits éditeurs : des prix et des performances qui bougent vite, dans les deux sens. Si vous adoptez Mercury 3, faites-le en connaissance de cause. La bonne nouvelle, c'est que l'écosystème limite le risque d'enfermement : l'API est compatible OpenAI (endpoint chat completions standard, paramètres reasoning_effort et temperature), le modèle est disponible via OpenRouter, Baseten, Vercel, et Inception annonce AWS Bedrock et Azure Foundry côté cloud. Un swap de retour vers Haiku ou Luna se joue en quelques lignes de config — à condition d'avoir gardé vos prompts et vos évals portables.

Faut-il brancher Mercury 3 cette semaine ? Le verdict

Oui pour tester, sans hésiter : 100 millions de tokens gratuits et une API compatible OpenAI, le ticket d'entrée est nul. Les profils concernés en priorité : tout ce qui est latence-sensible (vocal, chat client, feedback temps réel) et les gros volumes de classification où Mercury Decide peut diviser la facture par dix. Le contexte d'un million de tokens en fait aussi un candidat sérieux pour l'analyse de longs documents à bas coût.

Non, en revanche, pour migrer un workload critique dès cette semaine : les benchmarks sont maison, le modèle est texte-only, et l'épisode Mercury 2 — débranché en moins d'un mois — rappelle qu'on confie sa prod à une jeune société américaine qui itère vite. Et si votre besoin est du raisonnement lourd ou du code complexe, GPT-6 Sol et Opus 5.5 restent la référence, à des prix 40 fois supérieurs qui se justifient encore sur ces tâches.

Ce que Mercury 3 prouve surtout, c'est que l'architecture diffusion suit les mêmes lois d'échelle que l'autorégressif. Si ça se confirme dans les évals indépendantes des prochaines semaines, les grands labos ont un nouveau front de concurrence — et vous, un levier de négociation de plus sur votre facture d'inférence.