Mercury 3 expliqué : le modèle de langage à diffusion qui écrit 1 000 tokens par seconde

Le 19 octobre 2026, la start-up Inception a sorti Mercury 3, le modèle le plus récent et le plus grand de sa famille Mercury. C'est un modèle de langage à diffusion : au lieu d'écrire la réponse un token à la fois, comme ChatGPT, Claude ou Gemini, il produit un brouillon de toute la réponse et en affine toutes les parties en même temps. Résultat : la vitesse. Inception annonce 1 068 tokens par seconde, contre environ 130 pour GPT-6 Luna et 240 pour Claude Haiku 5.5 dans sa propre comparaison, et il égale désormais ces petits modèles en qualité sur la plupart des tests publiés.

Comment fonctionne un modèle de langage à diffusion

Tous les chatbots populaires aujourd'hui sont autorégressifs : ils prédisent le token suivant, l'ajoutent et recommencent. Chaque token attend le précédent, donc une réponse de 1 000 tokens demande 1 000 étapes successives, quelle que soit la puissance du matériel. Les modèles à diffusion reprennent l'idée des générateurs d'images comme Stable Diffusion : partir du bruit et l'enlever en quelques passes jusqu'à obtenir un résultat net.

La vitesse : le chiffre phare

Concrètement, une réponse de 500 tokens passe d'une attente de deux à quatre secondes à une demi-seconde. Pour quelqu'un qui lit une fenêtre de chat, c'est agréable ; pour un assistant vocal, l'écran de lunettes connectées ou un agent qui enchaîne vingt appels au modèle, cela change ce qui est possible.

La qualité : proche des petits modèles de pointe

Inception a comparé Mercury 3 aux deux petits modèles les plus utilisés, avec des réglages moyens. Il mène sur 8 tests sur 12. Les chiffres ci-dessous sont ceux d'Inception ; aucun classement indépendant n'avait publié de score au moment de la rédaction.

La tendance est constante : Mercury 3 est fort pour suivre les instructions, sur les questions scientifiques (89,2 sur GPQA Diamond) et les tâches de code courtes, et plus faible pour retrouver des détails dans des entrées très longues et pour le code long en plusieurs étapes (Haiku 5.5 mène sur DeepSWE, 51,6 contre 46,3). Pour une vue d'ensemble des petits modèles, lisez les meilleurs modèles d'IA d'octobre 2026 et Claude Haiku 5.5 expliqué.

Prix et disponibilité

Mercury 3 est disponible sur l'API d'Inception, OpenRouter, Baseten et Vercel AI Gateway. L'API suit le format d'OpenAI : la plupart du code n'a besoin que d'une nouvelle base URL et du nom de modèle mercury-3. Il n'y a pas de poids téléchargeables, vous ne pouvez donc pas l'exécuter sur vos propres serveurs. Mercury 2 et 2.5 sont fermés aux nouveaux utilisateurs, et les clients existants y gardent accès jusqu'au 15 novembre 2026.

from openai import OpenAI

client = OpenAI(base_url="https://api.inceptionlabs.ai/v1", api_key="...")
reply = client.chat.completions.create(
    model="mercury-3",
    reasoning_effort="low",   # trade quality for even more speed
    messages=[{"role": "user", "content": "Summarise this ticket in one line: ..."}],
)
print(reply.choices[0].message.content)

Là où la vitesse compte vraiment

Pour des analyses qui demandent un raisonnement poussé sur de longs documents, un modèle autorégressif plus grand reste le choix le plus sûr. Mercury 3 est plutôt un exécutant très rapide au sein d'un système plus large, pas son cerveau.

D'autres modèles ce mois-ci : les meilleurs modèles d'IA d'octobre 2026, Claude Haiku 5.5 et Nvidia Nemotron 3.5 et Reflection Beam.

Sources : l'annonce de Mercury 3 par Inception (19 octobre 2026), relayée par MarkTechPost et Unite.AI ; la fiche de lancement sur OpenRouter. Tous les chiffres de benchmark et de vitesse sont ceux d'Inception et n'ont pas encore été reproduits de façon indépendante.

Alessandro Ecclesie AgazziÉcrit par Alessandro Ecclesie Agazzi, analytics engineer à Londres. Mis à jour le 21 octobre 2026. À propos