Inception, yeni yapay zekâ modeli Mercury 3’ün bazı performans testlerinde GPT-6 Luna Claude Haiku 5.5 gibi rakiplerini geride bıraktığını, üretim hızında ise 8 kata kadar avantaj sağladığını öne sürdü. NVIDIA ekran kartlarında saniyede 1.000’den fazla token üretebildiği belirtilen model, 1 milyon tokenlık bağlam penceresiyle uzun metinleri işleme kapasitesini artırmayı hedefliyor. Diffusion tabanlı dil modeli yaklaşımını kullanan Mercury 3, özellikle hızlı yanıt gerektiren yazılım geliştirme araçları, yazma asistanları etkileşimli uygulamalarda yeni kullanım alanları oluşturmayı amaçlıyor.
Mercury 3, Diffusion Tabanlı Metin Üretiminde Hızı Artırmayı HedefliyorABD merkezli Inception, Mercury 3 geleneksel dil modellerinden farklı metin üretim yaklaşımını daha büyük ölçeğe taşımayı hedefliyor. Geleneksel büyük dil modelleri, yanıtlarını çoğunlukla token adı verilen metin parçalarını sırayla üreterek oluştururken diffusion tabanlı modeller metnin farklı bölümlerini paralel biçimde işleyip aşamalı olarak iyileştirebiliyor.
1/4 Today, we’re releasing Mercury 3. Mercury 3 is by far our most powerful model and the most intelligent diffusion LLM ever released. It outperforms GPT-6 Luna and Haiku 5.5 on quality while running at 1000+ tok/sec./TYevDl43Lm
— Stefano Ermon () October 19, 2026yaklaşım, özellikle uzun yanıtların hazırlanmasında işlem süresini azaltma potansiyeli taşıyor. Ancak gerçek hız kazancı, modelin mimarisine, kullanılan donanıma, görev türüne ölçüm yöntemine bağlı olarak değişebiliyor. Inception, Mercury 3’ün rakiplerine kıyasla 4 ila 8 kat daha hızlı çalışabildiğini savunurken sonuçların bağımsız testlerle doğrulanması gerekiyor.
Şirketin açıklamasına göre Mercury 3, önceki Mercury 1 modelinden 40 kattan fazla büyük olmasına rağmen saniyede 1.000 tokenın üzerinde üretim hızını koruyabiliyor. Söz konusu performans iddiası, diffusion tabanlı yapay zekâ modellerinin ölçek büyüdükçe hız avantajını koruyup koruyamayacağı açısından önem taşıyor.
Inception’ın yeni modeli, uzun belgeler geniş veri kümeleri üzerinde çalışmak isteyen kullanıcılar için 1 milyon tokenlık bağlam penceresi sunuyor. Şirketin önceki modeli Mercury 2.5, 260 bin tokenlık bağlam kapasitesiyle sınırlıyken yeni sürüm değeri önemli ölçüde artırıyor.
Bağlam penceresi, yapay zekâ modelinin tek işlem sırasında dikkate alabildiği metin içerik miktarını ifade ediyor. Daha geniş pencere, modelin uzun belgeler, kapsamlı kod tabanları veya birden fazla doküman arasındaki ilişkileri aynı oturumda değerlendirmesine yardımcı olabiliyor. Bununla birlikte yüksek bağlam kapasitesi, tek başına her görevde daha doğru sonuç alınacağını garanti etmiyor.
Mercury 3’ün uzun bağlam desteği yüksek üretim hızını araya getirmesi, büyük miktarda bilgi üzerinde hızlı işlem yapılmasını gerektiren iş akışları açısından önem taşıyor. Geliştiriciler, uzun kod dosyalarını analiz ederken veya büyük doküman kümeleriyle çalışırken modelin hızını bağlam kapasitesini birlikte değerlendirebilecek.
Inception, Mercury 3’ü yanıt gecikmesinin kullanıcı deneyimini doğrudan etkilediği uygulamalarda kullanıma sunmayı amaçlıyor. Şirketin hedeflediği alanlar arasında etkileşimli eğitim sistemleri, canlı çeviri araçları, yazma asistanları otomatik yazılım ajanları bulunuyor.
Yüksek token üretim hızı, özellikle kullanıcıların modelden art arda yanıt beklediği uygulamalarda daha akıcı deneyim sağlayabilir. Yazılım ajanları açısından hızlı yanıt üretimi, kod önerilerinin hazırlanması çok aşamalı görevlerin yürütülmesi sırasında bekleme sürelerini azaltma potansiyeli taşıyor. Canlı çeviri eğitim uygulamaları kısa yanıt sürelerinden yararlanabilecek alanlar arasında yer alıyor.
Şirket, Mercury 3’ün bazı müşteriler tarafından gerçek iş akışlarında test edildiğini belirtiyor. Ancak Inception, söz konusu iş birliklerinin kapsamı, bağımsız değerlendirme sonuçları veya modelin farklı donanımlardaki performansı hakkında ayrıntılı karşılaştırma verileri mıyor.
Mercury 3’ün GPT-6 Luna Claude Haiku 5.5 karşısında öne sürülen performansı, yapay zekâ modelleri arasındaki rekabette hızın önemini yeniden gündeme getiriyor. Bununla birlikte modellerin karşılaştırılabilmesi için aynı donanım, benzer görevler eşdeğer ölçüm koşulları kullanılarak test edilmesi gerekiyor. Token üretim hızı tek başına modelin akıl yürütme kalitesini, doğruluğunu veya genel yeteneklerini göstermiyor.
NVIDIA ekran kartlarında saniyede 1.000’den fazla token üretme iddiası kullanılan GPU modeli, eşzamanlı kullanıcı sayısı yanıt uzunluğu gibi teknik ayrıntılarla birlikte değerlendirilmesi gereken ölçüt olarak öne çıkıyor. Bağımsız testler, Mercury 3’ün farklı görevlerde hız avantajını ne ölçüde koruduğunu avantajın çıktı kalitesine nasıl yansıdığını ortaya koyabilecek.
Inception’ın yaklaşımı, yapay zekâ alanında yalnızca daha büyük modeller geliştirmek yerine metin üretim yöntemlerini değiştirerek gecikmeyi azaltma arayışını temsil ediyor. Mercury 3’ün gerçek kullanım performansı doğrulandığı takdirde model, hızlı yanıt gerektiren uygulamalarda rekabetçi seçenek haline gelebilir.
