- Mercury 3は複数のベンチマークテストでGPT-6 LunaとClaude Haiku 5.5を超えた。
- このモデルの実行速度は毎秒1,000以上のトークンに達する。
- Mercury 3の規模はMercury 1の40倍を超え、能力が著しく向上した。
- このモデルはアプリケーションにおける応答遅延を減少させ、多様なインタラクティブアプリケーションに適用可能である。
カリフォルニアに位置する人工知能研究および製品会社Inceptionは、最新の拡散言語モデルMercury 3を発表し、複数のベンチマークテストで速度最適化された競合のGPT-6 LunaとClaude Haiku 5.5を超えたと主張している。この新モデルは広く利用可能なNVIDIA GPU上で毎秒1,000以上のトークンを生成し、100万トークンのコンテキストウィンドウをサポートしており、単一のリクエストで大量の情報を処理することができる。
Inceptionによれば、Mercury 3の規模は初代モデルMercury 1の40倍を超え、相応の処理速度を維持している。同社は、これらの結果が拡散ベースの言語モデルが基盤となるインフラの速度的優位性を犠牲にすることなく、より強力になることができることを示していると述べている。
拡散言語モデルの利点
従来の大型言語モデルは、順次にテキストを生成し、毎回1つのトークンを予測する。一方、拡散言語モデルは異なるアプローチを取り、複数のトークンを並行して生成および改善する。これにより、応答をより迅速に生成でき、モデルとの頻繁なインタラクションを必要とするアプリケーションにおける遅延を潜在的に減少させることができる。しかし、開発者は伝統的にモデルの能力と応答速度の間でトレードオフに直面している。小型のモデルは通常応答が速いが、より強力なシステムは追加の処理時間を必要とする。Inceptionは、Mercury 3がこの課題を解決し、最近発表されたOpenAIおよびAnthropicモデルと同等またはそれ以上のパフォーマンスを複数の標準ベンチマークテストで提供しつつ、推論速度を毎秒1,000トークン以上に保っていると述べている。
以上。
今回の発表は、同社が2025年6月にMercury 1を発売して以来の4番目のモデルを示している。Mercury 2はその後、推論能力を導入し、Mercury 2.5は調整可能な推論を追加し、コンテキストウィンドウを260,000トークンに拡張した。Mercury 3はその容量を100万トークンに増加させ、モデルが一度に処理できる情報量のほぼ4倍に達している。Inceptionの共同創設者Stefano Ermonは、「Mercury 1を発売して以来、私たちが最も多く聞いた質問は、拡散技術がスケールするかどうかです。
Mercury 3の規模は40倍を超え、能力が著しく向上し、なおかつ毎秒1,000トークン以上の速度で運行しています。」Ermonは、同社が次のモデルの訓練を開始したと付け加えた。
Mercury 3の適用シーン
同社は応答遅延が可用性に影響を与える可能性のあるアプリケーションをターゲットにしており、インタラクティブな教育、リアルタイム翻訳、ライティングアシスタント、自動化ソフトウェアエージェントなどが含まれる。エージェントベースのシステムでは、モデルは通常、ウェブサイトの検索、情報の分析、ソフトウェアログのチェックなど、複数の逐次タスクを実行する。各段階の遅延は、操作を完了するために必要な時間を増加させる可能性がある。Inceptionは、Mercury 3のより迅速な推論がこれらの累積的な遅延を減少させるのに役立つとし、開発者が能力の低いモデルに切り替える必要がないと述べている。早期アクセスの顧客はすでに生産ワークフローでこのモデルをテストしている。
教育テクノロジー会社RevisionDojoは、Mercury 3が学生からのフィードバックの応答時間を、提示、定義、トークン回答を含めて約1秒に短縮したと報告している。
Mercury 3はInception API、Baseten、OpenRouter、Vercelを通じて入手可能である。このモデルはOpenAI APIフォーマットに互換性があり、開発者は既存のアプリケーションに大規模なコード変更を行うことなく統合できる。
項目 仕様 モデル名 Mercury 3 生成速度 毎秒1,000トークン以上 コンテキストウィンドウ 100万トークン Mercury 1に対する規模 40倍以上
Mercury 3が言語モデルの応用の展望を変える方法
Mercury 3の発売は、Inceptionが拡散言語モデル技術において進展を遂げたことを示すだけでなく、速度と能力のバランスを示している。このモデルの設計は、従来の大型言語モデルの速度と能力の間のトレードオフの問題を解決することを目的としており、さまざまなアプリケーションにおいて競争力を高める。即時反応の需要が高まる中、Mercury 3の迅速な推論能力は、特に教育や自動化の分野でユーザー体験を向上させるのに寄与するだろう。これにより、他の企業が自社の言語モデルの設計を再評価し、性能と速度の間でより良いバランスを求める可能性もある。