Inception lanceert Mercury 3 met 1 miljoen tokens context

Mercury 3 is sinds 19 oktober beschikbaar via Inceptions API tegen de getoonde introductietarieven van $0,10 per miljoen invoer- en $0,35 per miljoen uitvoertokens, meldt het bedrijf.

Een Nederlands softwareteam kan een bestaande AI-functie daardoor met een nieuw model vergelijken via een OpenAI-compatibele API. Nieuwe API-sleutels krijgen 100 miljoen gratis tokens en het contextvenster telt 1 miljoen tokens. Dat maakt een proef op grote dossiers, zoekprocessen of agentstappen uitvoerbaar zonder eerst een nieuwe modelkoppeling te bouwen. De uitkomst hangt af van de snelheid, kwaliteit en rekening op eigen werk, want de benchmarkcijfers komen van Inception zelf.

Een groter venster, bijna dezelfde lijstprijs

De getoonde 50%-korting brengt Mercury 3 op $0,10 per miljoen invoer- en $0,35 per miljoen uitvoertokens, tegenover gewone tarieven van $0,20 en $0,70. Inception noemt geen einddatum voor de korting. Invoer die als cache-hit wordt hergebruikt, kost volgens de pagina $0,01 per miljoen tokens tijdens de actie en $0,02 tegen de gewone prijs.

Bij 10 miljoen invoer- en 2 miljoen uitvoertokens per maand komt de factuur uit op $1,70 tegen de getoonde tarieven, tegenover $3,40 tegen de gewone tarieven. Dat is alleen de modelrekening. Het zegt niets over de kosten van de applicatie, extra modelaanroepen of het werk dat nodig is om antwoorden te controleren.

Mercury 2.5 had een contextvenster van 260.000 tokens en een gemelde snelheid van 1.107 tokens per seconde op NVIDIA-GPU’s. Dezelfde modelaankondiging zette de gewone prijs op $0,20 invoer en $0,75 uitvoer per miljoen tokens, met een introductieprijs van $0,04 en $0,15. Mercury 3 vergroot dus het contextvenster bijna vier keer, terwijl de gemelde doorvoer op 1.068 tokens per seconde ligt. De vorige Mercury-generatie combineerde 260.000 tokens context met die prijs- en snelheidsclaims. Beide aankondigingen noemen NVIDIA-GPU’s, maar geen identieke testconfiguratie. De actuele modellenpagina zegt dat Mercury 2 en 2.5 niet meer openstaan voor nieuwe gebruikers; bestaande klanten met gebruik vóór 19 oktober houden toegang tot 15 november. Enterprise-klanten blijven onder hun bestaande afspraken ondersteund.

Diffusie krijgt een API-route

Een traditioneel taalmodel maakt tekst stap voor stap door telkens het volgende token te voorspellen. Een diffusie-LLM werkt anders: het begint met een onvolledige tekst en verfijnt meerdere tokens tegelijk in opeenvolgende rondes. Inception zegt dat Mercury 3 ruim 40 keer zoveel totale parameters heeft als Mercury 1. Het bedrijf stelt ook dat de benchmarkintelligentie tegenover Mercury 1 mini verdrievoudigd is. Dat zijn cijfers van de maker, geen onafhankelijke meting.

Google werkt aan dezelfde technische familie via DiffusionGemma, een open model dat gekwantiseerd op één krachtige GPU kan draaien. De Google-aankondiging beschrijft een experimenteel model van 26 miljard parameters onder Apache 2.0 dat tot vier keer sneller tekst genereert op GPU’s. Inception biedt Mercury 3 als gehoste API aan; bij Google zijn de gewichten te downloaden en zelf te draaien. De twee routes leggen andere keuzes op tafel rond beheer, hardware en waar de invoer wordt verwerkt.

De keuze verschuift dus naar beheer, hardware en gegevensverwerking. Een API vraagt geen eigen GPU, terwijl lokale inzet infrastructuur en onderhoud vraagt. De route bepaalt daarmee ook welke operationele kosten en afspraken bij een toepassing horen.

De benchmark blijft een claim van Inception

Inceptions eigen benchmarkkaart vergelijkt Mercury 3 met GPT-6 Luna en Claude Haiku 5.5 op de medium-instelling. De kaart noemt 1.068 tokens per seconde voor Mercury 3, tegenover ongeveer 130 voor GPT-6 Luna en 240 voor Claude Haiku 5.5. Een telling van de twaalf getoonde taaktests geeft Mercury 3 de hoogste score in acht. Het model staat niet bovenaan bij vier andere tests, waaronder AA-LCR en DeepSWE v1.

Inception meldt ook dat Mercury 3 de helft van 50 live Mind2Web-navigatietaken afrondde in zijn eigen productie-harnas. Volgens het bedrijf was dat meer dan GPT-6.1-Sol, met hetzelfde aantal tokens en agentstappen. De aankondiging geeft geen onafhankelijke replicatie of volledige testmethode. De kaart laat dus zien waar de maker voordeel claimt, maar niet of hetzelfde verschil verschijnt op Nederlandse klantvragen, interne documenten of een eigen codebase.

Een pilot moet meer meten dan tokens

De API is compatibel met bestaande OpenAI-clients en Inception biedt voor nieuwe sleutels gratis tokens, zodat een bestaande toepassing de modelwissel kan testen. Een bruikbare vergelijking houdt dezelfde prompts, context, hulpmiddelen en outputgrenzen aan. Meet naast de eerste reactietijd ook de volledige doorlooptijd, taakafronding en het aantal herstelpogingen. Een model dat sneller tokens uitstoot, levert niet automatisch sneller een bruikbaar eindresultaat.

De kosten hangen eveneens af van hoe vaak de toepassing het model aanroept en hoeveel context opnieuw wordt meegestuurd. De kostenvergelijking voor open-gewichtmodellen plaatst het omslagpunt waarop zelf hosten goedkoper wordt dan een open-weight API rond 15 tot 20 miljoen tokens per dag. Dat is een andere rekensom dan het tarief op één prijspagina, maar relevant wanneer een team een API naast eigen infrastructuur zet.

Voor zakelijke inzet noemt Inception dedicated capaciteit, autoscaling, compliance-instellingen en instelbare gegevensretentie voor enterprise-klanten. De publieke aankondiging noemt geen standaard bewaartermijn of verwerkingsregio. Organisaties die persoonsgegevens of vertrouwelijke documenten verwerken, moeten die voorwaarden dus naast de modeluitkomst beoordelen. Mercury 3 maakt diffusie-AI direct testbaar via een API; de praktische waarde blijkt uit de kwaliteit, wachttijd en kosten van een volledige taak onder de eigen gegevensafspraken.