Mercury 2.5 ของ Inception เร็ว 1,107 โทเคน/วินาที และคอนเท็กซ์ 260K — แต่บล็อกเปิดตัวไม่มีตัวเลขเบนช์มาร์กสักตัวเดียว

วันที่ 8 กันยายน 2026 Inception Labs เปิดตัว Mercury 2.5 โดย Stefano Ermon ซีอีโอเขียนเองในบล็อกว่ามันคือ “diffusion LLM ที่มีความสามารถสูงที่สุดในตลาด” และ “เท่าที่เรารู้ เป็นโมเดลภาษาแบบ diffusion ที่ใหญ่ที่สุดเท่าที่เคยเทรนมา”

Diffusion LLM (dLLM) น่าสนใจสำหรับนักพัฒนาเพราะมันไม่ได้สร้างข้อความทีละโทเคนจากซ้ายไปขวาเหมือนโมเดล autoregressive ทั่วไป แต่ค่อย ๆ ขจัดสัญญาณรบกวนออกจากลำดับทั้งชุดพร้อมกัน ผลคือ throughput สูงมากและ latency ต่ำมากในระดับที่สถาปัตยกรรมเดิมทำได้ยาก — ซึ่งเป็นจุดขายทั้งหมดของ Mercury

ปัญหาคือ ประกาศนี้ไม่มีตารางเบนช์มาร์กสักช่องเดียว และตัวเลขเดียวที่พูดถึงคุณภาพคือวลี “ฉลาดขึ้น 40% จาก Mercury 2” ซึ่งไม่ได้บอกว่าวัดจากอะไร

ตัวเลขที่บริษัทประกาศ

• ความเร็ว: 1,107 โทเคน/วินาที บน GPU ของ NVIDIA ที่หาได้ทั่วไป
• คอนเท็กซ์: 260,000 โทเคน
• ราคา: $0.20 ต่อล้านโทเคนอินพุต / $0.75 ต่อล้านโทเคนเอาต์พุต — ช่วงเปิดตัวลด 80% เหลือ $0.04 / $0.15
• ความสามารถ: reasoning ที่ปรับระดับได้, เรียกทูลแบบขนาน, JSON ที่ตรงตามสคีมา
• คุณภาพ: “ฉลาดขึ้น 40% จาก Mercury 2” และ “เทียบเคียงได้กับโมเดลแนวหน้าที่ปรับให้ประหยัด อย่าง GPT-5.6 Luna (Low), Gemini 3.5 Flash-Lite และ Claude Haiku 4.5”

เช็กกับ OpenRouter โดยตรง ยืนยันว่าโมเดลขึ้นจริงแล้ว: inception/mercury-2.5 คอนเท็กซ์ 260,000 โทเคน สร้างรายการเมื่อ 8 ก.ย. 18:28 UTC และราคาที่ลิสต์อยู่ตอนนี้คือราคาโปรโมชัน $0.04/$0.15 จริง

มีรายละเอียดที่บล็อกไม่ได้ชูแต่เห็นได้จากการเทียบกับรุ่นก่อน: Mercury 2 อยู่ที่คอนเท็กซ์ 128K และราคา $0.25/$0.75 ดังนั้นราคาปกติของ 2.5 ที่ $0.20 อินพุตคือ ถูกลง 20% พร้อมคอนเท็กซ์ที่เพิ่มเป็นสองเท่า ซึ่งเป็นการปรับปรุงที่จับต้องได้กว่าคำว่า “40%” มาก

พร้อมกันนี้ Inception ยังเปิดพรีวิว Mercury Voice (TTFT ต่ำกว่า 170 ms) และ Mercury Router ที่ใช้ dLLM อ่านพรอมต์ขาเข้าแล้วส่งต่อไปยังโมเดลที่เหมาะที่สุด ทั้งโมเดลเปิดและโมเดลปิด — จุดหลังนี้น่าสังเกต เพราะเป็นการยอมรับโดยปริยายว่า Mercury ไม่ได้เหมาะกับทุกงาน

”ฉลาดขึ้น 40%” หมายความว่าอะไร เมื่อเอาไปวางบนตัวเลขของบุคคลที่สาม

เนื่องจากบล็อกไม่ให้เบนช์มาร์กเอง เราไปดึงตัวเลขที่วัดโดย Artificial Analysis ซึ่งรัน Mercury 2 เอาไว้แล้ว (ณ เวลาเขียน ยังไม่มีหน้าของ Mercury 2.5 — หน้า /models/mercury-2-5 ยังคืน 404):

โมเดล	Intelligence Index	ความเร็วเอาต์พุต (tok/s)	ต้นทุนต่องาน
Mercury 2	11.51	932.6	$0.073
GPT-5.6 Luna (max)	37.50	119.8	$0.178
GPT-5.6 Luna (xhigh)	34.77	107.5	—

สองข้อสรุปที่ตามมา

ข้อแรก เรื่องความเร็วนั้นของจริงและมีคนนอกยืนยันแล้ว Artificial Analysis วัด Mercury 2 ได้ 932.6 tok/s ขณะที่ GPT-5.6 Luna อยู่แถว 108–120 tok/s — เร็วกว่าราวแปดเท่า และเวลาถึงโทเคนคำตอบแรกก็ต่างกันคนละโลก (4.0 วินาที เทียบกับ 168 วินาทีของ Luna max ที่ต้องคิดก่อน) ดังนั้นคำโฆษณา 1,107 tok/s ของรุ่น 2.5 อยู่ในวิสัยที่น่าเชื่อ ต้นทุนต่องานที่ถูกกว่าราว 2.4 เท่าก็เป็นตัวเลขของบุคคลที่สามเช่นกัน

ข้อสอง เรื่องคุณภาพยังห่างจากที่โฆษณาไว้พอสมควร ถ้า “ฉลาดขึ้น 40%” หมายถึงดัชนีเดียวกันนี้ Mercury 2.5 จะได้ราว 16 ขณะที่ Luna ทั้งสองระดับที่ Artificial Analysis วัดไว้อยู่ที่ 34.8–37.5 — ต่างกันกว่าสองเท่า ต้องให้ความเป็นธรรมว่าบริษัทเทียบกับ Luna (Low) ซึ่ง Artificial Analysis ไม่มีรายการแยกไว้ จึงตรวจสอบตรง ๆ ไม่ได้ และ effort ระดับ Low ย่อมได้คะแนนต่ำกว่า max/xhigh อยู่แล้ว แต่ประเด็นก็คือ ไม่มีใครนอกบริษัทยืนยันได้เลยว่ามันเทียบเคียงได้จริงหรือไม่ จนกว่าจะมีคนรันเบนช์มาร์กอิสระ

ที่บล็อกเลือกใช้แทนเบนช์มาร์กคือเคสจากลูกค้าจริง ซึ่งก็มีค่าในแบบของมัน: OpenCall ที่ทำเอเจนต์รับสายโทรศัพท์ ระบุว่า P99 ลดจาก “หลายนาที” เหลือ 1 วินาที และ P50 จาก 0.4 วินาทีเหลือต่ำกว่า 0.2 วินาที ส่วน Augment Code ใช้ Mercury ทำ context compaction, model routing และค้นหาทูล MCP โดยบอกว่าการย้าย compaction มาที่ Mercury ลด latency 82% จากราว 150 วินาทีเหลือ 27 วินาที และลดต้นทุน 90% โดยคุณภาพคงเดิม

มุมมอง AI Curator

รูปแบบของประกาศนี้เป็นรูปแบบที่เราเห็นบ่อยขึ้นเรื่อย ๆ และควรอ่านให้ออก: เมื่อบริษัทมีตัวเลขที่ชนะ บริษัทจะพิมพ์ตัวเลข เมื่อไม่มี บริษัทจะพิมพ์คำคุณศัพท์ Inception มีความเร็วที่ชนะขาดและกล้าพิมพ์เป็นตัวเลขถึงหลักหน่วย ส่วนคุณภาพได้แค่ “40%” ที่ไม่ระบุมาตรวัด นั่นเองก็เป็นสัญญาณอย่างหนึ่ง

แต่การอ่านว่านี่เป็นความล้มเหลวก็ผิดเช่นกัน เพราะ Mercury ไม่ได้แข่งในสนามเดียวกับ Luna หรือ Opus ตำแหน่งที่มันยืนคือชั้นของงานที่ถูกเรียกซ้ำ ๆ หลายสิบครั้งต่อหนึ่งคำขอของผู้ใช้ — เขียนคิวรีใหม่, จัดอันดับผลลัพธ์, บีบอัดคอนเท็กซ์, สรุปสถานะ, เลือกทูล เคสของ Augment Code ชี้ประเด็นนี้ได้ตรงที่สุด: พวกเขาไม่ได้เอา Mercury ไปเขียนโค้ด แต่เอาไปทำ compaction และ routing ซึ่งเป็นงานที่ความเร็วและราคาสำคัญกว่าไอคิว และเป็นงานที่กินต้นทุนเงียบ ๆ ในเอเจนต์ทุกตัวที่รันจริงในโปรดักชัน ถ้าคุณกำลังสร้างเอเจนต์ในปี 2026 คำถามที่ควรถามไม่ใช่ “โมเดลไหนฉลาดสุด” แต่คือ “งานย่อยไหนในไปป์ไลน์ของฉันไม่ต้องการโมเดลที่ฉลาดที่สุด” — และคำตอบมักจะเยอะกว่าที่คิด

สำหรับผู้พัฒนาไทยและ SEA มุมที่ใช้ได้ทันทีคือ เอเจนต์เสียง ตัวเลข TTFT ต่ำกว่า 170 ms ของ Mercury Voice อยู่ในระดับที่คนโทรเข้ามาจะไม่รู้สึกว่ามีช่องว่าง ซึ่งเป็นเกณฑ์ที่โมเดล reasoning ทั่วไปทำไม่ได้เลย ธุรกิจคอลเซ็นเตอร์ ประกัน และบริการลูกค้าในภูมิภาคนี้เป็นตลาดที่ latency คือคุณภาพโดยตรง ข้อควรระวังคือ ยังไม่มีข้อมูลใด ๆ เรื่องภาษาไทย — ไม่มีเบนช์มาร์กหลายภาษา ไม่มีรายชื่อภาษาที่รองรับ ไม่มีตัวเลข tokenization ซึ่งสำคัญเป็นพิเศษกับ dLLM ที่ทำงานบนลำดับทั้งชุด ก่อนจะเอาไปวางในไปป์ไลน์ภาษาไทย ควรวัด TTFT และคุณภาพด้วยข้อความไทยจริงของตัวเองก่อน โดยเฉพาะช่วงที่ราคายังลด 80% อยู่

สุดท้าย ข้อดีที่ควรบันทึกไว้คือ โมเดลนี้ปิด ไม่มี weights ให้ดาวน์โหลด และเข้าถึงได้ผ่าน Inception API, Baseten และ OpenRouter เท่านั้น ความเร็วระดับพันโทเคนต่อวินาทีจึงเป็นสิ่งที่คุณเช่าใช้ ไม่ใช่สิ่งที่คุณเป็นเจ้าของ — ซึ่งเป็นข้อแลกเปลี่ยนที่ต่างจากทิศทางของฝั่งโมเดลเปิดอย่างสิ้นเชิง และเป็นเหตุผลที่ควรออกแบบไปป์ไลน์ให้สลับโมเดลชั้นนี้ได้ง่าย แทนที่จะผูกติดกับผู้ให้บริการรายเดียว

แหล่งข่าว

• Inception Labs — Introducing Mercury 2.5 (8 ก.ย. 2026)
• OpenRouter — inception/mercury-2.5 (ราคาและคอนเท็กซ์)
• Artificial Analysis — Mercury 2 (ตัวเลขที่วัดโดยบุคคลที่สาม)
• Inception Labs — Mercury 2 for Search (11 ส.ค. 2026)