Inception เปิดตัว Mercury 3 โมเดล diffusion ที่ใหญ่ขึ้น 40 เท่า วิ่ง 1,068 โทเคน/วินาที ชนะ GPT-6 Luna และ Haiku 5.5 ในตารางของตัวเอง — แต่ราคาปกติแพงกว่าทั้งคู่ ที่ดูถูกกว่าเพราะใช้ราคาโปรโมชัน

Inception แล็บที่ทำโมเดลภาษาแบบ diffusion (สร้างข้อความหลายโทเคนพร้อมกันแล้วค่อย ๆ ขัดเกลา แทนการสร้างทีละโทเคนแบบ autoregressive) เปิดตัว Mercury 3 เมื่อ 19 ต.ค. 2026 บริษัทเรียกว่าเป็น “the most capable diffusion-based LLM released to date” ขนาดใหญ่กว่า Mercury 1 มากกว่า 40 เท่า (ไม่บอกจำนวนพารามิเตอร์จริง) ความเร็ว 1,068 โทเคน/วินาที บน GPU ของ NVIDIA และ context ขยายจาก 260K ใน Mercury 2.5 (ที่เราเขียนถึงเมื่อ 9 ก.ย.) เป็น 1M โทเคน

ประเด็นหลักที่ Inception ต้องการพิสูจน์คือ “diffusion scales” หมายความว่าโมเดลแบบ diffusion เก่งขึ้นตามขนาดได้เหมือนโมเดล autoregressive Mercury 2.5 ถูกวิจารณ์ว่าเปิดตัวโดยไม่มีตัวเลขเบนช์มาร์กเลย รอบนี้ Inception จึงทำตารางเทียบกับ GPT-6 Luna และ Claude Haiku 5.5 (ทั้งสามตัวที่ effort medium) มาให้ดูครบ

ตารางเบนช์มาร์ก: ชนะ 8 จาก 12 แพ้งานโค้ดยาวและ context ยาว

จากตาราง “Benchmark results vs. models in its class” ของ Inception

เบนช์มาร์ก	Mercury 3	GPT-6 Luna	Haiku 5.5
SWE-Bench Atlas	51.08	33.33	32.26
DeepSWE v1	46.31	37.76	51.62
τ³-bench Banking	30.24	23.00	13.06
IFBench	76.84	61.82	54.65
GPQA Diamond	89.23	86.36	84.51
BrowseComp+	55.18	50.50	45.78
AA-LCR v1.1	77.67	78.30	74.70
MRCR v2	75.50	62.72	78.40
AA-Omniscience (Accuracy)	46.44	46.94	37.22

Mercury 3 ยังชนะใน GDPval (Elo 1,237.2), MultiChallenge (60.35) และ DeepSearchQA (71.33) ด้วย จุดที่แพ้คือ DeepSWE ซึ่งเป็นงานโค้ดหลายขั้นตอนที่ Haiku 5.5 ได้สูงกว่าราว 5 แต้ม และเบนช์มาร์ก context ยาวอย่าง MRCR v2 กับ AA-LCR ช่องว่าง SWE-Bench Atlas ที่ห่างถึง 18 แต้มเป็นตัวเลขที่ดีที่สุดในตาราง แต่ทั้งหมดเป็นการวัดของ Inception เอง ตอนนี้ Artificial Analysis มีหน้าของ Mercury 2 และ Mercury 2.5 แล้ว แต่ยังไม่มีหน้าของ Mercury 3 จึงยังไม่มีผลวัดจากภายนอกมายืนยัน

เรื่องความเร็ว ตารางให้ Mercury 3 ทำได้ 1,068 tok/s เทียบกับประมาณ 130 สำหรับ Luna และประมาณ 240 สำหรับ Haiku 5.5 นี่คือเหตุผลที่ลูกค้ากลุ่มแรกที่ Inception ยกมาเป็นงานที่ latency สะสมได้ เช่น browser agent (TinyFish บอกว่าทำ Mind2Web แบบ live สำเร็จ 50% ของ 50 งาน) ติวเตอร์เสียง และ customer support

ราคา: แถวในตารางใช้ราคาโปรโมชัน ไม่ใช่ราคาปกติ

แถว “Price” ในตารางแสดงราคาของ Mercury 3 เป็น $0.10 / $0.35 ต่อ 1M โทเคน เทียบกับ $0.10 / $0.50 ของทั้ง Luna และ Haiku ซึ่งทำให้ดูเหมือนว่า Mercury 3 ถูกกว่า แต่เนื้อหาในโพสต์เดียวกันบอกว่า ราคาปกติคือ $0.20 / $0.70 และ $0.10 / $0.35 เป็น ราคาลด 50% ช่วงเปิดตัว ซึ่งไม่ได้ระบุว่าจะหมดเมื่อไร

เราตรวจราคาของคู่เทียบจากหน้าราคาทางการแล้ว GPT-6 Luna คือ $0.10 / $0.50 และ Claude Haiku 5.5 คือ $0.10 / $0.50 (สำหรับ prompt ไม่เกิน 100K โทเคน ถ้าเกินจะเป็น $0.50 / $2.50) ดังนั้นเมื่อจบโปรโมชัน Mercury 3 จะแพงกว่าทั้งคู่ ค่าอินพุตแพงกว่า 2 เท่า และค่าเอาต์พุตแพงกว่า 1.4 เท่า สิ่งที่ได้เพิ่มคือความเร็วที่สูงกว่า 4–8 เท่า ซึ่งเป็นข้อแลกเปลี่ยนที่สมเหตุสมผลสำหรับงานที่ต้องการ latency ต่ำ แต่ไม่ได้ทำให้ Mercury 3 เป็นตัวเลือกที่ถูกที่สุด

ส่วนที่ได้เปรียบจริงคือ prompt ยาว Haiku 5.5 ขึ้นราคาเป็น 5 เท่าเมื่อเกิน 100K โทเคน ส่วน Mercury 3 ไม่ได้ประกาศราคาแบบขั้นบันไดตามความยาว และ cached token ลด 90% ของราคาอินพุต

ใช้งานได้ที่ไหน

Mercury 3 ใช้ได้ผ่าน Inception API (API เข้ากันได้กับ OpenAI และให้โทเคนฟรี 100 ล้านโทเคน), OpenRouter (inception/mercury-3 ซึ่งขึ้นรายการตั้งแต่ 16 ต.ค. ก่อนประกาศสามวัน), Baseten และ Vercel และเหมือน Mercury รุ่นก่อน ๆ คือ ไม่มีน้ำหนักโมเดลให้ดาวน์โหลด นอกจากนี้ Inception ยังพูดถึง Mercury Voice ที่ปรับให้ time-to-first-answer-token ต่ำ และ Mercury Decide สำหรับงานจัดหมวดหมู่ปริมาณมาก

มุมมอง AI Curator

ในเชิงงานวิจัย Mercury 3 เป็นหลักฐานที่ชัดที่สุดเท่าที่มีว่าโมเดลแบบ diffusion เล่นในระดับเดียวกับโมเดลเล็กของแล็บใหญ่ได้แล้ว และเร็วกว่าเกือบหนึ่งลำดับขนาด ถ้าตัวเลข SWE-Bench Atlas ผ่านการตรวจจากภายนอกได้ จะเป็นครั้งแรกที่โมเดล diffusion ชนะคู่แข่ง autoregressive ระดับเดียวกันในงานโค้ด สิ่งที่ควรติดตามต่อคือ diffusion ยังด้อยกว่าในงานที่ต้องคิดต่อเนื่องหลายขั้น (DeepSWE) และงาน context ยาว ข้อจำกัดนี้ยังเหมือนเดิมตั้งแต่ Mercury 2

ในเชิงธุรกิจ แถวราคาในตารางเป็นตัวอย่างของการนำราคาโปรโมชันไปเทียบกับราคาปกติของคู่แข่ง ซึ่งเราเห็นบ่อยขึ้นในสงครามราคาโมเดลเล็ก ทีมในไทยที่ทำแชตบอตบริการลูกค้า ระบบเสียง หรือ agent ที่ต้องตอบภายในหนึ่งวินาที ควรทดสอบ Mercury 3 ช่วงที่ยังลดราคาอยู่ แต่ควรประเมินต้นทุนด้วยราคา $0.20 / $0.70 และควรทดสอบกับภาษาไทยของตัวเองด้วย เพราะ Inception ไม่ได้ให้ตัวเลขด้านหลายภาษาเลย และโมเดลยังเป็นแบบปิดเหมือนเดิม จึงควรออกแบบระบบให้สลับไปใช้ Luna หรือ Haiku ได้ด้วยการแก้ config บรรทัดเดียว

แหล่งข่าว

• Diffusion at Scale: Introducing Mercury 3 (Inception, 19 ต.ค. 2026)
• OpenRouter — Inception Mercury 3
• Claude API pricing (Haiku 5.5)
• OpenAI API pricing (GPT-6 Luna)