Mercury 3とは？拡散型LLMのAPI料金・速度を解説

結論：低価格と生成速度は有力、まず限定ワークロードで測る

Mercury 3は、チャット、検索、コーディング、ツール利用を1つのモデルで扱う汎用LLMです。注目点は、Inception Labsが2025年から商用化してきた拡散型の生成方式を、Mercury 1比で総パラメータ数40倍超のモデルまで拡大したことです。開発元は、モデルを大きくしても並列生成の速度優位を維持できたと説明しています。

API価格は速度最適化モデルの中でも低い水準です。ローンチ期間は入力100万トークン0.10ドル、出力0.35ドルで、通常価格は0.20ドルと0.70ドルです。最大コンテキストは100万トークン、最大出力は131,072トークンで、instant・low・medium・highのreasoning effortを選べます。既存のOpenAI互換クライアントから試しやすい仕様です。

一方、1,068 tokens/秒と品質ベンチマークは開発元の測定です。出力開始後が速くても、最初のトークンまでの時間、混雑時のp95・p99、ツール呼び出しの成功率、再試行を含むタスク完了時間が短いとは限りません。本番を一括移行せず、短いリアルタイム応答や反復回数の多いエージェントから、同じ入力を既存モデルと並走させるのが安全です。

この節の一次情報：Inception Labs公式｜Introducing Mercury 3（2026年10月19日） ／ Inception Labs Docs｜Models and pricing（2026年10月20日確認）

Mercury 3とは：Inception Labsの汎用拡散型LLM

Mercury 3は、Inception Labsが提供する商用のdiffusion large language model（dLLM）です。同社はスタンフォード大学の研究を背景に、Mercury Coder、Mercury 2系、音声向けMercury Voice、判断向けMercury Decideを展開してきました。Mercury 3はコード専用ではなく、一般的な知識、推論、検索、ツール利用を扱う主力モデルに位置付けられています。

前世代Mercury 2.5のコンテキスト260Kから1Mへ拡張されました。公式発表では、ブラウザエージェント、教育、リアルタイム検索、カスタマーサポートで早期利用が始まったとされています。ただし、これらは開発元と協力企業が紹介した事例であり、導入社による長期の運用指標や第三者監査が揃った事例ではありません。

同社はMercury 3がGPT-6 LunaやClaude Haiku 5.5と同等以上の品質だと主張していますが、比較表は自社評価です。公開直後に確認できる独立評価は旧世代Mercuryが中心です。品質の結論は、Artificial Analysisなどの第三者測定と、実利用者の再現可能な検証が揃うまで保留する必要があります。

この節の一次情報：Inception Labs公式｜Mercury 3 launch ／ Mercury論文｜Ultra-Fast Language Models Based on Diffusion

仕組み：自己回帰ではなく、複数位置を反復して修正する

一般的な自己回帰型LLMは、これまでに確定したトークンを条件に次の1トークンを予測し、左から右へ繰り返します。並列GPUを使っても、1つの回答の生成には逐次性が残ります。回答が長くなり、推論トークンが増えるほど、この依存関係が待ち時間になります。

MercuryはTransformerを基盤にしながら、マスクやノイズを含むトークン列を用意し、複数の位置を並列に予測して反復的に整えます。画像生成の拡散モデルと同じく『ノイズから徐々に構造を復元する』考え方をテキストへ適用したものです。1ステップで複数トークンを更新できるため、十分な並列計算資源がある環境では高い出力速度を狙えます。

ただし、並列に更新できることと、常に少ない計算量で高品質になることは同義ではありません。反復回数、ブロックサイズ、品質確認、reasoning effortによって実際の計算量は変わります。開発元はMercury 1から40倍超へ規模を拡大したと説明していますが、Mercury 3の正確なパラメータ数や学習データの内訳は公表していません。

この節の一次情報：arXiv｜Mercury: Ultra-Fast Language Models Based on Diffusion

API料金：ローンチは入力$0.10・出力$0.35／100万tokens

2026年10月20日に公式ドキュメントで確認したローンチ価格は、入力100万トークン0.10ドル、出力0.35ドルです。通常価格は入力0.20ドル、出力0.70ドルです。公式発表はキャッシュ済みトークンを入力価格から90%割引すると説明しています。ローンチ割引の終了日は確認できないため、恒久価格として予算化しません。

たとえば入力100万トークン、出力20万トークンを処理する場合、ローンチ価格の単純計算は0.10ドル＋0.07ドルで0.17ドルです。通常価格では0.20ドル＋0.14ドルで0.34ドルです。これは税、為替、APIゲートウェイ、検索、ツール、再試行を含まない編集部試算です。

モデルが高速になると、同じ時間に送れるリクエストが増え、月額が自動的に下がるとは限りません。生成速度は待ち時間を下げる指標、単価と出力長はモデル費を決める指標です。reasoning effortを上げた際の出力トークン、再試行率、品質合格率を同じタスクIDで記録し、成功1件当たり原価で比較します。

この節の一次情報：Inception Labs Docs｜モデル別料金 ／ Inception Labs公式｜Mercury 3価格

速度：1,068 tokens/秒は何を意味し、何を意味しないか

Inception Labsは、Mercury 3がNVIDIA GPU上で1,068 tokens/秒、比較対象の速度最適化モデルより4〜8倍速いと公表しています。Hacker Newsで共同創業者はBlackwell GPUを使った測定だと補足しました。ハードウェア、バッチサイズ、入力長、reasoning effort、同時実行数が違えば値も変わります。

tokens/秒は主に出力開始後の生成速度です。利用者が感じる待ち時間には、ネットワーク、キュー、最初のトークンまでの時間（TTFT）、ツール実行、再試行が含まれます。旧世代Mercury 2では第三者測定が高い生成速度を確認した一方、TTFTが他モデルより長い測定例もありました。旧世代の結果をMercury 3へそのまま当てはめることはできませんが、生成TPSと総遅延を分ける必要性を示します。

検証では、入力長と出力長を固定し、instant・low・medium・highを分けて、TTFT、inter-token latency、完了時間、p50・p95・p99、429・5xx率を記録します。エージェントではツール呼び出しの正確さと反復回数も加えます。短い回答ではTTFT、長い回答では生成速度の影響が大きくなります。

この節の一次情報：Inception Labs公式｜Mercury 3 performance ／ Artificial Analysis｜Mercury 2 provider performance（旧世代）

API仕様：OpenAI互換、1M context、4段階の推論強度

Mercury 3はInception APIで提供され、OpenAI互換のリクエスト形式を使えます。base URLをInceptionのAPIへ変更し、modelにmercury-3を指定する構成です。OpenRouter、Baseten、Vercel経由の提供も公式発表に記載されています。既存SDKを流用しやすい一方、完全な挙動互換を意味しないため、ストリーミング、tool calling、エラー、usage項目をテストします。

最大コンテキストは100万トークン、最大出力は131,072トークンです。reasoning effortはinstant、low、medium、highから選び、temperatureは公式ドキュメント上0.5〜1.0です。長いコンテキストへ資料を詰め込めても、検索精度、指示追従、費用、TTFTが維持される保証はありません。必要文書の検索と引用検証を併用します。

企業向けには専用容量、自動スケーリング、保持期間の設定、コンプライアンス対応が案内されています。公開ページだけでは標準APIの既定保持期間、地域ごとの処理場所、SLA、購入条件をすべて確定できません。機密データを扱う場合は、契約書とデータ処理条件を個別に確認します。

• OpenAI互換でも、対応パラメータとレスポンス差分を統合テストする
• reasoning effort別に品質、出力長、TTFT、完了時間を記録する
• 100万トークンを一度に送る前に、検索・要約・キャッシュとの比較を行う
• tool callingの成功率と、並列ツール実行時の再試行を測る
• 保持期間、処理地域、SLA、専用容量は契約資料で確認する

この節の一次情報：Inception Labs Docs｜Models ／ Inception Labs Docs｜Hermes integration

利用例：速度を価値へ変えやすい4つの用途

向く可能性が高いのは、回答を読む前に次の操作が待っているリアルタイム処理です。ブラウザ操作エージェントは、画面の理解、次の操作、結果確認を何度も往復します。各推論を短縮できればタスク完了時間へ積み上がります。対話型教材や音声応答も、返答の間が体験へ直結します。

検索エージェントでは、クエリ生成、文書評価、要約、再検索を反復します。カスタマーサポートでは、長い履歴を読みつつ、回答案やツール呼び出しを生成します。これらは公式の早期利用例ですが、品質や削減時間の共通指標はまだ公開されていません。自社の成功条件を先に定義します。

一方、夜間バッチ、1日1回のレポート、短い分類など、待ち時間の価値が小さい処理では、最高速度へ追加の統合作業を払う意味が薄い場合があります。判断だけを大量に返すならMercury DecideやOpenAI Decisions API、待てる大量生成なら各社のBatch APIも比較対象です。

海外で注目された根拠：公開5時間でHN 300点超

Mercury 3の公開はHacker Newsで急速に広がり、掲載約5時間で300点・130コメントを超えました。議論は、拡散型LLMが大規模化しても速度を維持できるか、品質比較の条件が公平か、Blackwell GPU上の実測を他の提供環境で再現できるかへ集中しています。

開発元の共同創業者もスレッドへ参加し、1,000 tokens/秒超はBlackwell GPU、価格はローンチ中0.10ドル／0.35ドルだと説明しました。一方で、具体的なハードウェア台数、バッチサイズ、推論設定を求める声や、企業の価格設定は推論原価を直接示さないという指摘もあります。

Mercuryは2025年の初代発表でもHacker Newsで大きな議論を集め、Mercury 2でも継続的に開発者の関心を得ています。今回の価値は単発の高速モデルではなく、拡散型テキスト生成が40倍超のスケール拡大後も商用APIとして続いた点です。日本語の詳細な料金・測定条件・制約の解説は公開時点で限られています。

この節の一次情報：Hacker News｜Mercury 3: Diffusion at scale ／ Hacker News｜Inception共同創業者の補足

向くケース・向かないケースと導入手順

向くのは、短い応答を何度も重ねるエージェント、長い出力をユーザーが待つアプリ、低単価で試行回数を増やしたい検索・教育・サポートです。OpenAI互換クライアントを使い、モデル切替の評価基盤があるチームは比較を始めやすいでしょう。

向かないのは、第三者の品質評価や厳格なSLAが揃うまで新モデルを使えない処理、処理地域と保持条件を標準契約で固定する必要がある業務、モデル重みを自社環境へ置く必要がある用途です。速度より最難関の推論品質を優先するタスクも、上位モデルとの並走が必要です。

導入は、同じ入力100〜1,000件を既存モデルへも送り、盲検で品質を評価します。次に本番トラフィックの5%以下でカナリア配信し、TTFT、完了時間、p95・p99、出力トークン、ツール成功率、再試行、1成功タスク原価を比較します。ローンチ価格と通常価格の両方で月額を計算し、価格が戻っても成立するか確認します。

注意点・未検証事項

Mercury 3の1,068 tokens/秒、4〜8倍、GPT-6 Luna・Claude Haiku 5.5と同等以上という数値は開発元の主張です。モデル公開直後のため、Mercury 3を同一入力・同一ハードウェア条件で測った独立ベンチマーク、長文1Mの検索精度、ツール利用のp99、言語別の品質は不足しています。

旧世代Mercury CoderではArtificial AnalysisがH100上で高い生成速度を確認しており、拡散型LLMの速度そのものには第三者の裏付けがあります。ただし、過去モデルの速度をMercury 3へ代入できません。公開されたAPIで最新モデルを再測定した結果を待ちます。

ローンチ割引の終了日、正確なパラメータ数、学習データの詳細、標準APIのデータ保持・処理地域、負荷別レート制限は、今回確認した公開情報だけでは確定できません。契約前に最新ドキュメントと利用規約を確認し、機密データを送る前にDPA、保持、削除、学習利用、サブプロセッサを確認してください。

• 企業ベンチマークを独立評価として扱わない
• tokens/秒とTTFT・タスク完了時間を分ける
• ローンチ価格ではなく通常価格でも採算を確認する
• 長文コンテキストの品質を短文ベンチマークから推測しない
• 保持・処理地域・SLA・レート制限を契約前に確認する

この節の一次情報：Mercury論文｜独立評価を含む旧世代の技術報告 ／ Inception Labs Docs｜最新モデル仕様

FAQ

Q. Mercury 3はオープンウェイトですか？　A. 2026年10月20日時点で、公式発表はAPI提供を案内しており、モデル重みの公開は確認できません。自社GPUへ重みを置く前提ではなく、ホスト型APIとして評価します。

Q. 1,068 tokens/秒なら必ず1秒で回答しますか？　A. いいえ。入力処理、キュー、TTFT、出力長、reasoning effort、ネットワークが加わります。1,068 tokens/秒は開発元が示した出力速度で、全リクエストのエンドツーエンド遅延ではありません。

Q. 100万トークンを毎回送るべきですか？　A. いいえ。送信量は料金と入力処理時間へ影響します。検索で必要箇所を絞る方法、キャッシュ、要約と、長文を直接送る方法を同じ品質条件で比較します。

Q. Mercury Decideとの違いは何ですか？　A. Mercury 3は文章生成、推論、ツール利用を行う汎用LLMです。Mercury Decideは大量の分類や選択を返す判断専用APIで、自由文生成が不要な処理向けです。

Q. 既存APIから簡単に移行できますか？　A. OpenAI互換形式のため接続は始めやすいですが、対応パラメータ、tool calling、ストリーミング、エラー、usageの差を確認し、品質評価なしの全量切替は避けます。