فهرست مطالب
شرکت اینسپشن در ۲۷ مهر ۱۴۰۵ (۱۹ اکتبر ۲۰۲۶) از Mercury 3 رونمایی کرد؛ مدلی که به گفتهٔ خودش «قدرتمندترین مدل زبانی انتشارشیِ منتشرشده تا امروز» است و همزمان ادعا میکند از رقبای سرعتیِ همکلاسش — GPT-6 Luna و Claude Haiku 5.5 — در بنچمارکها جلو میزند، آن هم با ۴ تا ۸ برابر سرعت بیشتر: بیش از ۱٬۰۰۰ توکن بر ثانیه روی GPUهای NVIDIA.
اگر تا امروز فکر میکردی همهٔ چتباتها یک جور جمله میسازند، این خبر آن تصویر را عوض میکند. در ادامه میگوییم مدل انتشارشی (دیفیوژن) دقیقاً چطور متن میسازد و چرا از مدلهای معمولی سریعتر است، عددهای بیانیهٔ رسمی اینسپشن چه میگویند و چه چیزهایی را شرکت هنوز نگفته، این سرعت برای ایجنتهای هوش مصنوعی چرا حیاتی است و تو بهعنوان توسعهدهندهٔ فارسیزبان، همین امروز چه سه کار مشخصی میتوانی بکنی.
پاسخ کوتاه
چه چیزی معرفی شد؟ Mercury 3؛ چهارمین مدل شرکت اینسپشن و به گفتهٔ خودش قدرتمندترین مدل زبانی انتشارشی (dLLM) تا امروز.
کی و کجا؟ ۲۷ مهر ۱۴۰۵ (۱۹ اکتبر ۲۰۲۶) در رد وود سیتی کالیفرنیا، با بیانیهٔ رسمی منتشرشده در Business Wire.
اعداد کلیدی: سرعت بیش از ۱٬۰۰۰ توکن بر ثانیه (رقم دقیق اعلامشده: ۱٬۰۶۸) روی GPUهای NVIDIA؛ پنجرهٔ زمینهٔ یک میلیون توکن — یعنی حدود چهار برابر نسل قبل؛ اندازهای بیش از ۴۰ برابر Mercury 1، بدون از دست دادن سرعت.
قیمت: ۰.۲۰ دلار بهازای هر یک میلیون توکن ورودی و ۰.۷۰ دلار برای هر یک میلیون توکن خروجی؛ با تخفیف ۵۰ درصدی لانچ: ۰.۱۰ و ۰.۳۵ دلار. توکنهای کششده ۹۰ درصد ارزانترند.
دسترسی: از امروز روی API خود اینسپشن، OpenRouter، Baseten و Vercel؛ چون با OpenAI API سازگار است، میتوانی بدون بازنویسی کد جابهجا شوی.
اول زمینه: مدل زبانی انتشارشی (دیفیوژن) چیست؟
قبل از خبر، یک دقیقه زمینه. این تیتر را نخوان و رد شو، چون بقیهٔ مطلب بدون آن نصفونیمه میماند.
اول توکن یعنی چه؟
توکن یعنی واحد کوچکی از متن که مدل با آن کار میکند — تقریباً معادل یک تکهٔ کلمه. وقتی میگوییم مدلی «۱٬۰۰۰ توکن بر ثانیه» تولید میکند، یعنی در هر ثانیه حدود هزار تکهٔ کلمه میسازد؛ یعنی یک پاسخ بلند، تقریباً بیوقفه و مثل آب جاری میشود.
مدلهای معمولی چطور مینویسند؟
تقریباً همهٔ چتباتهایی که میشناسی — از ChatGPT تا Claude — «خودبازگشتی» (autoregressive) هستند؛ یعنی جمله را کلمه به کلمه و از چپ به راست میسازند: اول کلمهٔ اول را حدس میزنند، بعد با دیدن آن، کلمهٔ دوم و همینطور تا آخر. این روش مثل تایپ کردن با یک انگشت است: دقیق، اما ذاتی کُند. هر کلمه باید منتظر کلمهٔ قبلی بماند.
مدل انتشارشی چه فرقی دارد؟
مدل انتشارشی (diffusion) برعکس عمل میکند: بهجای ساختن جمله کلمه به کلمه، اول یک پیشنویس ناقص از کل پاسخ میچیند و بعد در چند دورِ پالایش، همهٔ بخشها را همزمان اصلاح میکند. این همان ایدهای است که پشت تولیدکنندههای تصویر مثل Stable Diffusion هم هست، فقط اینجا روی متن پیاده شده. به گفتهٔ اینسپشن، این «مسیر اساساً متفاوتِ استنتاج سریعتر» است، چون کار موازی، ذاتاً از کار پشتسرهم سریعتر تمام میشود.
چرا این فرق برای سرعت مهم است؟
تصور کن باید یک متن صدکلمهای بنویسی. مدل معمولی صد قدم پشت سر هم برمیدارد. مدل انتشارشی دهها تکه را همزمان جلو میبرد و چند دور اصلاحشان میکند. نتیجه؟ به ادعای اینسپشن، Mercury 3 با همان سرعتی کار میکند که مدلهای چهل برابر کوچکترش کار میکردند — یعنی بزرگ شدن مدل، دیگر به قیمت کُند شدنش تمام نشده.
اینسپشن دقیقاً چه چیزی اعلام کرد؟
بیانیهٔ رسمی اینسپشن که در Business Wire منتشر شد، چند ادعای بزرگ را یکجا مطرح میکند. همهٔ اینها «به گفتهٔ شرکت» است و هنوز آزمون مستقلی پشتشان نیست — جلوتر میگوییم دقیقاً کدام بخشها را باید با احتیاط خواند.
عددهای کلیدی بیانیه
سرعت: بیش از ۱٬۰۰۰ توکن بر ثانیه روی «GPUهای NVIDIA که بهراحتی در دسترساند». رقم دقیقی که در پوششهای خبری آمده ۱٬۰۶۸ توکن بر ثانیه است.
هوشمندی: «همرده یا بهتر» از مدلهای سرعتیِ پیشرو یعنی GPT-6 Luna و Claude Haiku 5.5 در «طیف گستردهای از بنچمارکهای استاندارد» — با ۴ تا ۸ برابر سرعت بیشتر.
مقیاس: بیش از ۴۰ برابر بزرگتر از Mercury 1 (اولین مدل شرکت، ژوئن ۲۰۲۵)، با سرعتی قابلمقایسه با همان.
پنجرهٔ زمینه: یک میلیون توکن، در برابر ۲۶۰ هزار توکنِ Mercury 2.5؛ یعنی حدود چهار برابر. یک میلیون توکن تقریباً معادل چند هزار صفحهٔ متن است — یعنی میتوانی یک کتابخانهٔ کوچک از اسناد را یکجا به مدل بدهی.
قیمت: ۰.۲۰ دلار برای هر میلیون توکن ورودی و ۰.۷۰ دلار برای هر میلیون توکن خروجی؛ در دورهٔ لانچ نصف قیمت (۰.۱۰ و ۰.۳۵ دلار)؛ توکنهای کششده هم ۹۰ درصد تخفیف میگیرند. طبق گزارش Unite.AI، برای کلیدهای API جدید ۱۰۰ میلیون توکن رایگان هم در نظر گرفته شده.
ادعای بنچمارکی را چطور بخوانیم؟
قلب بیانیه این جمله است: «از GPT-6 Luna و Claude Haiku 5.5 در بنچمارکها جلو میزنیم و ۴ تا ۸ برابر سریعتریم.» این ادعای خود شرکت است. اینسپشن در میان بنچمارکها از Mind2Web، JevBench و LegalBench نام برده، اما فهرست کامل تستها را منتشر نکرده. دو نتیجهٔ مستقل از شرکتهای ثالث هم گزارش شده: به گزارش رسانهٔ Golden Era، شرکت TinyFish میگوید Mercury 3 در ۵۰ تست زندهٔ Mind2Web، نیمی از کارها را کامل کرده — بیشتر از GPT-6.1-Sol؛ و شرکت Octen هم زمان تولید میانه را ۰.۹ ثانیه و زمان پاسخ سرتاسری میانه را ۲.۲ ثانیه گزارش کرده. اینها نشانههای امیدوارکنندهاند، اما هنوز آزمون مستقل جامعی نیستند.
یک نکتهٔ روزنامهنگارانه هم بگوییم: رسانهٔ Golden Era اشاره کرده که در صفحههای خود اینسپشن، یکجا «۵ برابر» و یکجای دیگر «۴ تا ۸ برابر» نوشته شده. وقتی شرکت خودش در عددهایش یکدست نیست، تو هم ادعاها را با همان دقت بخوان.
قیمتگذاری در یک نگاه
جدول زیر قیمتهای رسمی اعلامشده در بیانیه را نشان میدهد؛ ستون آخر، همان چیزی است که الان و در دورهٔ لانچ میپردازی:
نوع توکن | قیمت فهرست | قیمت لانچ (۵۰٪ تخفیف) |
|---|---|---|
ورودی (هر میلیون توکن) | ۰.۲۰ دلار | ۰.۱۰ دلار |
خروجی (هر میلیون توکن) | ۰.۷۰ دلار | ۰.۳۵ دلار |
ورودی کششده (هر میلیون توکن) | ۰.۰۲ دلار | ۰.۰۱ دلار |
جدول را اینطور بخوان: برای کارهای معمولی که ورودی و خروجی ترکیب میشوند، هزینهٔ واقعی تو در دورهٔ لانچ چیزی حدود یکپنجم تا یکششمِ قیمت فهرستِ مدلهای سرعتیِ رایج درمیآید — البته مقایسهٔ دقیق قیمت با رقبا را خودت باید با نرخهای بهروز بسنجی، چون ما اینجا قیمت رقبا را حدس نمیزنیم.
از Mercury 1 تا Mercury 3؛ چه چیزی عوض شد؟
Mercury 3 چهارمین انتشار اینسپشن است و هر نسل، یک قدم به جلو برداشته. جدول زیر مسیر را خلاصه میکند (بر اساس بیانیهٔ رسمی شرکت):
مدل | معرفی | پنجرهٔ زمینه | گام اصلی |
|---|---|---|---|
Mercury 1 | ژوئن ۲۰۲۵ | اعلام نشده | اولین اثبات تجاری که مدل زبانی انتشارشی برای کاربرد واقعی ساخته میشود |
Mercury 2 | اعلام نشده | اعلام نشده | افزودن «استدلال» (reasoning) به مدلهای انتشارشی |
Mercury 2.5 | اعلام نشده | ۲۶۰ هزار توکن | استدلال قابلتنظیم و پنجرهٔ زمینهٔ بزرگتر |
Mercury 3 | ۱۹ اکتبر ۲۰۲۶ | یک میلیون توکن | بزرگترین جهش هوشمندی در تاریخ سری مرکوری، با همان سرعت |
پیام اصلی جدول این است: سؤال همیشگی جامعهٔ هوش مصنوعی این بود که «آیا دیفیوژن مقیاسپذیر است؟» به گفتهٔ استفانو ارمون، همبنیانگذار اینسپشن: «مرکوری ۳ بیش از ۴۰ برابر بزرگتر، بهمراتب توانمندتر، و هنوز بالای ۱٬۰۰۰ توکن بر ثانیه کار میکند. داریم نشان میدهیم که محدودیت مقیاسپذیریِ مدلهای انتشارشی، محاسبات و داده است، نه موانع الگوریتمی بنیادین.» او همچنین گفته شرکت «آموزش مدل بعدی را هم شروع کرده».
چه کسانی زودتر دارند از آن استفاده میکنند؟
طبق بیانیه، شرکای دسترسی زودهنگام همین حالا Mercury 3 را در چهار سناریوی واقعی به کار گرفتهاند: ایجنتهای مرورگر (browser use agents)، آموزش تعاملی، ایجنتهای جستوجوی بلادرنگ و پشتیبانی مشتری. اگر روی ایجنت کار میکنی، این فهرست برایت آشناست — همانجایی که سرعت، تفاوت بین «قابلاستفاده» و «اعصابخردکن» است. دربارهٔ ایجنتهایی که روی دستگاه خودت زندگی میکنند، قبلاً در مطلب ایجنتی که روی مک شما زندگی میکند نوشتهایم.
یک نقلقول ملموس هم از مایکل تانگ، همبنیانگذار و مدیر فنی General Learning (سازندهٔ RevisionDojo) در بیانیه آمده: «مرکوری ۳ به ما اجازه داد بدون از دست دادن استدلال، به هر دانشآموز بازخورد فوری بدهیم. راهنماییها، پاسخهای تصحیحشده و تعریفها حالا در حدود یک ثانیه برمیگردند، با کیفیتی بهاندازهٔ یا بهتر از مدلهایی که قبلاً اجرا میکردیم. وقتی دانشآموز روی سؤالی گیر کرده، همین سرعت او را سر کار نگه میدارد بهجای اینکه منتظر بماند، و جابهجایی برای استک موجود ما بدون دردسر بود.»
چرا این سرعت برای ایجنتهای هوش مصنوعی حیاتی است؟
این بخش را جدی بگیر، چون همینجا جواب «به من چه؟» است. ایجنت هوش مصنوعی یعنی مدلی که برای تمام کردن یک کار، بارها و بارها خودش را صدا میزند: یک قدم برمیدارد، نتیجه را میخواند، قدم بعدی را تصمیم میگیرد. در چنین حلقهای، هر چندصدم ثانیه تأخیر، در هر قدم تکرار میشود و روی هم انباشته میشود. به گفتهٔ اینسپشن: «در سیستمهای ایجنتی، که مدل برای تمام کردن یک کار فراخوانیهای مکرر انجام میدهد، تأخیرها در هر قدم جمع میشوند.»
حالا حساب کن: اگر مدلت ۴ تا ۸ برابر سریعتر جواب بدهد، ایجنت تو در همان زمان، چند برابر قدم بیشتر برمیدارد — یا همان کار را چند برابر زودتر تمام میکند. برای ایجنتهای مرورگری که سایتها را میگردند، دستیارهای صوتی که باید همقدم کاربر حرف بزنند و ابزارهای جستوجوی بلادرنگ، این یعنی مرز بین محصولی که «کار میکند» و محصولی که «لذتبخش است». اگر میخواهی ببینی پلتفرمهای ایجنتی بزرگ دنیا به کدام سمت میروند، مطلب مدل ایجنتی جدید سیلزفورس را هم ببین.
حالا تو چه کار میتوانی بکنی؟
خبر که خواندی، حالا نوبت عمل است. سه کار مشخصی که همین امروز میتوانی بکنی:
تست رایگان بگیر: طبق گزارشها، کلیدهای API جدید اینسپشن با ۱۰۰ میلیون توکن رایگان شروع میکنند. اگر پروژهای داری که تأخیر مدل اذیتت میکند، این ارزانترین راه برای محک زدن ادعای سرعت است — بدون اینکه یک دلار خرج کنی.
جابهجایی بدون بازنویسی: چون API مدل با OpenAI API سازگار است، اگر همین حالا با کتابخانهٔ OpenAI کار میکنی، طبق بیانیه «تیمها میتوانند بدون بازنویسی کد» سوییچ کنند. یعنی عملاً فقط آدرس endpoint و کلید عوض میشود. یک بنچمارک کوچک روی کار خودت بگیر و سرعت و کیفیت را با مدل فعلیات مقایسه کن — به ادعای شرکت اکتفا نکن.
روی ایجنتها تمرکز کن، نه چت ساده: اگر فقط برای چت روزمره مدل میخواهی، این خبر برایت حاشیه است. اما اگر ایجنت میسازی — مرورگر، جستوجو، پشتیبانی — سرعت ۱٬۰۰۰ توکن بر ثانیه دقیقاً همانجایی است که معماری محصولت را عوض میکند. دربارهٔ مدلهای تازهٔ این روزها، مدل جدید آنتروپیک پیش از عرضهٔ اولیه را هم دنبال کن.
دسترسی، قیمت و یک نکته برای خوانندهٔ فارسیزبان
Mercury 3 از روز معرفی روی چهار مسیر در دسترس است: API خود اینسپشن، OpenRouter، Baseten و Vercel. برای استقرارهای سازمانی هم ظرفیت اختصاصی، مقیاسپذیری خودکار، کنترلهای انطباق و نگهداری دادهٔ قابلتنظیم اعلام شده. اینسپشن در رد وود سیتی کالیفرنیا مستقر است و طبق بیانیه، سرمایهگذارانی مثل Menlo Ventures، Mayfield، صندوق M12 مایکروسافت، Snowflake Ventures و Databricks Ventures — و افرادی مثل اندرو اینگ، آندری کارپاتی و اریک اشمیت — پشت آناند.
و اما نکتهٔ مربوط به تو: اینسپشن یک شرکت آمریکایی است و مثل اغلب سرویسهای مشابه، دسترسی از ایران تابع شرایط سرویس و تحریمهاست. ما اینجا راه دور زدنی پیشنهاد نمیدهیم؛ اگر توسعهدهندهای، قبل از هر چیز شرایط استفادهٔ بهروز سرویس را خودت بخوان و برای پرداخت دلاری هم محدودیتهای بانکی را در نظر بگیر. از نظر فنی، چون API با OpenAI سازگار است، اگر روزی دسترسی برایت فراهم شد، مهاجرت کدت کمهزینهترین بخش ماجراست.
چیزهایی که هنوز روشن نیست
صداقت خبری یعنی بگوییم چه چیزهایی را نمیدانیم. اینها را شرکت اعلام نکرده یا شفاف نکرده:
فهرست کامل بنچمارکها: اینسپشن فقط از چند بنچمارک (Mind2Web، JevBench، LegalBench) نام برده؛ تصویر کامل تستهایی که ادعای «جلو زدن از Luna و Haiku» روی آنها بنا شده، منتشر نشده.
کدام GPU؟ سرعت ۱٬۰۶۸ توکن بر ثانیه «روی GPUهای NVIDIA» اعلام شده، اما مدل دقیق کارت گرافیک مشخص نیست — و این در دنیای بنچمارک سرعت، تفاوت بزرگی است.
تعداد پارامترها: فقط «بیش از ۴۰ برابر Mercury 1» گفته شده؛ عدد مطلق اعلام نشده.
پایان تخفیف لانچ: برای تخفیف ۵۰ درصدی، تاریخ پایانی اعلام نشده.
سرنوشت Mercury 2 و 2.5: به گزارش Golden Era، این دو مدل به روی کاربران جدید بسته شدهاند و مشتریان فعلیِ دارای مصرف قبل از ۱۹ اکتبر ۲۰۲۶، تا ۱۵ نوامبر ۲۰۲۶ دسترسیشان را نگه میدارند.
آزمون مستقل ما نیست: ما Mercury 3 را خودمان اجرا و تست نکردهایم؛ همهٔ عددهای این مطلب از بیانیهٔ رسمی و پوششهای رسانهای است.
جمعبندی
Mercury 3 مهمترین محکِ تا امروزِ این ایده است که «مدلهای انتشارشی میتوانند هم بزرگ شوند و هم سریع بمانند». اگر ادعاهای اینسپشن حتی نصفش هم درست باشد، معادلهٔ انتخاب مدل برای ایجنتها عوض میشود: دیگر لازم نیست بین «سریع» و «باهوش» یکی را قربانی کنی. توصیهٔ عملی ما: اگر ایجنت میسازی، از سهمیهٔ رایگان شروع کن و روی کارِ خودت بنچمارک بگیر — نه روی بنچمارک شرکت. اگر فقط مصرفکنندهٔ چتبات هستی، این خبر را بهعنوان «جهت باد» صنعت بخوان و منتظر بمان ببینی کدام محصول روزمره اول از این سرعت استفاده میکند.
سؤالهای پرتکرار
Mercury 3 دقیقاً چیست؟
Mercury 3 چهارمین مدل شرکت اینسپشن است؛ یک مدل زبانی انتشارشی (dLLM) که متن را بهصورت موازی تولید و پالایش میکند. به گفتهٔ شرکت، قدرتمندترین مدل انتشارشیِ منتشرشده تا امروز است و با بیش از ۱٬۰۰۰ توکن بر ثانیه، چند برابر سریعتر از مدلهای سرعتی رقیب کار میکند.
مدل انتشارشی با ChatGPT چه فرقی دارد؟
مدلهایی مثل ChatGPT و Claude «خودبازگشتی»اند: جمله را کلمه به کلمه میسازند. Mercury 3 «انتشارشی» است: پیشنویسی از کل پاسخ میچیند و همهٔ بخشها را همزمان اصلاح میکند. همین موازیکاری، راز سرعت بالاتر آن است.
۱٬۰۶۸ توکن بر ثانیه یعنی چه؟
یعنی مدل در هر ثانیه حدود هزار تکهٔ کلمه تولید میکند — چند برابر سریعتر از مدلهای سرعتی معمول. به ادعای اینسپشن، این سرعت روی GPUهای معمول NVIDIA به دست آمده، اما مدل دقیق کارت گرافیک اعلام نشده.
قیمت Mercury 3 چقدر است؟
قیمت فهرست: ۰.۲۰ دلار برای هر میلیون توکن ورودی و ۰.۷۰ دلار برای هر میلیون توکن خروجی. در دورهٔ لانچ نصف قیمت (۰.۱۰ و ۰.۳۵ دلار) و توکنهای کششده ۹۰ درصد ارزانترند. تاریخ پایان تخفیف لانچ اعلام نشده.
از کجا میشود به Mercury 3 دسترسی داشت؟
از روز معرفی روی API خود اینسپشن، OpenRouter، Baseten و Vercel. چون API آن با OpenAI API سازگار است، جابهجایی از استک OpenAI بدون بازنویسی کد ممکن است.
آیا Mercury 3 از GPT-6 Luna و Claude Haiku 5.5 بهتر است؟
این ادعای خود اینسپشن است: «همرده یا بهتر» در بنچمارکها با ۴ تا ۸ برابر سرعت. فهرست کامل بنچمارکها منتشر نشده و آزمون مستقلی هم هنوز در دسترس نیست؛ پس فعلاً آن را «ادعای شرکت» بخوان، نه واقعیت تأییدشده. دربارهٔ مدلهای تازهٔ آنتروپیک، مطلب Claude Opus 5.5 چیست را ببین.
وزنهای مدل باز (open weights) است؟
نه. Mercury 3 فقط از طریق API عرضه میشود و وزنهای آن باز نیست؛ یعنی نمیتوانی آن را روی سختافزار خودت اجرا کنی.
این مدل برای چه کسانی مفید است؟
بیشتر برای سازندگان ایجنتهای هوش مصنوعی، دستیارهای صوتی، جستوجوی بلادرنگ و پشتیبانی مشتری — جاهایی که مدل بارها صدا زده میشود و تأخیر روی هم انباشته میشود. برای چت روزمره، تفاوتش را کمتر حس میکنی.
منابع
Business Wire: Inception Launches Mercury 3, Setting a New Pareto Frontier in Speed and Intelligence (۱۹ اکتبر ۲۰۲۶ — بیانیهٔ رسمی)
Unite.AI: Inception Releases Mercury 3, Its Flagship Diffusion LLM (۲۰ اکتبر ۲۰۲۶)
Tesla News Wire: Inception Mercury 3 diffusion LLM: 1,000 tokens/s, 1M context (۲۰ اکتبر ۲۰۲۶)
Golden Era of Super Intelligence: Inception releases Mercury 3, a diffusion LLM it says hits 1,068 tokens per second (۲۰ اکتبر ۲۰۲۶)
Shattered.io: Inception's Mercury 3: 40x Bigger, 8x Faster (۲۰ اکتبر ۲۰۲۶)
Teck Hustlers: Inception Mercury 3: The Diffusion LLM Claiming 1,000+ Tokens per Second, Explained (۲۰ اکتبر ۲۰۲۶)
PANews: Inception releases diffusion LLM Mercury 3, supporting 1 million token context (۲۰ اکتبر ۲۰۲۶)
The Neuron: Everything that happened in AI today — Tuesday, October 20, 2026 (۲۰ اکتبر ۲۰۲۶)



