Los equipos de marketing que producen contenido a gran escala se preguntan a menudo si un modelo más rápido y barato debería sustituir al que usan por defecto. La nueva versión de Inception ofrece un caso de prueba concreto. Mercury 3 de Inception, un LLM de difusión, se lanzó el 19 de octubre de 2026, y la mayoría de sus cifras destacadas provienen del propio proveedor. Esta guía explica dónde encaja en un stack de marketing, dónde no y cómo probarlo antes de cambiar.
Índice
Qué es Mercury 3 de Inception, el LLM de difusión
Mercury 3 es un LLM de difusión de Inception que escribe las respuestas en paralelo, no token a token. En lugar de escribir el texto palabra por palabra, Mercury 3 de Inception refina paso a paso un borrador aproximado de toda la respuesta. Ese proceso en paralelo es el origen de su velocidad.
Inception informa de 1.068 tokens por segundo en GPUs de NVIDIA y de una ventana de contexto de un millón de tokens, frente a los 260.000 tokens de Mercury 2.5. Solo está disponible por API, sin pesos abiertos ni versiones cuantizadas.
Las cifras detrás de las afirmaciones
Precios
Mercury 3 cuesta 0,20 $ por millón de tokens de entrada y 0,70 $ por millón de tokens de salida. Con motivo del lanzamiento, la empresa reduce ambos a la mitad, hasta 0,10 $ y 0,35 $. Inception no ha dicho cuánto durará la promoción. Presupuesta con el precio de lista, no con el promocional.
Una fuente comparativa señala que el precio de lista deja la salida por encima de los 0,50 $ de ambos rivales. Por tanto, Mercury 3 de Inception no es el más barato por token de salida cuando termine el descuento. Su ventaja es la velocidad.
Velocidad
La cifra de 1.068 tokens por segundo es una medición de la propia Inception. Un artículo explicativo de terceros la contrasta con una mediana de 160 tokens por segundo de Mercury 3 en OpenRouter. Para planificar, asume que tu velocidad real será inferior a la cifra destacada y que dependerá de tu proveedor.
Incluso a 160 tokens por segundo, una salida de 1.000 tokens tarda unos seis segundos. A los 1.068 anunciados, tarda menos de uno. Es un cálculo propio, no una cifra del proveedor.
Calidad
La empresa afirma que Mercury 3 de Inception funciona entre cuatro y ocho veces más rápido que GPT-6 Luna y Claude Haiku 5.5, y que supera a ambos en ocho de 12 pruebas de referencia. Todavía no hay pruebas independientes.
La ventaja es desigual. En IFBench, Mercury 3 obtiene 76,84 puntos, 15 más que GPT-6 Luna, mientras que Claude Haiku 5.5 gana en DeepSWE, la prueba de programación más larga. Haiku también es mejor para encontrar información en textos largos.
La comparación es con GPT-6 Luna, no con el modelo estrella
La comparación principal es con GPT-6 Luna y Claude Haiku 5.5. Son modelos pequeños y rápidos. Inception no ha afirmado que Mercury 3 de Inception supere en calidad a los mejores modelos GPT-6.
Por eso, «cambiar de GPT-6» es un planteamiento equivocado. La mejor pregunta es qué tareas de tu flujo funcionan ahora con un modelo caro y lento pero solo necesitan la calidad de un modelo rápido. Para conocer los niveles de modelos, consulta nuestra comparativa GPT-6 Sol vs Luna.
Cuándo conviene pasar a un modelo de 1.000 tokens por segundo
La velocidad compensa más cuando una persona o un sistema en directo esperan la salida. Inception dice que creó Mercury 3 de Inception sobre todo para aplicaciones en tiempo real donde la velocidad importa, como agentes de IA autónomos, gafas inteligentes y atención al cliente. Traducido al trabajo de marketing, estos son los candidatos más sólidos:
- Chats web y bots de cualificación de leads. Las respuestas deben sentirse instantáneas. Los primeros socios dicen usarlo para agentes de navegador, tutoría, búsqueda y atención al cliente por su baja latencia.
- Herramientas de escritura interactivas. Por ejemplo, generadores de titulares, variantes de asuntos de correo y lluvia de ideas para textos publicitarios, donde el profesional hace clic y espera resultados de inmediato.
- Tareas estructuradas de alto volumen. El modelo incluye llamadas a herramientas y salidas estructuradas. Las plantillas de descripciones de producto, el etiquetado y los metadatos encajan bien, sobre todo por su ventaja al seguir instrucciones.
- Prompts repetitivos con un prefijo común. La entrada en caché tiene un 90% de descuento. Un prompt largo de voz de marca reutilizado en miles de llamadas sale beneficiado.
Cuándo quedarte donde estás
- Contenido de marca largo y matizado. Una reseña práctica encontró resultados más variables en Mercury 3 de Inception en tareas de generación largas y complejas. Los whitepapers, los artículos de liderazgo de opinión y todo lo que exija una voz coherente a lo largo de miles de palabras merecen una prueba cuidadosa antes.
- Tareas por lotes sin conexión. Si una tarea se ejecuta de noche, la latencia es irrelevante. Entonces solo importan la calidad y el precio por token, y el precio de lista de salida de Mercury 3 no es el más bajo de su categoría.
- Trabajo multimodal. La entrada y la salida son solo texto. Los flujos de imagen y vídeo necesitan otras herramientas.
- Cualquier necesidad de autoalojamiento. No hay pesos abiertos.
Un test de cuatro pasos antes de cambiar
- Elige una tarea sensible a la latencia. Escoge un único flujo donde el tiempo de espera perjudique, como un widget de chat o una herramienta de sugerencias en el editor.
- Usa la cuota gratuita. Un artículo explicativo menciona 100 millones de tokens en las claves API nuevas. Compruébalo en el sitio de Inception antes de fiarte.
- Cambia el ID del modelo, no el stack. La API es compatible con OpenAI, y Mercury 3 de Inception también se ofrece a través de la API de Inception, OpenRouter, Baseten y Vercel. La mayoría de las configuraciones solo necesitan cambiar la URL base y el modelo.
- Puntúa las salidas a ciegas. Pasa entre 50 y 100 prompts reales por ambos modelos. Pide a los editores que las valoren sin saber cuál es cuál y mide después la latencia real con tu proveedor.
Registra el coste por salida aceptada, no el coste por token. Un modelo más barato que requiera más edición puede salir más caro en conjunto. Para ver la economía en general, consulta nuestra guía para crear un stack de contenido con IA eficiente en costes.
Riesgos que conviene valorar
- Resultados comunicados por el proveedor. Las pruebas de referencia son autoinformadas con configuración media y falta verificación independiente.
- Precios promocionales. La tarifa de lanzamiento no tiene fecha de fin publicada, así que calcula tus costes con el precio de lista.
- Dependencia del proveedor. Un modelo de pesos cerrados ofrecido por un proveedor y unos pocos hosts implica depender de ellos. Mantén configurado un modelo alternativo.
- Revisión de marca y cumplimiento. Una generación más rápida significa que más contenido llega antes a revisión. La aprobación humana tiene que escalar al mismo ritmo.
Veredicto: un especialista, no un sustituto
Mercury 3 de Inception merece un piloto si tu trabajo de marketing incluye tareas en tiempo real o de alto volumen. Encaja mal si necesitas la máxima calidad en textos largos. Lo sensato es derivarle las tareas rápidas y estructuradas y reservar un modelo más potente para el contenido estrella.
Trata la cifra de 1.000 tokens por segundo como un límite superior hasta que la midas tú mismo. Para una planificación más amplia, nuestra guía de IA para creación de contenido explica cómo asignar modelos a cada tipo de contenido.