Mercury 3: Diffusions-Sprachmodell schreibt Asteroids-Spiel in 5 Sekunden

Worum es geht

Am 19. Oktober 2026 hat das US-Startup Inception Mercury 3 vorgestellt, nach eigenen Angaben das bislang leistungsfähigste Diffusions-Sprachmodell (dLLM). Laut Hersteller schlägt es GPT-6 Luna und Claude Haiku 5.5 in 8 von 12 Benchmarks und erzeugt dabei 1.068 Tokens pro Sekunde (Tokens sind die Textbausteine, in denen Modelle rechnen). Das sei vier- bis achtmal schneller als die Vergleichsmodelle. Mercury 3 ist im Inception Chat, über die Inception-API sowie auf OpenRouter, Baseten und Vercel unter der Kennung mercury-3 verfügbar.

Wie Diffusion bei Text funktioniert

Inception sitzt in Redwood City, Kalifornien. Gründer sind Forscher, die an Diffusionsmodellen gearbeitet haben; CEO ist der Stanford-Professor Stefano Ermon, Chefwissenschaftler ist Vladimir Kuleshov. Die Firma nennt sich Schöpfer der ersten kommerziellen dLLMs.

Die meisten bekannten Sprachmodelle sind autoregressiv: Sie sagen das jeweils nächste Token voraus, hängen es an und beginnen von vorn. Eine Antwort mit 500 Tokens braucht 500 aufeinanderfolgende Durchläufe; das 300. Token wartet auf das 299. Diffusionsmodelle stammen aus der Bildgenerierung (Stable Diffusion, Midjourney). Bei Text erzeugt das Modell zuerst einen Entwurf der ganzen Antwort und "entrauscht" ihn in mehreren Durchgängen parallel. Die Zahl der Durchgänge ist viel kleiner als die Zahl der Tokens, daher geht es auf gleicher Hardware schneller.

Probleme sind die vorab festzulegende Antwortlänge und das jeweilige Neuverarbeiten des gesamten Kontexts. Üblich ist deshalb Block-Diffusion: Die Antwort entsteht blockweise von links nach rechts, innerhalb eines Blocks läuft die Diffusion, fertige Blöcke werden wie bei autoregressiven Modellen zwischengespeichert. Wie Mercury 3 den Kontext von 1 Million Tokens handhabt, verrät Inception nicht. Ein Nachteil: Ein Modell, das Text nicht linear schreibt, ist schwerer zu interpretieren, weil sich sein Denken nicht als gewohnte Kette darstellt. Das ist laut Quelle eine offene Frage für alle dLLMs.

Was neu ist

Mercury 3 ist die vierte große Veröffentlichung. Das erste Mercury erschien 2025 als experimentelles Coding-Modell. Mercury 2 brachte einen Reasoning-Modus und kam im Oktober 2026 auf TIMEs Liste der besten Erfindungen des Jahres. Mercury 2.5 (September) führte einstellbare Denktiefe und 260.000 Tokens Kontext ein.

Die Kernthese lautet "Diffusion skaliert": Mercury 3 ist über 40-mal größer als Mercury 1 (mini), die durchschnittliche Qualität über eine Benchmark-Sammlung stieg etwa um das Dreifache, die Geschwindigkeit blieb über 1.000 Tokens pro Sekunde. Die Parameterzahl nennt Inception nicht. Ermon sagte im SiliconANGLE-Interview, die Grenzen lägen bei Rechenleistung und Daten, nicht bei grundsätzlichen algorithmischen Hürden. Das Training des Nachfolgers läuft bereits. Kuleshov ergänzte auf Hacker News, der Vorteil der Diffusion wachse mit der Länge des Denkens: Je mehr Tokens ein Modell vor der Antwort erzeugt, desto größer der Gewinn durch Parallelität.

Weitere Daten laut Dokumentation: vier Reasoning-Stufen, Temperatur von 0,5 bis 1,0, Tool Calling und strukturierte Ausgaben. Ein- und Ausgabe sind ausschließlich Text, GPT-6 Luna und Haiku 5.5 verarbeiten dagegen Bilder.

Benchmarks – und was unabhängige Messungen zeigen

Inception vergleicht mit Claude Haiku 5.5 (von Anthropic am 7. Oktober veröffentlicht) und GPT-6 Luna, alle auf mittlerer Reasoning-Stufe. Im Herstellervergleich führt Mercury 3 unter anderem bei IFBench (76,84), GPQA Diamond (89,23) und SWE-Bench Atlas (51,08), liegt aber bei DeepSWE v1 und MRCR v2 hinter Haiku 5.5. Die Tabellenwerte stammen alle von Inception selbst, und die Vergleichsmodelle liefern auf höheren Stufen bessere, aber langsamere Ergebnisse.

Die Abweichung bei der Geschwindigkeit erklärt sich laut Quelle durch die Methodik: OpenRouter misst echte Nutzeranfragen inklusive Netzwerk und Warteschlangen, Inception den reinen Durchsatz auf eigenen GPUs. Artificial Analysis sieht Haiku 5.5 bei maximaler Einstellung bei etwa 235 und GPT-6 Luna bei etwa 136 Tokens pro Sekunde. Das Fazit der Quelle: Bei kurzen Agentenschritten, Suche und Instruktionsbefolgung wirkt Mercury 3 stark, bei langen mehrstufigen Terminalaufgaben liegt es deutlich zurück.

Ausprobieren: Chat, Playgrounds und Asteroids

Inception Chat (chat.inceptionlabs.ai) startet mit Mercury 3 auf mittlerer Stufe, mit Websuche-Schalter und Reasoning-Regler. Der Schalter "Diffusion Effect" zeigt, wie sich die Antwort als Ganzes aus zufälligen Zeichen herausschält. Vier Playgrounds laufen ohne Registrierung: Voice (Sprachagent), Search (bis zu fünf parallele Websuchen), Decide (z. B. Ticket-Routing mit Dringlichkeit) und Code.

Im Code Playground liegt ein Starterprojekt mit index.html, style.css und game.js (ein blaues Quadrat, steuerbar per Pfeiltasten). Die Redaktion von Incrypted wählte den Vorschlag "Asteroids" mit dem Prompt "Make an Asteroids game: a ship that turns and thrusts, shoots, and rocks that split." Der Agent las die Dateien, schrieb game.js neu, prüfte den Code und bearbeitete index.html. Die Erzeugung dauerte bis zu 5 Sekunden und lieferte ein Spiel mit Punkten, Leben, Asteroidenwellen, Blinken nach Kollision und Neustart per R. Steuerung: Pfeiltasten oder WASD, Leertaste zum Schießen. Eine zweite Anfrage (Partikel-Explosionen, Schild-Power-up, UFO alle 30 Sekunden) dauerte wenige Sekunden.

Auch der Live Design Editor nutzt Mercury 3: Auf einem 1200×760-Mockup einer Café-Landingpage ändert das Modell Elemente per Textbefehl, etwa dunkles Design, eine Tee-Karte für ab 2,50 $ und einen dunkelgrünen, abgerundeten Button. Änderungen erscheinen als Vorschau, Enter übernimmt, Esc verwirft.

Einschränkungen

• Der Geschwindigkeitswert von 1.068 Tokens/s gilt für Inceptions GPUs; real sind es über OpenRouter etwa 243.
• Für mehrstündige Terminalaufgaben und große Refactorings ist das Modell laut Quelle noch nicht geeignet.
• Der Vergleich erfolgte auf mittlerer Stufe, höhere Stufen der Konkurrenz sind besser, aber langsamer.
• Nur Text, keine Bilder oder Dokumente als Bild.
• Keine offenen Gewichte, keine Angaben zu Parametern oder Architektur; lokal lässt sich das Modell nicht betreiben.
• Mercury 2 und 2.5 werden für Bestandskunden am 15. November 2026 abgeschaltet.

Einordnung

Mercury 3 ist laut Quelle das erste Diffusions-Sprachmodell, das im Durchschnitt das Niveau schneller Modelle von OpenAI und Anthropic erreicht. Falls sich die Herstellerangaben bestätigen, wäre Diffusion eine echte Alternative, wo Latenz entscheidet: Browser- und Suchagenten, Sprachassistenten, Support und Editor-Oberflächen. Die unabhängigen Zahlen relativieren den Geschwindigkeitsvorsprung allerdings, und die schwache Terminal-Bench-Leistung zeigt Grenzen. Für komplexe Programmierung bleiben Flaggschiffe wie Claude Opus 5.5 oder GPT-6 Astra die Wahl. Vor einem Produktivwechsel sollte man eigene Prompts testen.