Mercury 2 da Inception sai por US$ 0,75 o milhão de saída e aposta em velocidade

A Inception colocou no catálogo hoje um modelo que não joga pelo mesmo jogo dos concorrentes. O Mercury 2 é anunciado como o primeiro LLM de raciocínio baseado em difusão (dLLM): em vez de gerar um token por vez, como todo mundo faz desde o GPT-2, ele produz e refina vários tokens em paralelo. É uma mudança de arquitetura, não de marketing — mas o que importa para quem paga a fatura é outra pergunta.

O que a Inception está cobrando

O preço de saída é US$ 0,75 por milhão de tokens. O de entrada, US$ 0,25. Tem cache por US$ 0,025. Não é grátis. Para colocar em perspectiva: o Gemini 3.1 Pro Preview, que lidera o índice de inteligência do catálogo, sai por US$ 12 o milhão de tokens de saída — 16 vezes mais caro que o Mercury 2. O GPT-5.3-Codex, segundo colocado, sai por US$ 14.

A conta, porém, tem outro lado.

O índice de inteligência não acompanha o preço baixo

O Mercury 2 marca 21,9 no índice de inteligência da Artificial Analysis. É um número honesto para um modelo de raciocínio pequeno, mas está bem abaixo do topo. O Gemini 3.1 Pro Preview está em 47,7. O GPT-5.3-Codex, em 45,5. O Claude Sonnet 4.6, em 35,1. Até o Qwen3.5 397B A17B, que custa US$ 2,34 o milhão de saída, está à frente com 34,3.

Em outras palavras: você está pagando barato, mas está levando um modelo que não está entre os mais capazes. A pergunta que você precisa responder antes de testar é para quê.

Velocidade é o argumento de venda — e aqui ele brilha

A Inception declara 669 tokens por segundo. Isso é alto. É o tipo de número que faz diferença em tarefas onde o tempo de resposta pesa mais que a profundidade da resposta: geração de código em autocomplete, sumarização em streaming, agentes que precisam iterar rápido. O Mercury 2 é um modelo de raciocínio, então não é um "burro rápido" — mas também não vai ganhar o Claude Sonnet 4.6 em qualidade de resposta.

A nota de raciocínio é a peça que separa ele dos modelos não-reasoning baratos que já existem no catálogo. É o que justifica pagar US$ 0,75 em vez de US$ 0,30, se você precisa que o modelo pense antes de responder.

Onde ele se encaixa no tabuleiro

O catálogo hoje tem mais de 353 modelos listados, 53 criadores, e 26 lançamentos nos últimos 30 dias. O Mercury 2 entra como uma curiosidade técnica vinda de uma empresa americana pouco conhecida e com nota de inteligência que não ameaça o topo. Não é o modelo que vai tirar o Gemini 3.1 Pro Preview da liderança.

Para quem vale e para quem não muda nada

Vale a pena testar se você roda pipelines onde latência e custo dominam — classificação em massa, geração de rascunhos, pré-processamento para um modelo maior, autocomplete de código. A combinação de raciocínio + velocidade + preço baixo é rara.

Não muda nada se você está usando o Gemini 3.1 Pro ou o GPT-5.3-Codex para tarefas onde a qualidade da resposta é o que importa. O salto de 21,9 para 47,7 de índice de inteligência não se compensa com velocidade em fluxo de trabalho que depende de acerto.

O que fazer com isso hoje

Se você já tem um workload rodando em modelo pequeno e barato, vale rodar o Mercury 2 no mesmo benchmark interno e comparar latência e qualidade. Se você está pagando caro por um modelo grande para tarefas simples, o Mercury 2 é candidato a substituir parte desse gasto — não pela inteligência, mas pelo preço e pela velocidade. A Inception acertou no ângulo técnico; agora é ver se o dLLM aguenta produção real.