話題
2026年10月20日
高速LLM「Mercury 3」登場、Googleの拡散モデル放置が話題に
Inception Labsが拡散(diffusion)方式の言語モデル「Mercury 3」を発表した。毎秒1,068トークンという生成速度を掲げ、品質はGPT-6 LunaやClaude Haiku 5.5など高速志向の最前線モデルと同等以上、コンテキストは100万トークンまで拡大したという。Hacker Newsでは速さを好意的に受け止める声が多かった一方、「この速さを本当に必要とするタスクがあるのか」という疑問や、同じ拡散型のデモを昨年公開したまま音沙汰のないGoogleのGemini Diffusionはどうなったのか、という指摘が交錯した。
Mercury 3: 大規模対応の拡散モデル
出典: inceptionlabs.ai / 元記事はこちら
2
海外の名無しさん
2026-10-19 18:04
ペリカンの絵はそう悪くない、ちょっと癖があるけど(リンクで公開中)。これはOpenRouter経由で生成したもの。InceptionのAPIを直接叩いて作った別セットもある。
23
海外の名無しさん
2026-10-19 18:32
>>2 ベンチマークがmediumでやってる理由が気になってた。mediumのペリカンの方がhighより出来がいい。mediumを超えると推論がむしろ悪影響を及ぼすのかもね。
24
海外の名無しさん
2026-10-19 18:44
>>2 生成にどれくらいかかった?このモデルの売りはまさに速度なんだから。
3
海外の名無しさん
2026-10-19 17:55
Googleが去年のGemini Diffusionのデモを実質何もしないまま放置してる理由が未だに分からない。あれは本当に良くて速かったのに、そのまま静かになった。数ヶ月前にDiffusion Gemmaを出したけど、それも大して話題になってない。
25
海外の名無しさん
2026-10-19 18:00
>>3 彼らの論文ではバッチサイズが小さいときはうまく動くと書かれてたけど、実運用のサービスは複数ユーザーを同時に捌くからバッチサイズが大きくなりがち。
26
海外の名無しさん
2026-10-19 17:57
>>3 単純にうまく動かせなかっただけじゃない?
27
海外の名無しさん
2026-10-19 18:02
>>3 研究は得意だけどプロダクト化が下手、ってことかな。
4
海外の名無しさん
2026-10-19 17:40
実際のモデルサイズと、従来のLLMと学習プロセスがどう違うのか気になる。それはともかく良い仕事だと思う。新興勢力が最先端から数ヶ月遅れのところまで追いつくのが、コストはかかるにしても現実的な目標になってきたのはすごい。
7
海外の名無しさん
2026-10-19 17:59
大手ラボが拡散モデルの実験を全くやっていないとしたら驚きだし、やっているとしても、あれだけの計算資源を持つ大手を他のラボが拡散モデルで上回っているというのもまた意外。まあ自分の勘は的外れかもしれない。
8
海外の名無しさん
2026-10-19 17:46
Inceptionの共同創業者@volodiaのコメントがここでflagged/dead扱いになってる。これは変だ、本来そうなるはずがない。誰か直せる人いない?
9
海外の名無しさん
2026-10-19 18:30
速度が必要なタスクにはHaikuやGPT-Lunaの代わりにこれを使ってみる。ただ割引が終わった後も使い続けるかは気になる。
29
海外の名無しさん
2026-10-19 18:36
>>9 この速度を『必要とする』タスクがあまり思いつかない。普通はコストと品質・信頼性のトレードオフだと思う。
10
海外の名無しさん
2026-10-19 17:58
うーん、少なくともOpenRouter上では、together/baseten/fireworks経由のDeepSeek v4.1 flashの方がレイテンシも知能もMercury 3より上。Mercuryは最初のトークンが出るまで(TTFT)がかなり遅い。
12
海外の名無しさん
2026-10-19 18:20
自分がよく使う数学パズルで試すとGPT 6.1-Solより速くない。知能が高いほど使うトークン数が少なくて済む、というタイプの話なのかもしれない。
13
海外の名無しさん
2026-10-19 17:37
すごく良さそう、試すのが楽しみ。拡散モデル系がいよいよ競争力を持つ節目に来てる気がする。
14
海外の名無しさん
2026-10-19 18:01
この速さなら、Jevみたいな現行の意思決定系モデルとどれくらい張り合えるのか気になる。意思決定モデルはとにかくスループットが命だと思うので。
30
海外の名無しさん
2026-10-19 18:04
>>14 Mercury Decideという専用の意思決定モデルが別に用意されてるよ。
15
海外の名無しさん
2026-10-19 17:44
くそ、こういうのでオープンウェイトのモデルが出るのを待ってたのに、まだダメかー:(
31
海外の名無しさん
2026-10-19 17:52
>>15 Diffusion Gemmaじゃダメなの?
16
海外の名無しさん
2026-10-19 17:43
トークンを非線形に生成するぶん、こういうモデルは動作を把握しづらくならない?特に、モデルが『何を考えているか』を知るのに非潜在的な推論過程に頼ってる場合は。
17
海外の名無しさん
2026-10-19 18:34
MercuryとLunaを同じ訓練データ、同じ後処理・アライメントで作らない限り、比較自体にあまり意味がないと思う。速いのは良いことだし応援してる。ただどう評価すればいいのか自分には分からない、というだけの話。
18
海外の名無しさん
2026-10-19 17:39
マルチモーダル対応にしてほしいな。とはいえ自分で試した限りでは2.5からの明確な改善にはなってる。
19
海外の名無しさん
2026-10-19 17:57
無料トークンが1億個?すごいな。
20
海外の名無しさん
2026-10-19 18:02
API料金を払う前に試せる、コーディング向けの無料プランがあればいいのに。
21
海外の名無しさん
2026-10-19 17:27
『品質: GPT-6 LunaやClaude Haiku 5.5のような最先端の高速モデルと同等以上。速度: NVIDIA GPU上で毎秒1,068トークン。コンテキスト: 100万トークン、Mercury 2.5の26万から増加。価格: 入力100万トークンあたり0.20ドル、出力0.70ドル。発売時はMercury 3が50%引きで入力0.10ドル、出力0.35ドル。キャッシュされたトークンは入力価格から90%引き』
33
海外の名無しさん
2026-10-19 17:57
>>22 モデルの総パラメータ数はどれくらい?ウェイトは公開する?ハーネスとの統合はどうなってる?専用のハーネスはある?コーディングは得意?ツール呼び出しはどう?ステップごとに決まった時間待たされたりする?
34
海外の名無しさん
2026-10-19 18:26
>>22 Googleの研究では、H100でバッチサイズが大きくなると速度面の優位性が落ちる傾向があった。Mercury 3でバッチサイズ対トークン/秒の数字は公開されてる?
35
海外の名無しさん
2026-10-19 17:49
>>22 なぜベンチマークがmediumなの?安いモデルでxhigh/max以外を使ってる人はあまり見かけない。low→maxの性能カーブも無いし。タスク完了までの時間も載せてほしい。
36
海外の名無しさん
2026-10-19 17:53
>>22 ウェイトは公開してくれる?
37
海外の名無しさん
2026-10-19 17:56
>>22 すごいね。将来マルチモーダル対応のモデルが出る見込みはある?
38
海外の名無しさん
2026-10-19 17:54
>>22 Basetenに見当たらないけど、何か特別な事情があるの?
39
海外の名無しさん
2026-10-19 18:05
>>25 それは良い答えだね、ありがとう。その点は見落としてた。
40
海外の名無しさん
2026-10-19 18:16
>>31 あれはほぼ実験的なものだった。実際のコーディングに使うようなものじゃない。今後また更新されたDiffusion Gemmaが出てくるといいね。
43
海外の名無しさん
2026-10-19 18:17
>>41 Basetenのモデル一覧に載ってない。専用インフラでの推論限定ってこと?
44
海外の名無しさん
2026-10-19 18:36
>>42 それが本当なら、それが本当の答えというか、というか『答えじゃない答え』だな。要するに『彼らを止める理由は何もないはず』って言ってるだけだから。
45
海外の名無しさん
2026-10-19 18:42
>>44 Googleはいつも通りGoogleってことだよ…
この話題の背景と論点
Mercuryは文章を一語ずつ順に生成する従来のLLMと異なり、画像生成と同様の拡散(diffusion)方式でテキストをまとめて生成する。原理上は並列処理で高速化しやすいとされるが、スレで指摘された通り、複数ユーザーを同時に捌く実運用でバッチサイズが大きくなると優位性が薄れるという研究報告もあり、Googleが同種のGemini Diffusionを昨年公開したまま製品化を進めていない背景を考える上での論点になっていた。レスで繰り返し言及される「ペリカン」は、simonwが考案した「自転車に乗るペリカンをSVGで描かせる」独自ベンチマークで、モデルの指示追従力を見る定番の実験として知られる。なおMercuryは今回もAPI提供のみで、要望の多いオープンウェイトの公開は行われていない。
※本記事は海外掲示板 Hacker News のスレッド「Mercury 3: Diffusion at scale」から抜粋し、編集部で日本語に意訳したものです。訳文の責任は当サイトにあります。
この記事のリアクション
まだコメントはありません。