Inception Labs lance Mercury 2, modèle de langage à raisonnement par diffusion ultrarapide

Inception Labs a lancé Mercury 2, un modèle de langage à raisonnement exploitant une architecture de diffusion, le 25 février 2026. Contrairement aux modèles autoregressifs classiques comme GPT-4 ou Claude, qui génèrent les jetons de texte un par un de gauche à droite, Mercury 2 affine un passage entier en parallèle via plusieurs itérations. Cette approche, inspirée des générateurs d’images comme Stable Diffusion, atteint 1 009 jetons par seconde sur les GPU NVIDIA Blackwell. Ce lancement remet en cause la domination des modèles autoregressifs dans les infrastructures d’agents IA en production. La latence s’accumule dans les chaînes d’appels multiples (raisonnement, planification, action), rendant les agents lents au-delà des chatbots simples. Mercury 2 réduit cette latence à 1,7 seconde en bout de chaîne, contre 14,4 secondes pour Gemini 3 Flash et 23,4 secondes pour Claude Haiku 4.5 avec raisonnement activé, tout en maintenant une qualité comparable sur les benchmarks. Les performances incluent 74 sur GPQA Diamond, 67 sur LCB, 38 sur SciCode, 71 sur IFBench, 91 sur AIME et 53 sur TAU. Le prix fixe le modèle à 0,25 dollar par million de jetons d’entrée et 0,75 dollar par million de sortie, soit moitié moins cher que Gemini 3 Flash en entrée et quatre fois en sortie. Cette vitesse change les compromis raisonnement-latence pour les déploiements à grande échelle. Inception Labs met l’accent sur les boucles d’agents et pipelines de récupération, où la latence composée freine les applications réelles. Les ingénieurs testent déjà Mercury 2 pour des charges de travail à 1 000 jetons/seconde.