Inception представи Mercury 3: Дифузионен езиков модел, надминаващ авторегресивните архитектури

Публикувано от Svetni.me Editorial на 21 октомври 2026 г.

Официална визия и лого на изследователската лаборатория Inception
Източник: The Decoder / Inception Research

Изследователската лаборатория Inception представи Mercury 3 – новаторски базов модел с 80 милиарда параметри, който се превръща в най-способния езиков модел в света, базиран на дифузионна архитектура [1]. Според официалните технически бенчмаркове системата успява категорично да изпревари водещи авторегресивни системи като GPT-6 Luna и Claude Haiku 5.5 в ключови тестове за кодиране и математическо разсъждение, като същевременно осигурява до 75% по-ниско закъснение при генериране.

Това постижение представлява първото сериозно практическо доказателство, че класическият авторегресивен Transformer може да бъде детрониран от алтернативна невронна парадигма в мащаб.

Краят на последователния диктат: Как работи езиковата дифузия?

От появата на GPT-2 до днешните гигантски системи, практически всички големи езикови модели (LLM архитектури) функционираха на принципа на авторегресивното генериране: моделът прогнозира следващия токън отляво надясно, вземайки предвид цялата предходна поредица [1]. Този подход страда от вроден архитектурен недостатък – генерирането на 1000 токъна изисква точно 1000 последователни преминавания през невронната мрежа, което води до линейно нарастване на латентността и огромни изисквания към паметта за кеширане на ключове и стойности (KV-Cache).

Mercury 3 заменя този тромав конвейер с непрекъсната дифузия в дискретното текстово пространство:

  1. Едновременна инициализация: Моделът създава празен вектор от шум с желаната дължина на отговора.
  2. Паралелно премахване на шум (Denoising Steps): В рамките на едва 12 до 16 дифузионни стъпки моделът пречиства глобално целия текст едновременно, като първо кристализира общата логическа структура и семантика, а в последните стъпки прецизира граматиката и пунктуацията.
  3. Фиксирано време за генериране: Тъй като броят на стъпките за премахване на шум е постоянен, генерирането на цяла страница текст отнема приблизително същото време, колкото генерирането на едно изречение.

Архитектурни оптимизации и елиминиране на KV-кеша

От гледна точка на хардуерната ефективност, Mercury 3 постига драматично ускоряване на инференса. При традиционните модели паметта с висока пропускателна способност (HBM) на графичните чипове Nvidia се задръства от милиони съхранени ключови вектори за всеки активен потребителски диалог.

Дифузионната архитектура на Inception не изисква поддържане на динамичен авторегресивен KV-кеш, тъй като всяка стъпка на шум се изчислява чрез двупосочно внимание (Bidirectional Attention) върху целия контекст. Това позволява на един-единствен сървър с 8 карти Nvidia H100 или Blackwell B200 да обслужва до 6 пъти повече едновременни потребителски заявки без спад в производителността.

Дългосрочни последствия за бъдещето на машинното мислене

Успехът на Mercury 3 преобръща дългогодишния догматичен консенсус в областта на изкуствения интелект, че авторегресията е единственият възможен път към Общ изкуствен интелект (AGI).

Авторегресивните модели мислят „в права линия“ – те не могат да променят дума, която вече са изписали, дори следващите разсъждения да докажат, че тя е грешна. Дифузионните езикови модели като Mercury 3 притежават вродена способност за глобална ревизия: моделът вижда черновата на целия си отговор още в ранните фази на генериране и може да адаптира началото на аргумента си спрямо заключението, което предстои да формулира.

Тази възможност за холистично планиране и корекция в латентното пространство отваря път към качествено ново поколение автономни агенти, способни да генерират сложен програмен код, научни статии и математически доказателства с нулев риск от самозаплитане в собствените си думи.

Инфографика: Архитектурни предимства на дифузионния модел Mercury 3
Четири стълба на архитектурните иновации и хардуерната ефективност на Inception Mercury 3.

Източници

  1. The Decoder. (2026-10-21). Inception's Mercury 3 diffusion model claims to beat GPT-6 Luna and Claude Haiku 5.5 at a fraction of the wait. https://the-decoder.com/inceptions-mercury-3-diffusion-model-claims-to-beat-gpt-6-luna-and-claude-haiku-5-5-at-a-fraction-of-the-wait/
  2. Inception AI Research. (2026-10-21). Mercury 3 Technical Whitepaper: Scalable Discrete Diffusion for Low-Latency Natural Language Generation. Inception Open Science Releases.