{"id":1485,"date":"2026-05-26T07:56:51","date_gmt":"2026-05-26T05:56:51","guid":{"rendered":"https:\/\/vittrup-graversen.dk\/?p=1485"},"modified":"2026-06-13T10:40:47","modified_gmt":"2026-06-13T08:40:47","slug":"mercury-2-verdens-hurtigste-reasoning-model-genererer-over-1-000-tokens-i-sekundet-med-diffusionsarkitektur","status":"publish","type":"post","link":"https:\/\/vittrup-graversen.dk\/index.php\/2026\/05\/26\/mercury-2-verdens-hurtigste-reasoning-model-genererer-over-1-000-tokens-i-sekundet-med-diffusionsarkitektur\/","title":{"rendered":"Mercury 2: Verdens hurtigste reasoning-model genererer over 1.000 tokens i sekundet med diffusionsarkitektur"},"content":{"rendered":"\n

Hvad sker der, n\u00e5r man dropper den klassiske transformer-tilgang og i stedet bygger en sprogmodel p\u00e5 diffusionsprincippet? Inception Labs har svaret: Mercury 2<\/strong>, en reasoning-model der genererer over 1.000 tokens i sekundet – og stadig leverer kvalitet p\u00e5 niveau med frontier-modeller.<\/p>\n\n\n\n

Det er tal, der trodser de fleste antagelser om forholdet mellem hastighed og intelligens i store sprogmodeller.<\/p>\n\n\n\n

Fra sekvens til parallel: Hvad er diffusionsarkitektur i LLM-sammenh\u00e6ng?<\/h2>\n\n\n\n

De fleste LLM’er – GPT, Claude, Llama, Mistral – bruger autoregression: modellen genererer \u00e9t token ad gangen, fra venstre mod h\u00f8jre, hvor hvert token afh\u00e6nger af alle tidligere tokens. Det er effektivt og velforst\u00e5et, men det skaber en fundamental flaskehals: r\u00e6kkef\u00f8lgen kan ikke paralleliseres ved generering, kun ved tr\u00e6ning.<\/p>\n\n\n\n

Mercury 2 tager en anden vej. Inspireret af billedgenerationsmodeller som Stable Diffusion arbejder den med masked diffusion<\/strong>: alle tokens i output-sekvensen starter som skjulte (maskerede), og modellen itererer gennem flere denoising-trin, hvor den gradvist afsl\u00f8rer de tokens den er mest sikker p\u00e5 – parallelt, p\u00e5 tv\u00e6rs af hele sekvensen. Det er ikke \u00e9t token ad gangen. Det er mange tokens p\u00e5 \u00e9n gang.<\/p>\n\n\n\n

Resultatet er dramatisk: Mercury 2 n\u00e5r 1.009 tokens per sekund<\/strong> p\u00e5 NVIDIA Blackwell GPUs. Mercury Coder Mini-varianten klarer 1.109 tokens per sekund<\/strong> p\u00e5 H100. Til sammenligning leverer Claude 4.5 Haiku omkring 89 tokens\/sek og GPT-5 Mini cirka 71 tokens\/sek. Det er alts\u00e5 10-14 gange hurtigere end de hurtigste traditionelle alternativer.<\/p>\n\n\n\n

Vi har tidligere d\u00e6kket ZAYA1-8B<\/a>, som kombinerede MoE-arkitektur med diffusion og opn\u00e5ede op til 7,7x hurtigere inferens. Mercury 2 tager det langt videre og er nu den f\u00f8rste kommercielt tilg\u00e6ngelige diffusions-reasoning-model i fuld skala.<\/p>\n\n\n\n

Benchmarks: Hastighed uden kvalitetstab<\/h2>\n\n\n\n

Den \u00e5benlyse kritik af enhver “superhurtig” model er, at hastighed typisk k\u00f8bes med ringere output. Inception Labs h\u00e6vder, at Mercury 2 bryder dette m\u00f8nster – og de tidlige resultater er overbevisende.<\/p>\n\n\n\n

Modellen er konkurrencedygtig med frontier reasoning-modeller p\u00e5 standard benchmarks: matematikopgaver (MATH), videnskabelig r\u00e6sonnering (GPQA) og kodningsevalueringer. Inception kalder det “reasoning-grade quality inside real-time latency budgets” – et udtryk der rammer pr\u00e6cist det ingeni\u00f8rm\u00e6ssige problem, mange produktteams st\u00e5r med.<\/p>\n\n\n\n

Priss\u00e6tningen er aggressiv: $0,25 per million input-tokens<\/strong> og $0,75 per million output-tokens<\/strong>. Til sammenligning koster Claude Haiku $1,00\/M input og $5,00\/M output. Mercury 2 er ikke bare hurtigere – den er markant billigere p\u00e5 output, og det er output-tokens der driver omkostningerne i de fleste produktionsscenarier.<\/p>\n\n\n\n

Kontekstvinduet er 128K tokens med op til 50K tokens per response – mere end tilstr\u00e6kkeligt til de fleste agentworkflows.<\/p>\n\n\n\n

Hvorn\u00e5r giver det mening – og hvorn\u00e5r g\u00f8r det ikke?<\/h2>\n\n\n\n

Mercury 2 er designet til latency-sensitive produktionsscenarier<\/strong>: realtidssamtaler, stemmeinterfaces, interaktiv kodning og multi-step agentloops. Det er netop de kontekster, hvor transformerbaserede modeller skaber frustrerende forsinkelser.<\/p>\n\n\n\n

For agentic AI – systemer der skal kalde tools, vente p\u00e5 svar og iterere hurtigt – er hastighed ikke bare komfort. Det er arkitektur. Langsom inferens tvinger systemdesignere til at batche kald, reducere antallet af steps eller acceptere lange svartider. Med 1.000+ tokens\/sek forsvinder mange af disse begr\u00e6nsninger.<\/p>\n\n\n\n

Der er dog forbehold. Diffusionsbaserede LLM’er er stadig relativt nye som arkitektur, og den underliggende forskningslitteratur er tyndere end for transformere. Modellens interne parameterantal er ikke offentliggjort – Inception fokuserer p\u00e5 ydeevnekarakteristika frem for transparens om modelst\u00f8rrelse, hvilket g\u00f8r det sv\u00e6rere at vurdere effektivitet i rene FLOPS\/token-termer.<\/p>\n\n\n\n

Og mens hastighed er imponerende, er det ikke altid den vigtigste parameter. For dyb analyse, lange dokumenter eller kompleks flertrinsslumsning konkurrerer Mercury 2 med modeller som har langt bedre dokumenterede egenskaber – og bredere support i eksisterende frameworks. Apropos frameworks: Mercury 2 er OpenAI API-kompatibel, hvilket g\u00f8r integration relativt smertefrit for teams der allerede bruger det interface.<\/p>\n\n\n\n

For kodegenerering og autocomplete er sagen st\u00e6rkere. Kode har strukturelle m\u00f8nstre der sp\u00e6nder over hele filer – pr\u00e6cis den type relationer diffusionsmodeller er gode til at modellere parallelt. Det forklarer, hvorfor Mercury Coder-varianterne er fremh\u00e6vet s\u00e6rskilt og n\u00e5r endnu h\u00f8jere tokenhastigheder end basevarianten.<\/p>\n\n\n\n

Sammenlignet med Mistral Medium 3.5<\/a>, som fokuserer p\u00e5 asynkrone kodningsagenter og Europ\u00e6isk datasovereignty, er Mercury 2 et mere ekstremt valg – og dermed mere interessant for specifikke use cases frem for generel brug.<\/p>\n\n\n\n

Hvad betyder det for AI-feltet?<\/h2>\n\n\n\n

Mercury 2 er ikke en revolution i den store fort\u00e6lling om AI-kapabilitet. Det er noget mere n\u00f8rdet og m\u00e5ske mere v\u00e6rdifuldt p\u00e5 kort sigt: et bevis p\u00e5, at diffusionsarkitektur kan levere reasoning-kvalitet ved produktionshastigheder. Det udvider det arkitektoniske designrum for LLM-baserede systemer.<\/p>\n\n\n\n

Fem \u00e5r med transformer-dominans har gjort mange til at behandle autoregression som en naturlov. Mercury 2 minder om, at det er et valg – og at andre valg er mulige.<\/p>\n\n\n\n

Om Inception Labs kan fastholde momentumet, skalere arkitekturen og bygge det ecosystemer af tooling og dokumentation der er n\u00f8dvendigt for bred adoption – det er de rigtige sp\u00f8rgsm\u00e5l. For nu er Mercury 2 det st\u00e6rkeste argument for diffusionsbaserede sprogmodeller i produktion.<\/p>\n\n\n\n

Kilder<\/h2>\n\n\n\n