نموذج اللغة الانتشاري «Mercury 3» يعد بتوليد سريع يبلغ 1,068 توكنًا في الثانية

أعلنت شركة Inception الأميركية الناشئة في مجال الذكاء الاصطناعي عن نموذج اللغة الانتشاري «Mercury 3» في أكتوبر 2026. ووفقًا لمقارنة الشركة، يولّد النموذج 1,068 توكنًا في الثانية على وحدات معالجة الرسوميات من Nvidia، أي بسرعة تفوق GPT-6 Luna وClaude Haiku 5.5 بمقدار 4 إلى 8 مرات. وتزعم الشركة أيضًا أنه تصدّر في 8 من أصل 12 بندًا في الاختبارات المعيارية، ليكون مثالًا على اتساع نطاق المنافسة في الذكاء الاصطناعي من «الذكاء» إلى «زمن الانتظار».

حقيقة النموذج الذي لا يكتب النص كلمةً كلمةً

تنتج نماذج اللغة السائدة، مثل GPT وClaude، النص كلمةً تلو الأخرى وبالترتيب. فلا يمكنها إصدار الكلمة التالية قبل تحديد الكلمة السابقة، في عملية تشبه الوقوف في طابور عند صندوق الدفع. ومهما بلغت سرعة الحاسوب، لا يتغير هذا الهيكل القائم على «الانتظار في طابور واحد».

يعتمد Mercury 3 على أسلوب يُعرف بنموذج الانتشار. وهو ينقل إلى النصوص فكرة شاعت في أدوات توليد الصور بالذكاء الاصطناعي، إذ يبدأ بإنشاء مسودة أولية تقريبية للإجابة كاملةً، ثم ينقحها عبر عدة جولات من المعالجة. وتوضح Inception أن القدرة على التعامل مع كلمات كثيرة في الوقت نفسه تمنحه أفضلية من حيث السرعة. وتواصل Google أيضًا أبحاثًا في هذا المجال؛ فبعد عرض Gemini Diffusion التوضيحي، أطلقت في يونيو النموذج المفتوح «DiffusionGemma». ويُقال إنه أسرع بما يصل إلى 4 مرات من Gemma 4 القياسي، لكن نتائجه أقل قليلًا.

تقول Inception إن عدد معلمات Mercury 3 يزيد على 40 ضعفًا مقارنةً بالجيل الأول Mercury 1، مع الحفاظ على السرعة نفسها. وبالمقارنة مع النسخة الصغيرة Mercury 1 mini، ارتفع الأداء إلى ثلاثة أضعاف، وفقًا للشركة. وترى Inception في ذلك دليلًا مهمًا على أن أداء نماذج الانتشار يتحسن بثبات مع زيادة حجمها.

النتائج المعيارية لا تحسم المنافسة من جميع جوانبها

يلفت الانتباه في الإعلان رقم «التصدر في 8 من أصل 12 بندًا». لكن المقارنة تستند إلى قياسات أجرتها الشركة بنفسها، وشغّلت فيها النماذج الثلاثة بإعدادات متوسطة.

يظهر أكبر فارق في اتباع التعليمات. فقد سجّل Mercury 3 نتيجة 76.84 نقطة في IFBench، متقدمًا بنحو 15 نقطة على GPT-6 Luna. كما حقق 51.08 نقطة في SWE-Bench Atlas، الذي يقيس قدرة النماذج على البرمجة ذاتيةً، متفوقًا بفارق واضح على المنافسين اللذين سجّلا 33.33 و32.26 نقطة.

في المقابل، تفوق Claude Haiku 5.5 في DeepSWE، وهو اختبار لمهام برمجية أطول. كما حقق هذا النموذج نتائج أفضل في مهام البحث عن معلومات ضمن نصوص طويلة. وفي بندين من اختبارات Artificial Analysis، تقدم GPT-6 Luna بفارق طفيف. ولعل هذا التفصيل يفسر استخدام الشركة وصفًا مقتضبًا ومتحفظًا للجودة، إذ قالت إنها «مكافئة أو أفضل».

وتقول مقارنة الشركة إن سرعة Mercury 3 تبلغ 1,068 توكنًا في الثانية، مقابل نحو 240 لدى Claude Haiku 5.5 ونحو 130 لدى GPT-6 Luna. ولم تصدر بعد نتائج تحقق مستقلة من جهة خارجية. ومن العملي التعامل مع هذه الأرقام على أنها «ادعاء قوي»، ثم اختبار النموذج والتحقق منه في الاستخدامات الخاصة بك.

حين يصبح زمن الانتظار عاملًا ذا قيمة

تذكر Inception أن أبرز استخدامات النموذج تشمل وكلاء الذكاء الاصطناعي والبحث ودعم العملاء والمساعدة التعليمية. ويستفيد الوكلاء خصوصًا من السرعة، إذ يقسمون المهمة الواحدة إلى مراحل متعددة، وينتظرون رد النموذج في كل مرحلة. وقد يكون التأخير في كل مرة بسيطًا، لكن تراكمه يغير تجربة المستخدم بصورة ملحوظة.

تركز شهادات الشركات التي استخدمت النموذج مبكرًا على السرعة. وقال Kuan Zou، مؤسس Octen AI، التي تعمل على تطوير خاصية بحث للنظارات الذكية: «في النظارات الذكية، يبدو الجواب الذي يستغرق 5 ثوانٍ معطوبًا». وأوضح أن البحث نفسه كان ينتهي في نحو 80 مللي ثانية، وأن نموذج اللغة كان عنق الزجاجة. وبعد استخدام Mercury 3، بلغ وسيط زمن الاستجابة 0.9 ثانية، واستغرقت المعالجة كاملةً 2.2 ثانية.

وتقول General Learning، العاملة في مجال التعليم، إنها أصبحت قادرة على تقديم التلميحات والتصحيحات للطلاب في نحو ثانية واحدة. كما أفادت Lorikeet، المتخصصة في خدمة العملاء، بتحسن النتائج إلى جانب تسريع الاستجابات. وذكرت TinyFish AI، التي تؤتمت التفاعل مع مواقع الويب، أنها أنجزت 25 من أصل 50 مهمة للتنقل في مواقع حقيقية، متفوقةً على GPT-6.1-Sol. لكنها لم تقدم أرقامًا محددة من جانب OpenAI.

عند اتخاذ قرار الاستخدام، لا تنظر إلى السرعة وحدها

عتبة البدء باستخدام النموذج منخفضة نسبيًا. فإلى جانب منصة Inception نفسها، يتوفر Mercury 3 عبر OpenRouter وBaseten وVercel. وترى الشركة أن الانتقال من الأنظمة القائمة لا يتطلب جهدًا كبيرًا، لأن النموذج يعتمد واجهة API متوافقة مع نماذج OpenAI. ويمكنه التعامل مع مدخلات تصل إلى مليون توكن.

يبلغ السعر المعتاد 0.20 دولار لكل مليون توكن من المدخلات، و0.70 دولار للمخرجات. وعند الإعلان، كان النموذج متاحًا بنصف السعر، لكن الشركة لم تحدد موعد انتهاء الخصم. وعند العودة إلى السعر المعتاد، تتجاوز تكلفة Mercury 3 للمخرجات، مع المدخلات القصيرة، سعر الوحدة للمخرجات لدى GPT-6 Luna وClaude Haiku 5.5، والبالغ 0.50 دولار لدى كل منهما. أما مع المدخلات الطويلة جدًا، فترتفع تكلفة النموذجين المنافسين كثيرًا.

أطلقت Inception في فبراير 2026 «Mercury 2»، الذي وصفته بأنه أول نموذج انتشار يدرج استدلالًا وسيطًا قبل الإجابة. وكانت الشركة قد جمعت قبل ذلك 50 مليون دولار، ومن بين مستثمريها Nvidia وMicrosoft وSnowflake، إلى جانب أذرعها الاستثمارية NVentures وM12 وSnowflake Ventures.

في نهاية المطاف، لا تتحدد معايير الاختيار بالسرعة وحدها، بل يعتمد القرار على مزيج من الجودة والتكلفة والتعامل مع النصوص الطويلة ومدى حساسية خدمات شركتك لزمن الانتظار. إذا كانت الاستجابة الفورية أساسية في الاستخدام، فقد يكون Mercury 3 خيارًا يستحق التجربة.