Inception、拡散LLM「Mercury 2.5」発表

米AIスタートアップのInceptionは2026年9月8日、画像生成などで用いられる拡散技術をテキスト生成に応用した大規模言語モデル「Mercury 2.5（Inceptionが開発した拡散ベースの超高速言語モデル）」を発表した。従来のモデルのような1単語ずつの逐次処理ではなく、文章全体のトークンを並行して生成・修正する「拡散LLM（拡散モデルのノイズ除去プロセスをテキスト生成に応用したLLM）（dLLM）」を採用することで、NVIDIA Blackwell環境において毎秒1107トークンという驚異的な出力速度を達成した。

毎秒1107トークンと26万コンテキストへの拡張

一般的な自己回帰型（Autoregressive）の言語モデルは、左から右へと1トークンずつ順番に予測を確定させるため、長文になるほど生成待ち時間が長くなる制約を抱えていた。これに対しMercury 2.5は、回答全体の粗いドラフトから複数トークンを同時並行で修正・洗練していくアプローチをとる。

2026年2月に公開された前世代の「Mercury 2」と比較し、スペック面で大幅な進化を遂げている。

項目	Mercury 2	Mercury 2.5
出力速度（Blackwell GPU）	毎秒1009トークン	​毎秒1107トークン​
最大コンテキスト長	12万8000トークン	26万トークン​
入力料金（100万トークン）	0.25ドル（約38円）	0.20ドル（約31円）​
出力料金（100万トークン）	0.75ドル（約120円）	0.75ドル（約120円）​

性能面では、軽量・高効率なフロンティアモデルである「GPT-5.6 Luna（Low設定）」や「Gemini 3.5 Flash-Lite」「Claude Haiku 4.5」と同等の回答品質に到達したと説明されている。推論強度の動的調整や複数ツールの並行呼び出し、JSONスキーマ準拠の構造化出力にも対応する。

リアルタイム音声や大規模コード圧縮での実用事例

この圧倒的な生成速度は、すでに実業務での効果を実証している。AI電話エージェントを開発するOpenCallでは、対話応答時間の中央値が約170ミリ秒にまで短縮された。また、開発ツールを提供するAugment Codeでは、長大な開発ログを要約・圧縮する処理時間が従来の約150秒から27秒へと激減し、推論コストも90%削減されたという。

料金設定は100万入力トークンあたり0.20ドル（約31円）、100万出力トークンあたり0.75ドル（約120円）に抑えられており、提供開始を記念したローンチ割引としてOpenRouter経由では80%オフで利用できる。Inception APIおよびBaseten、OpenRouterを通じて即日利用が可能となっている。

拡散テキスト生成の普及と次世代基盤の展望

Inceptionは同時に、音声対話特化型の「Mercury Voice」や複数モデルへのルーティングを担う「Mercury Router」のプレビュー版も公開した。さらに、過去最大規模となる次世代モデルの学習にすでに着手しており、数カ月以内の公開を予定している。

これまで画像・動画生成の独壇場だった拡散アーキテクチャが、自己回帰モデルの最大の弱点であった「推論遅延」を打ち破る有力な選択肢として定着しつつあり、リアルタイム性が求められるAIエージェント市場における基盤モデルの勢力図に大きな影響を与えるとみられる。

引用元：GIGAZINE