Difusão em escala: testando Mercury 3, da Inception

Autoria: Fahd Mirza · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Diffusion at Scale: Testing Mercury 3 by Inception · Canal: Fahd Mirza · 09:57 · Assistir no YouTube

Tópicos: Avaliação e benchmarks de IA, Engenharia de software com IA, Modelos de IA, Modelos multimodais

Resumo

Fahad Mirza testa Mercury 3, um modelo de linguagem baseado em difusão, usando uma aplicação fictícia de registro de famílias de doadores e várias tarefas de raciocínio e geração. O modelo corrige um bug de conformidade, resolve um problema de raciocínio físico, identifica corretamente a autoria de uma citação e segue instruções multilíngues. Em uma tarefa mais longa, cria uma página interativa em um único arquivo, mas demora mais e apresenta limitações na qualidade artística. O apresentador considera Mercury 3 rápido e competente em seguir instruções, embora não seja um modelo de ponta.

Pontos-chave

A aplicação demonstrativa acompanha famílias associadas a doadores e aplica um limite fictício de 10 famílias por doador.
Mercury 3 corrige um bug que fazia a aplicação exibir dados incorretos de conformidade.
O modelo é baseado em difusão e, segundo a explicação do vídeo, produz e refina tokens em paralelo.
Mercury 3 responde corretamente a um teste de raciocínio físico sobre uma bolinha e um copo levado ao micro-ondas.
O modelo atribui corretamente a Upton Sinclair uma citação conhecida.
Na tarefa multilíngue, cobre os idiomas solicitados, mas algumas sugestões parecem traduções literais em vez de nomes de marca.
Em uma tarefa longa, Mercury 3 cria uma página interativa de simulação de tatuagem em um único arquivo, mas leva mais tempo e tem dificuldades no uso de ferramentas.
A avaliação final destaca boa velocidade e capacidade de seguir instruções, com ressalvas sobre a qualidade artística e o desempenho em tarefas complexas.

Capítulos

Início	Capítulo	Resumo
00:01	A aplicação de registro e o bug de conformidade	O apresentador mostra uma aplicação fictícia de registro de famílias de doadores e identifica dados inconsistentes que Mercury 3 deverá corrigir.
02:05	Como funciona Mercury 3 e primeiro teste	O vídeo apresenta o modelo baseado em difusão, suas características divulgadas e o resultado da correção da aplicação.
04:12	Testes de raciocínio, atribuição e idiomas	Mercury 3 resolve um teste de raciocínio físico, atribui uma citação a Upton Sinclair e gera nomes em vários idiomas.
07:22	Simulação de tatuagem e avaliação final	O modelo cria uma página interativa de tatuagem em um único arquivo, mas a tarefa longa revela dificuldades e limitações artísticas.

Citações

Mercury produz e refina tokens em paralelo. — 02:36

A bolinha está sobre a mesa. — 04:43

Quando as tarefas ficam difíceis, complexas e longas, os modelos de difusão começam a ter dificuldades. — 07:22

É um modelo realmente sólido para seguir instruções e criar de uma vez uma página interativa funcional. — 09:25

Conceitos e entidades

Mercury 3 (modelo): Modelo de linguagem baseado em difusão testado no vídeo em tarefas de programação, raciocínio e geração multilíngue.
Inception (empresa): Empresa responsável por Mercury 3.
Hermes (ferramenta): agent usado pelo apresentador para executar Mercury 3 por meio de uma API.
Lineage (ferramenta): Registro de famílias de doadores apresentado como base para a aplicação demonstrativa.
Fahad Mirza (pessoa): Apresentador do vídeo e responsável pelos testes de Mercury 3.
modelos de linguagem baseados em difusão (conceito): Modelos que, conforme explicado no vídeo, produzem e refinam tokens em paralelo, em vez de escrever um token por vez.
raciocínio físico (conceito): Capacidade avaliada por meio de uma sequência de eventos envolvendo uma bolinha, um copo e um micro-ondas.
Upton Sinclair (pessoa): Autor identificado corretamente por Mercury 3 como responsável pela citação apresentada no teste.
GPT-6 Luna (modelo): Modelo citado como comparação em um benchmark mencionado pela Inception.
Claude Haiku 5.5 (modelo): Modelo citado como comparação em um benchmark mencionado pela Inception.

Tradução completa (pt-BR)

00:01 Você está vendo o Lineage, um registro nacional de famílias doadoras. Clínicas de fertilidade em sete países informam cada nascimento concebido com o uso de um doador, e o registro reúne todos esses dados em uma contagem de famílias por doador. Esta é uma aplicação do mundo real. O limite da política é de 10 famílias por doador, e doadores que atingem ou ultrapassam esse limite não podem ser destinados a novas famílias receptoras. Por que isso importa?

00:32 Como eu disse, esta é uma aplicação do mundo real. Isso importa porque cada família a mais significa mais meio-irmãos que podem se encontrar ou formar um casal mais tarde sem saber que são parentes. Em dezembro de 2025, novas notícias relataram um doador portador de uma variante genética causadora de câncer, cujo esperma foi usado para quase 200 crianças em 14 países. No momento, o limite nesta aplicação é uma política fictícia para demonstração, e os dados são sintéticos. Agora, olhe para a tela.

01:04 O mostrador aqui à esquerda indica 100% de conformidade. A quantidade de doadores acima do limite aparece como zero, em verde. Este aqui à direita. Então, este é um dos bugs. Além disso, se eu descer um pouco, vocês vão ver que este doador, digamos, o D 2207, tem 40 nascimentos em cinco clínicas, mas o anel diz que há seis de 10 vagas disponíveis. Então, há algo errado na

01:35 aplicação. Nada está travando, nenhum erro aparece, mas há um bug sutil que vamos passar para este modelo, o Mercury 3. Já configurei esse modelo com meu agent Hermes, que está acessando a API neste momento. Então, vou passar a ele o objetivo. Estou pedindo, em alto nível, que corrija isso e nos entregue uma aplicação funcional.

02:05 Enquanto ele trabalha, deixe-me me apresentar. Sou Fahad Mirza, e dou as boas-vindas ao canal. Recentemente, também comecei esta newsletter semanal gratuita sobre IA, na qual você pode se inscrever em fahadmirza.substack.com. Como podem ver, já cobrimos esses modelos da Inception há algum tempo. E eles dizem que o mais recente é o modelo de melhor desempenho deles. Como eu disse, este modelo é da Inception e é um modelo de linguagem baseado em difusão.

02:36 A maioria dos LLMs gera um token de cada vez. Os modelos de difusão da esquerda para a direita funcionam de outro jeito. O Mercury produz e refina tokens em paralelo, um pouco como a difusão de imagens refina uma imagem grosseira até deixá-la nítida, como vocês podem ver. É por isso que ele é rápido. A Inception diz que o Mercury 3 é cerca de 40 vezes maior que o primeiro modelo Mercury e roda a 1.068 tokens por segundo em GPUs. Ele tem um contexto de

03:08 1 milhão de tokens. O preço também é um pouco baixo, mas vocês podem conferir no model card. Eles afirmam que ele superou o GPT-6 Luna e o Claude Haiku 5.5 no benchmark deles. Sim, o Claude Haiku. O que não é lá muito impressionante, para ser sincero, mas enfim. Ele está disponível pela API deles, que estou acessando agora. Então, vamos ver como se sai neste primeiro teste. Certo, ele diz que concluiu o objetivo. E, se vocês olharem o raciocínio, isso é bem interessante. Vocês

03:40 sabem, como é típico de um modelo de difusão, ele não se aprofundou muito, mas ainda assim conseguiu nos dar uma resposta bastante bem fundamentada e muito precisa. Pronto. A página já foi atualizada. Nem precisei atualizar manualmente. E a resposta parece correta, como vocês podem ver. Agora, há sete doadores acima do limite de famílias, e isso é uma questão de conformidade com a política. E, se olharem agora o D2207, ele está acima do limite. Então, o modelo é muito bom e rápido.

04:12 Vamos fazer outro teste. Agora, vamos fazer um teste de raciocínio científico. Se vocês olharem este prompt, o que estamos testando especificamente é se o modelo acompanha objetos físicos ao longo de uma sequência de etapas, em vez de apenas fazer correspondência de padrões. O prompt diz: uma bolinha de gude está sobre uma mesa, com um copo virado sobre ela. O copo é levado até um micro-ondas, e o modelo precisa dizer onde está a bolinha. Vocês também podem dar o palpite de vocês, mas vamos ver se o modelo acerta ou

04:43 não. Aí está. Viram como foi rápido? Deixe-me voltar um pouco. E, como podem ver, quase não houve raciocínio, e então ele nos deu a resposta, que está correta. A bolinha está sobre a mesa. Em seguida, ele explica passo a passo. Agora, olhem estas etapas. É muito rápido e preciso. Então, esta é a parte principal, em que ele fala sobre inércia e todo aquele raciocínio científico em torno da sucção,

05:14 da adesão ou da borda que a prenderia por baixo. Uma resposta muito boa. Em seguida, vou testar a recuperação de fatos e a atribuição. Estou dando este prompt a ele e perguntando a quem pertence a seguinte citação. Vamos ver se o modelo consegue identificar o autor correto de uma citação famosa sem cair numa atribuição errada que ficou popular. Esta citação é de Upton Sinclair, e ele acertou. Que bom!

05:48 Em seguida, estou testando a capacidade multilíngue em larga escala e também o seguimento de instruções. Por exemplo, será que o modelo consegue abranger todos os idiomas em um teste longo? Estou pedindo que invente o melhor nome de marca possível para uma nova garrafa de água ecológica em cada um dos idiomas listados abaixo. E aqui está a resposta. Confiram o seu idioma e me digam também o que acharam. Pelo que consigo ver, ele abrangeu todos os idiomas da lista. E manteve exatamente o formato dos nomes dos idiomas. Esse era o aspecto do seguimento de instruções que estávamos testando.

06:19 Ele também escolheu uma ideia clara — primavera e água pura — e criou toda a família de marcas em torno dela. Isso faz com que o conjunto pareça pensado, em vez de aleatório. Dá para argumentar que o ponto fraco talvez seja a criatividade, já que muitos dos nomes são simplesmente a palavra para “primavera”. Então, parecem mais traduções do que nomes de marca. Mas, novamente, acho que há alguns destaques, como Wellspring e Aqua Viva. E também vou mostrar uma

06:50 coisa. Como esta palavra sem sentido: Gluggle. É bem irreverente. Ele também sinalizou idiomas reais, como Gutnish, Balochi e alguns outros, como palpites que precisam ser verificados por um falante nativo, o que é uma atitude honesta. Então, se vocês forem falantes nativos, contem para a gente nos comentários. Por fim, estou pedindo ao modelo que desenhe um arquivo autossuficiente mostrando uma simulação de uma tatuagem. Há vários requisitos para isso. Ela deve ser uma tatuagem de dragão em estilo japonês

07:22 enrolada ao longo dela, além de algumas outras coisas, como vocês podem ver na tela. E é aqui que o modelo está levando bastante tempo. Está pensando por muito tempo e com bastante esforço. Instalando as ferramentas, tentando usá-las. É isso que acontece com modelos de difusão. Assim que as tarefas ficam difíceis, complexas e de longo horizonte, eles começam a ter um pouco de dificuldade em termos de velocidade e de tool calling, e é exatamente isso que está acontecendo aqui. Às vezes, ele simplesmente fica dando voltas, depois, como vocês sabem,

07:53 volta aos trilhos e então começa a usar as ferramentas. Enfim, até agora, tudo bem. Vamos ver quanto tempo leva e o que produz, e eu mostro para vocês. O Mercury 3 criou algo a partir de um único prompt, em um único arquivo. Vou copiá-lo e abri-lo para vocês, e vamos conferir juntos. Hum, aí está. O que vocês acham? Ele desenhou uma forma de coxa em tom de pele, como podem ver, com sombreamento suave, um dragão serpentino com cabeça, garras

08:25 e espinhas dorsais, além de uma barra de controle funcional. Então, vou aumentar o comprimento do conjunto. Está fazendo alguma coisa? Cicatrizou, cicatrizou, cicatrizou. Certo. Houve uma mudança sutil. Estão vendo? O que é bom. Ficou bom. E posso mudar a cor? Preto e branco, sim. Estão vendo? Preto e branco. Talvez esteja invertido, mas está bom. Está muito bom.

08:55 Acho que este é o primeiro resultado bom que vejo de um modelo há algum tempo. Mas sim, há muitas falhas. Por exemplo, se olharem para o dragão, ele parece mais um esboço de uma cobra fina ou de um lagarto do que um dragão japonês detalhado, sem escamas de verdade nem bigodes esvoaçantes; e a coxa é apenas uma mancha simples, em vez de uma perna realista. Mas, novamente, acho que ele seguiu bem a estrutura do briefing. A arte não está lá, mas, novamente, este não é um modelo de imagem

09:25 modelo de geração. Então, eu diria que é um modelo realmente sólido em seguir instruções e criar uma página interativa funcional de uma só vez. A funcionalidade também é muito boa. Não é um modelo de ponta, mas ainda acho que, para um modelo de difusão com essa velocidade e essa qualidade, não é uma versão ruim do Mercury, da Inception, especialmente se comparado aos modelos anteriores deles. Conte nos comentários o que você achou. Se quiser ajudar o canal, acesse a página inicial e torne-se membro ou use o primeiro comentário fixado.

09:57 Obrigado por todo o apoio.

Transcrição original

[00:01] You are looking at Lineage, a national donor family registry. Fertility clinics in seven countries report every birth conceived from a donor, and the registry folds all those reports into one family count per donor. This is a real-world application. The policy limit is 10 families per donor, and uh donors at or over the limit must not be given to new recipient families. Why does this matter?

[00:32] As I said, it’s a real-world application. The reason it matters is because every extra family means uh more half-siblings who may unknowingly meet or partner later. In December 2025, new reports described a donor carrying a cancer-causing gene variant whose sperm was used for almost 200 children across 14 countries. The limit in this app is a fictional demo policy at the moment, and data is synthetic. Now, look at the screen.

[01:04] The dial here on the left says 100% compliance. Donors over the limit shows a green zero. This one towards the right. So, this is one of the bugs. Plus, if I just come down, you will see that this donor, which is let’s say D 2207, it has 40 births across five clinics, yet the ring says six of 10 available. So, something is wrong in the

[01:35] application. Nothing is crashing, no error is appearing, but there is a subtle bug, which we are going to give to this model, which is Mercury 3. And I already have configured this model with my Hermes agent, where it is running through API at the moment. So, let me give it the goal. Where I’m asking it at high level to get this fixed and then give us a working application.

[02:05] Now, while it works, let me introduce you to myself. I’m Fahad Mirza and I welcome you to the channel. I recently also have started this free weekly AI newsletter, which you can subscribe at fahadmirza.substack.com. You can see that we have been covering these inception models for quite some time. And they say it is their uh the latest one is their most performant model. So, this model is, as I said, from inception and it is a diffusion-based language model.

[02:36] Most LLMs write one token at a time. Left-to-right diffusion models work differently. Mercury produces and refines tokens in parallel, a bit like how image diffusion refines a rough picture into a clear one, as you can see. That is the reason for its speed. Inception says Mercury 3 is um around 40 times larger than their first Mercury model and runs at 1,068 tokens per second on GPUs. It has a 1 million token

[03:08] context. The price is also a bit low, but you can check it out on their model card. They claim it has beaten GPT-6 Luna and Claude Haiku 5.5 on their benchmark. Yes, Claude Haiku. Which is not that impressive even to say, but anyway. Um it is available through their API, which I’m accessing at the moment. So, let’s see how it does with this first test. Okay, so it says that it has finished the goal. And if you look at the thinking, that is very interesting. You

[03:40] know, just like in a fashion of diffusion model, it has um it hasn’t really gone that deep, but still it managed to actually give us quite a good grounded and very pinpointed answer. So, there you go. It already refreshed. I didn’t even need to refresh. And the answer looks correct, as you can see. Now, the donors over family limit are seven, and this is a policy compliance. And if you look at now this D2207, it is now over limit. So, the model is quite good and fast.

[04:12] Let’s do another test. And now let’s do a scientific reasoning test. If you look at this prompt, what we are testing is specifically whether the model tracks physical objects through a sequence of steps instead of pattern matching. So, the prompt is a marble sits on a table with a cup flipped over it. The cup is carried into a microwave, and the model must say where the marble is. So, you can also take your pick, but we will see if the model gets it right or

[04:43] not. There you go. The model, you see how quick that was. Let me just take you up. And, you know, hardly any thinking at all, and then it has given us the answer, which is correct. That marble is on the table. And then it is going step by step. Now, look at these stages. So, how quick, how fast, and how accurate. Then it, you know, this is the main part where it is talking about inertia and all that scientific reasoning around suction,

[05:14] adhesion, or the rim catching it from the below. Really good answer. Next up, let me test the factual recall and attribution. So, I’m giving it this prompt, and I’m asking it who this following quotation belong to. Now, let’s see if the model can name the right author of a famous quote without being fooled by a popular misattribution. This quote is from Upton Sinclair, which it has got it right. How good is that?

[05:48] Next, I’m checking multilinguality at scale and also instruction following. Like, can the model cover every single language in a long test? And I’m asking it to come up with best possible brand name for a new eco-friendly water bottle in each and every one of the languages listed below. And here you go. This is the answer. Please check your language and let me know, too. As far as I can see, it has covered every language on the list. And it kept the exact language name format. That is the instruction

[06:19] following we were testing. It also picked one clear idea, spring and pure water, and built the whole brand family around it. Which makes the set feel designed rather than a random. Um You know, you can argue that weak spot might be the creativity, like many entries are simply the word for spring. So, they read as translations more than brand names. But again, I think there are few standouts like Wellspring, Aqua Viva. And then also, I’ll just show you one

[06:50] thing. Like this gibberish, Gluggle. So, it is quite cheeky. It also flagged the real languages like Gutnish, Balochi, and few others as best guesses that need a native speaker check, which is an honest touch. So, if you are a native speaker, please let us know in your comments. And finally, I’m asking the model to draw me a self-contained file showing a simulation of a tattoo. And there are various requirements around that. It should be a Japanese-style dragon tattoo

[07:22] wrapped along it and few other things as you can see on your screen. And this is where model is taking now considerable time. It is thinking hard and long. Installing the tools, trying to use them. And this is what happens with diffusion models. As soon as the things become hard, complex, and long horizon, they start struggling a bit in terms of speed and tool calling and that is exactly what is happening here. It is sometime it just goes in circle then, you know,

[07:53] gets back onto the track and then start using the tools. Anyway, um so far so good. So, let’s see how long does it take and what it produces and I will show you. And Mercury 3 has built something from a single prompt in one file. Let me copy it and open it in front of you and we will check it out together. Mhm, there you go. So, what do you think? It drew a skin tone thigh shape as you can see with soft shading a serpentine dragon with a head, claws,

[08:25] and spine ridges and a working control bar, too. So, let me increase the set link. Is it doing anything? It is healed, healed, healed. Okay. There is a subtle change. You see? Which is good. Good works. And can I change in color? B&W, yep. You see? Black and white. Maybe it is flipped, but it is good. It is really good.

[08:55] I think this is the first good one I have seen in a while from a model. Um but yes, there are a lot of flaws. Like, if you look at the dragon, it just like, you know, seems like a thin snake or a lizard sketch than a detailed Japanese dragon with no real scales, no flowing whiskers, and the thigh is a plain a blob uh rather than a realistic leg. But again, I think um it has followed the structure of the brief well. Uh artistry is not there, but again, this is not an image

[09:25] generation model. So, I would say uh a real solid model on instruction following and getting a working interactive page in one go. So, functionality is also quite good. It is not a frontier model, but still I think for a diffusion model with this speed and this quality, it is not a bad version of Mercury from Inception, especially if you compare it to their previous models. Let me know your thoughts in the comments. If you want to help out the channel, please go to the home page and become a member or from the first pinned comment.

[09:57] Thank you for all the support.