Si te digo que un modelo de inteligencia artificial puede escupir 1.107 tokens por segundo, probablemente pienses que estoy exagerando. Pero no es el caso. La gente de Inception acaba de lanzar al ruedo su nuevo Mercury 2.5, y las cifras son una auténtica barbaridad para cualquiera que trabaje con IA en tiempo real. Y es que estamos ante el modelo de lenguaje por difusión más grande y capaz entrenado hasta la fecha. Así de simple.
Según nos cuentan desde Inception, esta nueva versión logra ser un 40 % más inteligente que su predecesor directo, el Mercury 2. Y lo hace sin sacrificar su gran baza: una latencia casi nula y un coste de servicio ridículo. Básicamente, juran que su calidad ya mira de tú a tú a monstruos optimizados como GPT-5.6 Luna o Claude Haiku 4.5. Casi nada.
Si echas un vistazo a la información original compartida por la compañía, queda claro que no quieren vender humo. Van directos a la yugular del rendimiento y buscan dominar los casos de uso donde cada milisegundo cuenta.
Hardware terrenal, rendimiento extraterrestre
Ojo a este detalle técnico porque es donde reside la magia. Mercury 2.5 no necesita granjas de servidores experimentales para volar. Genera esa salvajada de tokens usando GPUs NVIDIA ampliamente disponibles en el mercado. A ello se le suma una brutal ventana de contexto de 260.000 tokens. Te haces una idea de lo que supone esto para procesar enormes bases de datos en apenas unos segundos.
Y por si esto te supiera a poco, han integrado capacidades técnicas de alto nivel, como el razonamiento ajustable, llamadas paralelas a herramientas y la generación de JSON alineado con esquemas. En la práctica, esto significa que los desarrolladores tienen un bisturí de alta precisión para crear agentes automatizados que no se cuelgan pensando. Ni se inmuta.
Una guerra de precios muy agresiva
Pero claro, de nada sirve tener el Fórmula 1 de los modelos si el precio de la gasolina te arruina el presupuesto. Aquí es donde Inception ha decidido reventar el tablero. El precio estándar ya es de por sí competitivo: 0,20 dólares por millón de tokens de entrada y 0,75 dólares por los de salida. Una cifra muy asequible para despliegues empresariales.
La verdadera locura viene con la promoción actual. Han aplicado una rebaja temporal del 80 %, hundiendo las tarifas de lanzamiento hasta unos ridículos 0,04 dólares por millón de tokens de entrada y 0,15 dólares para salida. Además, están regalando 100 millones de tokens gratuitos en su API para que la comunidad empiece a trastear sin miedo. Han roto el mercado.
¿Para qué sirve tanta velocidad en el mundo real?
Quizás te preguntes quién necesita que un modelo responda tan rápido. La respuesta corta: los sistemas de búsqueda complejos, la voz sintética y la programación en tiempo real. Miles de desarrolladores ya estaban usando la versión 2, y gracias a los fallos detectados en producción, Mercury 2.5 ha pulido exactamente lo que la industria pedía a gritos.
Si miramos los números de despliegues reales, la adopción tiene todo el sentido. La plataforma OpenCall usa este modelo para gestionar llamadas de atención al cliente en directo. ¿El resultado? Una latencia de respuesta mediana cercana a 170 milisegundos. Han logrado bajar tiempos de respuesta extremos (el llamado P99) de varios minutos a un solo segundo.
En paralelo, tenemos el caso de Augment Code, que lo emplea para compactar el contexto y buscar herramientas. Tras mudar esta pesada tarea a Mercury, redujeron su latencia un 82 % (pasando de 150 a apenas 27 segundos) y recortaron sus costes de servicio en un espectacular 90 %. Una optimización salvaje.
El ecosistema crece: voz y enrutamiento inteligente
Lejos de conformarse con lanzar un solo modelo, Inception está montando un ecosistema completo para empresas. Acaban de presentar en vista previa Mercury Voice, un sistema pensado exclusivamente para agentes de voz. Promete un tiempo hasta soltar el primer token inferior a 170 milisegundos. Adiós a esos incómodos y robóticos silencios cuando hablas con una IA.
Para rematar la jugada, lanzan también Mercury Router. Esta herramienta analiza las instrucciones del usuario y decide automáticamente si enviarlas a un modelo abierto o cerrado. Hace de árbitro en tiempo real para darte el mejor equilibrio entre calidad, velocidad y coste. El modelo base ya se puede probar desde su propio chat, su API, Baseten y OpenRouter, ofreciendo a las empresas retención de datos configurable y escalado automático.
Ya sabemos que Inception tiene a sus ingenieros entrenando su próximo modelo gigante, que verá la luz en los próximos meses y promete mantener esta misma eficiencia estructural. El listón técnico está por las nubes y la presión para los actores tradicionales es más que evidente. La pelota está ahora en el tejado de OpenAI y Google. Tocará esperar para ver quién mueve ficha primero en esta guerra por fulminar la latencia.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
