Inception Mercury 2.5 출시, 확산 언어 모델은 속도 경쟁을 어디까지 바꿀까
AI를 활용하여 생성한 이미지입니다.
Inception이 2026년 9월 8일 Mercury 2.5를 공개했어요.[1] 이 모델은 기존처럼 토큰을 한 개씩 이어 붙이는 방식이 아니라, 여러 토큰을 병렬로 다듬는 diffusion language model(dLLM) 계열입니다.[1] 회사 발표 기준으로는 프로덕션에서 초당 1,100토큰 이상을 처리하고, Inception API·OpenRouter·Baseten에서 바로 사용할 수 있어요.[1]
속도만 빠른 모델은 아니라고 주장한다
Inception은 Mercury 2.5가 Mercury 2보다 지능 평가에서 10포인트 높아졌고, 비용도 낮아졌다고 설명합니다.[1] 회사 보도자료는 기존 Mercury 2가 Claude Haiku와 GPT Mini 수준의 지능을 유지하면서 약 10배 높은 처리량을 냈다고 주장해요.[1] Mercury 2.5는 그 구조를 이어받으면서 더 높은 지능을 목표로 한다고 밝혔어요.[1]
독립 보도는 회사가 공개한 수치를 바탕으로 Mercury 2.5의 처리량을 약 1,107토큰/초로 정리했고, 표준 가격을 입력 100만 토큰당 0.20달러, 출력 100만 토큰당 0.75달러로 소개했습니다.[2] 출시 기간에는 입력 0.04달러, 출력 0.15달러로 80% 할인한다고 전했어요.[2] 이 가격과 할인은 시점·계정·사용 경로에 따라 달라질 수 있으니 실제 API 콘솔에서 다시 확인해야 합니다.
확산 방식이 API 사용성을 바꿀 수 있는 이유
Inception의 설명에 따르면 dLLM은 무작위에 가까운 텍스트에서 시작해 여러 위치를 반복적으로 정리합니다.[1] 이 방식이 충분히 안정적으로 동작하면 답변을 완성하는 동안 GPU를 더 병렬적으로 활용할 수 있어요.
이 구조가 특히 맞는 곳은 검색 요약, 음성 에이전트, 코드 보조처럼 첫 응답과 전체 처리 시간이 중요한 서비스입니다. Inception은 Mercury 2.5를 음성·코딩 에이전트에 쓸 수 있다고 설명했고, 같은 발표에서 첫 토큰까지 170ms 미만을 목표로 하는 Mercury Voice와 Mercury Router 미리보기도 함께 공개했습니다.[1] 다만 이는 회사가 제시한 제품 설명이지, 모든 언어와 입력 길이에서 재현되는 독립 벤치마크는 아닙니다.
개발자가 바로 바꿔야 할까
이미 OpenAI 호환 API를 사용하는 애플리케이션이라면 연결 구조를 검토하기는 쉬울 수 있습니다. 그래도 모델을 바꾸는 일은 단순한 엔드포인트 교체로 끝나지 않아요. 스트리밍 형식, 함수 호출, 구조화 출력, 긴 문맥의 안정성, 한국어 품질, 오류가 났을 때의 재시도 비용을 실제 작업으로 확인해야 합니다.
특히 초당 토큰 수는 품질과 같은 지표가 아닙니다. 응답이 빨라도 도구 호출을 잘못하거나 긴 문서의 조건을 놓치면 전체 작업은 느려질 수 있어요. Mercury 2.5를 검토한다면 다음 순서가 현실적입니다.
- 현재 모델과 같은 프롬프트·출력 제한으로 짧은 코딩과 요약 테스트를 분리하기
- 첫 토큰 시간과 전체 응답 시간을 각각 기록하기
- 함수 호출 JSON이 깨지지 않는지 반복 확인하기
- 한국어 문서와 긴 입력에서 누락·환각 사례를 따로 모으기
- 할인 가격이 끝난 뒤의 월 비용을 계산하기
이번 발표에서 확실히 확인되는 것은 diffusion LLM을 상용 API와 여러 호스팅 경로에서 밀어붙이려는 Inception의 움직임입니다.[1] 반대로, Mercury 2.5가 실제 업무에서 기존 모델보다 항상 낫다는 결론은 아직 이 자료만으로 낼 수 없습니다. 속도와 비용이 중요한 좁은 작업부터 측정해 보는 편이 맞아요.
