--- type: Article title: "Mercury: LLMs Ultra Rápidos" description: "Recentemente, pesquisadores (Khanna et al., 2025), apresentaram o Mercury, uma nova linha de modelos (Coder Mini e Coder Small) de linguagem (Large Language Models - LLMs)…" resource: https://felipecferreira.com.br/biblioteca/mercury-llms-ultra-rapidos/ generated: { by: process:okf-bridge, at: 2026-09-03T01:38:54Z } status: stable sources: - id: canonical-html resource: https://felipecferreira.com.br/biblioteca/mercury-llms-ultra-rapidos/ title: "Página oficial em HTML" last_modified: 2026-07-28T17:33:34Z --- # Mercury: LLMs Ultra Rápidos Recentemente, pesquisadores (Khanna et al., 2025), apresentaram o Mercury, uma nova linha de modelos (Coder Mini e Coder Small) de linguagem (Large Language Models - [LLMs](https://felipecferreira.com.br/biblioteca/o-que-sao-llms-large-language-models/)) projetada para ser **extremamente rápida** (sem comprometer a qualidade das respostas). Você pode acessar o paper (artigo científico) na íntegra, clicando [aqui](https://arxiv.org/html/2506.17298v1#bib.bib11). O foco inicial está na geração de código, um campo onde cada segundo de latência faz diferença para desenvolvedores e equipes que dependem de [Inteligência Artificial](https://felipecferreira.com.br/biblioteca/o-que-e-inteligencia-artificial/) no fluxo de trabalho. *Fonte: Print retirado pelo autor (july 2025)* Você pode **acessar o modelo diretamente** pela sua interface web, clicando aqui: [inceptionlabs.ai](https://chat.inceptionlabs.ai/) Caso opte por testar na prática (recomendo sempre), faça uma conta gratuitamente. Notei que alguns erros (requests) são resolvidos e o modelo tende a responder melhor. É a minha recomendação, dentro do que notei em uso. ## Como o Mercury atinge essa velocidade surpreendente? O Mercury é um modelo baseado em **difusão**, mas utiliza a arquitetura Transformer, o que o torna compatível com otimizações já conhecidas de outros LLMs modernos. O processo de geração começa com uma sequência aleatória **(ruído) que é refinada** passo a passo até chegar em uma resposta final coerente. Isso contrasta com os modelos autoregressivos tradicionais, que constroem o texto token por token. Durante o treinamento, os modelos Mercury aprenderam a reconstruir dados linguísticos a partir de versões progressivamente mais ruidosas. O conjunto de dados usado inclui **trilhões de tokens**, com dados extraídos da web e também fontes sintéticas e proprietárias. O treinamento foi realizado em clusters com **GPUs H100**, utilizando uma função de perda baseada em *denoising*(remoção de ruído) adaptada para tarefas de linguagem natural. Com (tudo) isso, a **latência** cai drasticamente. A estrutura permite contexto nativo de até 32.768 tokens e possibilidade de expansão para até 128k. Os modelos são também compatíveis com estratégias de alinhamento como [RLHF](https://felipecferreira.com.br/biblioteca/o-que-e-rlhf/) ou DPO, substituindo a perda autoregressiva por perdas baseadas em difusão, permitindo adaptação para casos de uso diversos, como assistentes, agentes autônomos e ferramentas de programação. O sistema de inferência do Mercury é proprietário, com um motor altamente otimizado que usa batching dinâmico e algoritmos customizados para **aproveitar ao máximo o hardware.** O tempo médio de resposta do Mercury Coder Mini, por exemplo, é de apenas 25 milissegundos, **quatro vezes mais rápido que o GPT-4o Mini** (Lol). Em testes práticos, o Mercury Mini chegou a produzir mais de mil tokens por segundo em uma GPU H100, isso é cerca de **10 vezes** mais rápido do que muitos modelos comerciais populares usados atualmente. ## E a qualidade das respostas? Não seria eficiente esta "Alta Velocidade" com respostas ruins ou que gerariam retrabalhos, certo?! Por isso, os pesquisadores testaram o Mercury em *benchmarks* amplamente reconhecidos no universo da programação.. E mesmo com toda a "aceleração", de acordo com os autores, o modelo entregou qualidade comparável aos melhores concorrentes (DeepSeek, Claude Sonnet, GPT-4o, entre outros). Em ambientes competitivos como o [Copilot Arena](https://lmarena.ai/leaderboard/copilot), o Mercury ficou entre os primeiros colocados em precisão de código, uma validação concreta do seu desempenho! ## O que isso significa para quem usa IA no trabalho? Se você é desenvolvedor, gestor de produto, ou trabalha com soluções baseadas em LLMs, isso significa que pode ter **assistentes mais rápidos e baratos**. Imagine integrar um modelo como o Mercury no seu copiloto interno, com respostas quase instantâneas, sem depender de estruturas pesadas ou caras. Essa eficiência se traduz em menos tempo de espera, menos custo computacional e mais fluidez para quem depende da IA como ferramenta de produtividade. É claro, preciso considerar a **complexidade das suas requisições**, potenciais integrações com outros sistemas (ou ferramentas), entre outros detalhes **técnicos operacionais**.. Aqui, estou simplificando, no intuito de deixarmos somente as informações relevantes para a revisão do paper (em si). ## Qual a MINHA Visão Prática sobre o Mercury? Realizei alguns testes práticos (julho de 2025) de código python e javascript comparando o Mercury ao GPT-4o e ao Google Gemini 2.5 Pro. Fiz também algumas **simulações com bibliotecas de animação**, rodando o code nos próprios ambientes de renderização (Canvas) web. Ok, talvez usar o Gemini na última versão pode ser considerado como "covardia".. Mas focando nos resultados com o 4o, modelo da OpenAI, ainda tivemos uma boa disputa! **Notei uma performance similar, mas o Modelo da OpenAI ainda se destacou no quesito eficiência (isto é, maior fidelidade e qualidade em output, mesmo que em detalhes de UX).** O Mercury com o Diffusion Effect habilitado é **assustadoramente rápido** e a renderização do processamento é incrível, aconselho o teste.. O teste foi controlado e com repetibilidade, não vou detalhar pois o foco não é este.. *Eu poderia criar um vídeo no YouTube, explicando como faço os testes no passo a passo que tal? Me avise se fizer sentido.* ## Conclusões O Mercury é um lembrete de que velocidade e qualidade podem sim andar juntas, de acordo com os resultados obtidos pelos autores do paper. O Artigo mostra que não estamos mais restritos ao trade-off entre performance e custo na hora de escalar modelos de linguagem. Para quem trabalha com AI, especialmente em contextos de produto, automação ou desenvolvimento, essa é uma inovação para **acompanhar de perto**. *O futuro pode (e vai) ser mais rápido do que imaginamos, e com mais inteligência.* ## Referência Khanna, S. et al. Mercury: Ultra-Fast Language Models Based on Diffusion. arXiv:2506.17298v1 [cs.CL]. 17 Jun 2025.