Während die großen KI-Labore um Benchmark-Punkte kämpfen, hat ein Startup aus Palo Alto am 24. Februar 2026 ein Modell vorgestellt, das eine ganz andere Frage beantwortet: Was passiert, wenn man das Grundprinzip ändert, nach dem Sprachmodelle Text erzeugen? Inception Labs' Mercury 2 ist das erste kommerziell verfügbare Reasoning-Modell, das nicht auf autoregressiver Dekodierung basiert, sondern auf Diffusion — einer Technik, die bisher vor allem aus der Bildgenerierung bekannt ist.
Die Zahlen klingen ambitioniert: über 1.000 Tokens pro Sekunde auf NVIDIA Blackwell GPUs, bei einem Preis von $0,25 pro Million Input-Tokens und $0,75 pro Million Output-Tokens. Zum Vergleich: GPT-5.2 kostet $1,75/$14,00 und Claude Opus 4.6 liegt bei $5,00/$25,00 pro Million Tokens. Mercury 2 ist damit um Größenordnungen günstiger — allerdings positioniert es sich nicht als Frontier-Modell, sondern als Speed-Spezialist für Produktions-Workloads.
Das Prinzip: Warum Diffusion statt Autoregression?
Jedes aktuelle KI-Sprachmodell — ob GPT-5.2, Claude Opus 4.6 oder Gemini 3.1 Pro — erzeugt Text Wort für Wort, von links nach rechts. Dieses schrittweise Verfahren (autoregressive Dekodierung) ist bewährt, hat aber einen entscheidenden Nachteil: Je länger die Antwort, desto länger dauert es. Mehr Nachdenken bedeutet mehr Wörter, mehr Wartezeit, höhere Kosten.
Mercury 2 geht einen anderen Weg. Statt Wort für Wort zu schreiben, erzeugt das Modell mehrere Textbausteine gleichzeitig und verfeinert sie parallel — ein Verfahren namens Diffusion. Man kann sich das vorstellen wie einen Lektor, der einen kompletten Absatz auf einmal überarbeitet, statt Buchstabe für Buchstabe zu tippen. Inception beschreibt das als „weniger Schreibmaschine, mehr Redakteur".
Die Diffusion-Technik ist aus der Bildgenerierung bekannt — Tools wie Stable Diffusion oder DALL-E arbeiten seit Jahren damit. Die Übertragung auf Sprache ist allerdings deutlich schwieriger, weil ein Wort entweder richtig oder falsch ist — Zwischenstufen wie bei Pixelfarben gibt es nicht. Dass Inception diesen Ansatz nun in einem produktionsfähigen Modell mit 128K-Kontextfenster, Tool-Nutzung und strukturierter Ausgabe (JSON) umsetzt, ist bemerkenswert.
Wo Mercury 2 seinen Platz findet
Inception positioniert Mercury 2 nicht als Ersatz für Frontier-Modelle, sondern für Szenarien, in denen Latenz der limitierende Faktor ist. Die vier Hauptanwendungen laut dem Unternehmen:
- Coding und Editing: Autocomplete, Refactoring-Vorschläge, interaktive Code-Agenten — Workflows, bei denen jede Verzögerung den Entwickler-Flow unterbricht. Max Brunsfeld, Mitgründer des Code-Editors Zed, bestätigt: Vorschläge kämen „schnell genug, um sich wie Teil des eigenen Denkens anzufühlen“.
- KI-Agenten: Wenn ein Agent pro Aufgabe Dutzende Anfragen hintereinander stellt, multipliziert sich die Wartezeit jeder einzelnen Anfrage. Suchintan Singh, CTO von Skyvern, berichtet, Mercury 2 sei „mindestens doppelt so schnell wie GPT-5.2".
- Echtzeit-Sprache: Sprachassistenten haben das engste Zeitbudget in der KI — Antworten müssen in natürlichen Sprechpausen kommen. Mercury 2 soll das mit Reasoning-Qualität schaffen.
- Such- und Wissenspipelines (RAG): Wenn ein System mehrere Quellen durchsucht, zusammenfasst und neu bewertet, stapeln sich Wartezeiten schnell. Mercury 2 soll intelligente Verarbeitung in die Suche bringen, ohne alles auszubremsen.
Die Einschränkungen: Kein Frontier-Killer
Inception selbst spricht von Qualität „auf dem Niveau führender geschwindigkeitsoptimierter Modelle" — wohlgemerkt nicht auf dem Niveau der besten Modelle am Markt (Frontier-Modelle). Konkrete Benchmark-Ergebnisse in den gängigen Tests fehlen in der Ankündigung. Das ist ein bewusster Zug: Mercury 2 konkurriert nicht mit Claude Opus 4.6 oder GPT-5.2 um die höchste Qualität, sondern mit schnellen Modellen wie Gemini 3 Flash um das beste Verhältnis von Geschwindigkeit zu Qualität.
Auf Hacker News fiel die Reaktion gemischt aus. Entwickler anerkannten den Geschwindigkeitsvorteil, stellten aber die Frage, ob reine Geschwindigkeit bei niedrigerer Qualität pro Token wirklich den Unterschied macht. Ein Kommentator brachte es auf den Punkt: „Ich frage mich, ob es Aufgaben gibt, bei denen 16.000 mittelmäßige Wörter pro Sekunde nützlicher sind als 200 gute Wörter pro Sekunde.“
Andere sahen das Potenzial differenzierter: In einem Szenario, in dem man Frontier-Modelle für die Planung und Diffusion-Modelle für die schnelle Ausführung kombiniert, könnte ein hybrides Setup entstehen, das beide Stärken vereint.
Strategische Einordnung: Warum das für B2B relevant ist
Mercury 2 ist weniger ein einzelnes Produkt als ein Signal für einen architektonischen Wandel. Drei Aspekte verdienen Aufmerksamkeit:
- Geschwindigkeit wird zum eigenständigen Qualitätsmerkmal. Wenn KI-Agenten Dutzende oder Hunderte Anfragen hintereinander stellen, ist ein 5x schnelleres Modell nicht nur schneller — es ermöglicht bessere Ergebnisse, weil mehr Durchläufe ins Zeitbudget passen.
- Die Kosten sinken auf ein neues Niveau. $0,25/$0,75 pro Million Tokens ist selbst für günstige chinesische Modelle wie MiniMax M2.5 ($0,30/$1,10) kompetitiv. Für Massenverarbeitung — Transkript-Bereinigung, Datenextraktion, automatisierte Qualitätssicherung — verändert das die Kalkulation grundlegend.
- Die Technik-Vielfalt nimmt zu. Bisher basierten praktisch alle kommerziellen Sprachmodelle auf demselben Grundprinzip: dem schrittweisen Textaufbau (Transformer-Decoder). Mercury 2 zeigt, dass es produktionsreife Alternativen gibt. NVIDIA unterstützt den Ansatz ausdrücklich — Shruti Koparkar vom Accelerated Computing Team bestätigt, dass Mercury 2 die „Vielseitigkeit der Plattform für das gesamte Spektrum von KI-Aufgaben" demonstriere.
Was Entscheider jetzt tun sollten
Mercury 2 ersetzt keine Top-Modelle. Aber es ist ein ernstzunehmender Kandidat für Aufgaben, bei denen Geschwindigkeit und Durchsatz wichtiger sind als maximale Qualität pro Antwort. Weil Mercury 2 zur OpenAI-API kompatibel ist, erfordert ein Test keine Code-Änderungen.
Für Unternehmen, die bereits KI-Agenten einsetzen oder planen, lohnt sich ein Blick. Nicht als Ersatz für das beste Modell an der Spitze, sondern als schneller Ausführungspartner darunter. Die Zukunft der KI-Infrastruktur ist vermutlich nicht ein Modell für alles — sondern das richtige Modell an der richtigen Stelle. Mercury 2 macht diese Stelle etwas klarer.
Quellen
- Inception Labs: „Introducing Mercury 2“ (24.02.2026) — Originäre Quelle, offizielle Produktankündigung
- InfoWorld: „Inception’s Mercury 2 speeds around LLM latency bottlenecks“ (26.02.2026)
- TestingCatalog: „Inception Labs unveils Mercury 2 diffusion and reasoning LLM“ (25.02.2026)
- Hacker News: „Mercury 2: Fast reasoning LLM powered by diffusion“ — Community-Diskussion (27.02.2026)