ข้ามไปเนื้อหาหลัก

Inception เปิดตัว Mercury 3 Diffusion LLM เร็ว 1,068 โทเค็น/วินาที

Inception เปิดตัว Mercury 3 Diffusion LLM ความเร็ว 1,068 โทเค็นต่อวินาที รองรับบริบท 1 ล้านโทเค็น และทำคะแนนนำ GPT-6 Luna และ Claude Haiku 5.5 ใน 8 จาก 12 เบนช์มาร์ก

เรียบเรียงโดย AI
Inewgen
20 Oct 2026ที่มา: MarkTechPost2 นาทีอ่าน (0 ครั้ง)
แชร์
Inception เปิดตัว Mercury 3 Diffusion LLM เร็ว 1,068 โทเค็น/วินาที

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

ขนาดตัวอักษร
  • Inception เปิดตัว Mercury 3 โมเดล Diffusion LLM รุ่นใหม่
  • ทำความเร็วประมวลผลสูงถึง 1,068 โทเค็นต่อวินาที
  • รองรับหน้าต่างบริบทขนาดใหญ่ถึง 1 ล้านโทเค็น
  • ทำคะแนนเหนือกว่า GPT-6 Luna และ Claude Haiku 5.5 ใน 8 จาก 12 เบนช์มาร์ก

บริษัท Inception ได้ประกาศเปิดตัว Mercury 3 โมเดลภาษาขนาดใหญ่ (LLM) แบบ Diffusion รุ่นใหม่ล่าสุด ซึ่งสร้างความฮือฮาให้กับวงการปัญญาประดิษฐ์ด้วยประสิทธิภาพความเร็วในการทำงานที่สูงถึง 1,068 โทเค็นต่อวินาที พร้อมทั้งมีความสามารถในการรองรับขนาดบริบท (Context Window) ได้มากถึง 1 ล้านโทเค็นในคราวเดียว

จากการทดสอบและเปรียบเทียบประสิทธิภาพบนตารางข้อมูลอย่างเป็นทางการของ Inception ปรากฏว่า Mercury 3 สามารถทำคะแนนแซงหน้ารุ่นคู่แข่งสำคัญในตลาดอย่าง GPT-6 Luna และ Claude Haiku 5.5 ได้สำเร็จ โดยทำผลงานได้เหนือกว่าใน 8 จาก 12 หัวข้อการประเมินมาตรฐาน (Benchmarks) ทั้งหมดที่นำมาทดสอบ

futuristic data center servers no logo

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

การใช้สถาปัตยกรรมแบบ Diffusion LLM ใน Mercury 3 ถือเป็นความพยายามครั้งสำคัญในการก้าวข้ามข้อจำกัดของโมเดลตระกูล Autoregressive แบบดั้งเดิม โดยเทคโนโลยี Diffusion ช่วยให้โมเดลสามารถสร้างและประมวลผลลำดับข้อมูลแบบขนานได้มีประสิทธิภาพมากขึ้น ซึ่งส่งผลโดยตรงต่อความเร็วในการตอบสนองที่สูงถึงระดับกว่าพันโทเค็นต่อวินาที การรองรับบริบทระดับ 1 ล้านโทเค็นยังช่วยให้โมเดลสามารถวิเคราะห์เอกสารความยาวสูงหรือชุดข้อมูลขนาดใหญ่โตได้อย่างแม่นยำยิ่งขึ้นโดยไม่สูญเสียบริบทสำคัญ

การเปิดตัวโมเดลรุ่นใหม่นี้สะท้อนให้เห็นถึงการแข่งขันที่ดุเดือดในตลาดปัญญาประดิษฐ์ระดับองค์กร ซึ่งผู้พัฒนาต่างมุ่งเน้นไปที่การเพิ่มความเร็วในการประมวลผลควบคู่ไปกับการขยายขีดความสามารถในการจัดการข้อมูลปริมาณมหาศาล เพื่อตอบสนองความต้องการของผู้ใช้งานที่ซับซ้อนขึ้นเรื่อย ๆ

ที่มา: MarkTechPost

ความคิดเห็น

แสดงความคิดเห็น
0/2000

พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้