확산 언어모델(Diffusion LLM)로 알려진 인셉션 랩스(Inception Labs)가 기존 LLM의 오랫동안 지적되어온 느린 응답 속도와 높은 비용이라는 문제를 해결한 새로운 모델을 선보였다.
인셉션은 8일(현지시간) 생성 품질을 대폭 개선하면서도 초저지연과 저비용이라는 특성을 유지한 '머큐리 2.5(Mercury 2.5)'를 발표했다.
머큐리 2.5는 현재까지 출시된 확산 LLM 중 가장 뛰어나고 규모가 큰 모델이라고 강조했다. 이전 버전인 머큐리 2와 비교하면 지능 성능이 40% 향상되었으며, 비용 효율성이 중요한 경량급 프론티어 모델인 'GPT-5.6 루나', '제미나이 3.5 플래시 라이트', '클로드 하이쿠 4.5' 등과 동등한 수준의 성능을 갖추고 있다.
엔비디아 GPU에서 초당 1107토큰을 생성할 수 있으며, 최대 26만 토큰의 컨텍스트를 지원해 실시간 대화와 대용량 데이터 처리에 최적화되어 있다.
가격 경쟁력도 두드러진다. 정식 가격은 입력 토큰 100만개당 0.20달러, 출력 토큰 100만개당 0.75달러로 책정되었다. 출시 초기에는 80% 할인된 입력 0.04달러, 출력 0.15달러의 가격으로 제공될 예정이다. 추가로 조절 가능한 추론 기능과 병렬 도구 호출, 스키마에 맞춘 JSON 출력도 지원한다.
인셉션은 머큐리 2 출시 이후 수천 명의 개발자가 모델을 활용했으며 수십 개 기업이 실제 서비스에 적용했다고 전했다. 검색, 음성, 코딩 등 지연시간에 민감한 분야에서 축적된 실제 사용 데이터와 고객 피드백, 서비스 장애 사례들이 모델 평가 및 학습 과정에 반영된 것이 머큐리 2.5 개발의 핵심이었다고 설명했다.
검색 서비스의 경우 단 한 번의 검색 요청을 처리하는 데 검색 계획 수립, 질의 재작성, 결과 재순위화, 정보 구조화, 출처 요약, 답변 검증 등 수십 차례의 모델 호출이 필요할 수 있다. 머큐리 2.5는 이러한 다중 호출을 하나의 사용자 상호작용 범위 내에서 처리할 수 있을 만큼 빠른 응답 속도를 제공한다.
음성 분야에서는 지연시간의 중요성이 더욱 크다. 실시간 고객 통화를 처리하는 AI 전화 에이전트 업체 오픈콜(OpenCall)은 실제 운영 환경에서 머큐리를 도입한 결과 모델 응답 지연시간의 중앙값을 약 170밀리초(ms)까지 단축했다고 밝혔다. 코딩 에이전트 분야 역시 여러 모델이 계획 수립, 코드 작성, 도구 검색, 상태 요약 등의 역할을 나누어 담으므로 호출 횟수가 많아질수록 속도와 비용의 차이가 증가한다.
코딩 플랫폼 어그먼트 코드(Augment Code)는 머큐리를 컨텍스트 압축과 모델 라우팅, MCP 도구 검색에 활용하고 있다. 컨텍스트 압축 작업을 머큐리로 전환한 이후 처리 지연시간을 약 150초에서 27초로 82% 단축했으며, 품질을 유지하면서 비용을 90% 절감했다고 소개했다.
머큐리 2.5와 함께 음성 에이전트에 특화한 '머큐리 보이스(Mercury Voice)'와 여러 AI 모델 가운데 품질·속도·비용 조합이 가장 최적인 모델로 요청을 자동 분배하는 '머큐리 라우터(Mercury Router)'의 프리뷰도 공개했다.
머큐리 모델은 인셉션 API와 베이스텐(Baseten), 오픈라우터(OpenRouter)를 통해 이용할 수 있다. 기업용 배포에는 전용 용량, 자동 확장, 규정 준수 제어, 데이터 보존 기간 설정 등의 기능이 포함된다.