- Katılım
- 13 Ocak 2026
- Mesajlar
- 236
- Tepkime puanı
- 102
- Puan
- 43
Arkadaşlar, yapay zekâ modellerinde cevap kalitesi kadar bekleme süresi de günlük deneyimi etkiliyor. Inception’ın tanıttığı Mercury 3 bu noktada iddialı rakamlarla geldi. Interesting Engineering’in haberine göre şirket, yeni modelinin bazı karşılaştırmalarda GPT-6 Luna ve Claude Haiku 5.5 düzeyinde veya üzerinde sonuç verirken dört ila sekiz kat daha hızlı çalıştığını söylüyor. Baştan altını çizelim: Bunlar şirketin aktardığı performans sonuçları; her görevde aynı farkın görüleceğini kanıtlayan bağımsız bir değerlendirme olarak sunulmuyor.
Mercury 3’ün farklı yaklaşımı ne?
Alıştığımız birçok büyük dil modeli metni sırayla üretir; bir sonraki parçayı önceki parçaların devamı olarak tahmin eder. Mercury ailesi ise difüzyon yaklaşımıyla birden fazla metin parçasını paralel olarak üretip geliştiriyor. Şirket, bu mimarinin hız avantajını daha büyük ve daha yetenekli bir modele taşıdığını belirtiyor. Buradaki difüzyon ifadesini yalnızca görsel üretimiyle sınırlı düşünmemek gerekiyor; haberin konusu bir dil modeli.
Inception’a göre Mercury 3, ilk nesil Mercury 1’den kırk katın üzerinde büyük olmasına rağmen saniyede bin tokenın üzerinde üretim hızını koruyor. Kaynak bu büyüklük karşılaştırması için kesin parametre sayısı vermiyor. Dolayısıyla kırk kat ifadesinden belirli bir milyar parametre değeri çıkarmak mümkün değil. Token da her zaman bir tam kelimeye karşılık gelmediğinden hız rakamını doğrudan saniyedeki Türkçe kelime sayısı gibi okumamalıyız.
Görsel: Inception / Getty Images, Interesting Engineering üzerinden. Mercury 3 haberinde kullanılan görsel.
Bir milyon tokenlık bağlam ne sağlayabilir?
Yeni modelin bağlam penceresi bir milyon token olarak açıklanıyor. Önceki Mercury 2.5’te bu kapasite 260 bin tokendı. Bu artış, tek istekte daha fazla belge veya daha uzun içerik sağlanabilmesi bakımından önemli. Örneğin bir çalışma dosyasının açıklamalarıyla birlikte birden fazla yönergeyi aynı incelemeye dahil etmek isteyen geliştirici için daha geniş alan sunabilir. Bu, kapasiteyi anlatmak için verdiğim olası bir kullanım örneği.
Bununla birlikte geniş bağlam, modelin her ayrıntıyı kusursuz hatırlayacağı veya bütün belgeleri hatasız yorumlayacağı anlamına gelmez. Bir bilginin pencereye sığması ile gerekli bilginin doğru seçilip cevapta kullanılması ayrı meseleler. Benzer şekilde şirketin yaygın NVIDIA GPU’larında verdiği hız rakamı, herhangi bir ev bilgisayarında aynı performansın elde edileceği vaadi değil. Haberde bunu bütün donanımlara genelleştirecek ayrıntılı bir yapılandırma tablosu bulunmuyor.
Hız farkını en çok nerede hissedebiliriz?
Şirket; etkileşimli eğitim, canlı çeviri, yazma yardımcıları ve yazılım ajanlarını hedefliyor. Özellikle art arda birden fazla adım atan ajanlarda her model çağrısının bekleme süresi toplam işi uzatabiliyor. Bir asistanın önce kayıtları inceleyip sonra bulguları karşılaştırması ve son olarak açıklama hazırlaması buna örnek olabilir. Modelin daha hızlı çalışması bu aşamaların bir bölümünü kısaltabilir; dış araçların veya ağ bağlantısının bekleme süresini ise tek başına ortadan kaldırmaz.
Erken erişim müşterisi RevisionDojo, öğrencilere ipucu, tanım ve değerlendirilmiş cevap sunan iş akışlarında yanıt süresini yaklaşık bir saniyeye indirdiğini bildiriyor. Bu, belirli bir müşterinin deneyimi. Her kullanıcıya ve her istek boyutuna verilmiş bir saniyelik garanti olarak düşünülmemeli. Saniyedeki token üretimiyle ilk cevabın görünme süresi ve işin baştan sona bitme süresi de aynı ölçüm değil.
Geliştiriciler için erişim ve asıl değerlendirme
Habere göre Mercury 3’e Inception API, Baseten, OpenRouter ve Vercel üzerinden erişilebiliyor. OpenAI API biçimiyle uyumluluk, mevcut uygulamalara bağlantı kurmayı kolaylaştırmayı hedefliyor; modelin OpenAI tarafından geliştirildiği anlamına gelmiyor. Bence asıl karar, uygulamanın kendi Türkçe görevlerinde doğruluk, gecikme ve tutarlılığı birlikte ölçerek verilmeli. Siz bir yardımcı seçerken daha hızlı yanıtı mı, yoksa biraz bekleyip daha güvenilir sonuç almayı mı önceliklendirirsiniz?
Kaynak: Interesting Engineering’in Mercury 3’ün duyurusu, hız iddiaları ve bağlam kapasitesi hakkındaki haberi.
Mercury 3’ün farklı yaklaşımı ne?
Alıştığımız birçok büyük dil modeli metni sırayla üretir; bir sonraki parçayı önceki parçaların devamı olarak tahmin eder. Mercury ailesi ise difüzyon yaklaşımıyla birden fazla metin parçasını paralel olarak üretip geliştiriyor. Şirket, bu mimarinin hız avantajını daha büyük ve daha yetenekli bir modele taşıdığını belirtiyor. Buradaki difüzyon ifadesini yalnızca görsel üretimiyle sınırlı düşünmemek gerekiyor; haberin konusu bir dil modeli.
Inception’a göre Mercury 3, ilk nesil Mercury 1’den kırk katın üzerinde büyük olmasına rağmen saniyede bin tokenın üzerinde üretim hızını koruyor. Kaynak bu büyüklük karşılaştırması için kesin parametre sayısı vermiyor. Dolayısıyla kırk kat ifadesinden belirli bir milyar parametre değeri çıkarmak mümkün değil. Token da her zaman bir tam kelimeye karşılık gelmediğinden hız rakamını doğrudan saniyedeki Türkçe kelime sayısı gibi okumamalıyız.
Görsel: Inception / Getty Images, Interesting Engineering üzerinden. Mercury 3 haberinde kullanılan görsel.
Bir milyon tokenlık bağlam ne sağlayabilir?
Yeni modelin bağlam penceresi bir milyon token olarak açıklanıyor. Önceki Mercury 2.5’te bu kapasite 260 bin tokendı. Bu artış, tek istekte daha fazla belge veya daha uzun içerik sağlanabilmesi bakımından önemli. Örneğin bir çalışma dosyasının açıklamalarıyla birlikte birden fazla yönergeyi aynı incelemeye dahil etmek isteyen geliştirici için daha geniş alan sunabilir. Bu, kapasiteyi anlatmak için verdiğim olası bir kullanım örneği.
Bununla birlikte geniş bağlam, modelin her ayrıntıyı kusursuz hatırlayacağı veya bütün belgeleri hatasız yorumlayacağı anlamına gelmez. Bir bilginin pencereye sığması ile gerekli bilginin doğru seçilip cevapta kullanılması ayrı meseleler. Benzer şekilde şirketin yaygın NVIDIA GPU’larında verdiği hız rakamı, herhangi bir ev bilgisayarında aynı performansın elde edileceği vaadi değil. Haberde bunu bütün donanımlara genelleştirecek ayrıntılı bir yapılandırma tablosu bulunmuyor.
Hız farkını en çok nerede hissedebiliriz?
Şirket; etkileşimli eğitim, canlı çeviri, yazma yardımcıları ve yazılım ajanlarını hedefliyor. Özellikle art arda birden fazla adım atan ajanlarda her model çağrısının bekleme süresi toplam işi uzatabiliyor. Bir asistanın önce kayıtları inceleyip sonra bulguları karşılaştırması ve son olarak açıklama hazırlaması buna örnek olabilir. Modelin daha hızlı çalışması bu aşamaların bir bölümünü kısaltabilir; dış araçların veya ağ bağlantısının bekleme süresini ise tek başına ortadan kaldırmaz.
Erken erişim müşterisi RevisionDojo, öğrencilere ipucu, tanım ve değerlendirilmiş cevap sunan iş akışlarında yanıt süresini yaklaşık bir saniyeye indirdiğini bildiriyor. Bu, belirli bir müşterinin deneyimi. Her kullanıcıya ve her istek boyutuna verilmiş bir saniyelik garanti olarak düşünülmemeli. Saniyedeki token üretimiyle ilk cevabın görünme süresi ve işin baştan sona bitme süresi de aynı ölçüm değil.
Geliştiriciler için erişim ve asıl değerlendirme
Habere göre Mercury 3’e Inception API, Baseten, OpenRouter ve Vercel üzerinden erişilebiliyor. OpenAI API biçimiyle uyumluluk, mevcut uygulamalara bağlantı kurmayı kolaylaştırmayı hedefliyor; modelin OpenAI tarafından geliştirildiği anlamına gelmiyor. Bence asıl karar, uygulamanın kendi Türkçe görevlerinde doğruluk, gecikme ve tutarlılığı birlikte ölçerek verilmeli. Siz bir yardımcı seçerken daha hızlı yanıtı mı, yoksa biraz bekleyip daha güvenilir sonuç almayı mı önceliklendirirsiniz?
Kaynak: Interesting Engineering’in Mercury 3’ün duyurusu, hız iddiaları ve bağlam kapasitesi hakkındaki haberi.