Jedes KI-Modell, das du je verwendet hast, schreibt auf dieselbe Weise: ein Wort nach dem anderen, von links nach rechts, wie eine Schreibmaschine. Wenn es früh vom Kurs abkommt, hast du Pech. Es tippt einfach weiter.
Nun hat Inception Labs gerade Mercury 2 auf den Markt gebracht – eine KI, die völlig anders arbeitet:
- Statt ein Wort nach dem anderen vorherzusagen, beginnt sie mit einer groben Skizze der gesamten Antwort.
- Dann verfeinert sie alles gleichzeitig – wie ein Lektor, der einen vollständigen Entwurf parallel überarbeitet.
- Der Fachbegriff lautet „Diffusions-LLM“ (dLLM). Dahinter steckt derselbe grundlegende Ansatz wie bei KI-Bildgeneratoren à la Midjourney, angewandt auf Text und Schlussfolgerungen.
Wir können dir sagen: Das Tempo ist echt. Unabhängige Tests von Artificial Analysis bescheinigten Mercury 2 eine Geschwindigkeit von 1.196 Tokens pro Sekunde – mehr als 3-mal schneller als das nächstschnellste Modell in seiner Preisklasse. Wenn du Geschwindigkeit brauchst, ist das eine ziemlich große Sache. Zum Vergleich: Claude 4.5 Haiku schafft etwa 89 Tokens/Sekunde und GPT-5 Mini etwa 73. Ruhe in Frieden.
Was sonst noch wichtig ist
- 0,25 US-Dollar pro Million Eingabe-Tokens, 0,75 US-Dollar pro Million Ausgabe-Tokens (günstigere Ausgabe als bei GPT-5 Mini).
- Platz 18 von 134 Modellen im Intelligence-Index von Artificial Analysis, mit Stärken beim agentischen Programmieren und bei der Befolgung von Anweisungen.
- Unterstützt Tool-Nutzung, 128K Kontext und strukturierte Ausgaben und lässt sich ohne Anpassungen in jeden OpenAI-kompatiblen Stack integrieren.
Um es klar zu sagen: Mercury 2 will Frontier-Giganten wie GPT-5.2 oder Claude Opus nicht vom Thron stoßen. Es wurde für Geschwindigkeit im Produktionseinsatz entwickelt, nicht für das Prahlen mit Ranglistenplätzen.
Warum sind 10-mal mehr Geschwindigkeit überhaupt wichtig? Denn KI dreht sich längst nicht mehr nur um Chatbots. Es geht um Agentenschleifen, in denen eine Aufgabe Dutzende KI-Aufrufe miteinander verkettet.
- Andrej Karpathy (ehemaliger OpenAI-Forscher, KI-Chef bei Tesla und – bemerkenswerterweise – Investor von Inception) machte das am Wochenende deutlich, als er die neue „Claw“-Schicht der KI beschrieb.
- Lokale Agentenplattformen wie OpenClaw und NanoClaw orchestrieren Terminplanung, Tool-Aufrufe und dauerhafte Workflows auf deinem eigenen Rechner.
- Er nannte sie „einen persönlichen digitalen Hauselfen“. Wir bevorzugen „eine digitale nichtmenschliche Entität (nicht falsch verstehen), die rund um die Uhr für dich läuft“ – aber ja, dieselbe Energie!
In Agentenschleifen summiert sich die Latenz bei jedem Schritt. Ein Modell, das 10-mal schneller ist, spart nicht einfach nur Zeit – es verändert, was du bauen kannst. Sprachassistenten, die sich natürlich anfühlen. Code-Agenten, die mit deinem Denken Schritt halten. Hintergrundautomatisierungen, die tatsächlich fertig werden, bevor du vergisst, dass du sie gestartet hast.
Die große Frage
Wenn Diffusion kleine Modelle so schnell machen kann, ohne dass ihre Denkfähigkeit darunter leidet, werden die großen Labore dann eigene Modelle entwickeln? Wir wissen, dass Google bereits eines hat … Weitere Experimente dürften bald folgen. Der Wechsel zu einem Diffusions-LLM erhöht die Zahl der Tokens, die du pro GPU bereitstellen kannst, drastisch. Es gibt allen Grund dazu. Warum sollte man es nicht tun?
Sieh dir Coreys Kostenaufstellung für die Nutzung von Mercury 2 in deinem OpenClaw-Setup an, tauche in unseren Denkanstoß zum Thema Kombination von Diffusion mit einem energiebasierten Modell ein oder probiere Mercury 2 selbst aus.
Anmerkung der Redaktion: Dieser Inhalt erschien ursprünglich im Newsletter unserer Schwesterpublikation The Neuron. Weitere Beiträge von The Neuron kannst du hier für den Newsletter abonnieren.