Inception、音声エージェント向けの Mercury Voice を提供
公開 3 分で読めます
米国の Inception は 9 月 29 日、電話の応対などをする音声の AI エージェント向けの推論モデル「Mercury Voice」を、企業の顧客向けに一般提供しました。文章を 1 語ずつ順に作るのではなく、全体をまとめて少しずつ仕上げる拡散型の言語モデル(dLLM)で、推論や道具の呼び出しをしながら、会話として自然な速さで答えることを狙っています。Mercury 2.5 と一緒に予告していたモデルです。
要点
- 実際の顧客対応の問いで、答えの最初の語を返すまでの時間は中央値で 320 ミリ秒でした。
- 95% の応答は 750 ミリ秒以内で、推論なしの GPT-6 Luna より 5.9 倍速いとしています。
- 推論の深さは low・medium・high の 3 段階から選べます。
- コンテキストは 128K トークンで、出力は最大 5 万トークンです。
- 料金は 100 万トークンあたり入力 $0.40・出力 $1.50 で、提供開始の時点では半額です。
- OpenAI の API と同じ形で呼べ、LiveKit・Pipecat・Vapi・Retell などに組み込めます。
Inception は、音声の会話を自然に感じさせるには、相手が話し終えてから約 500 ミリ秒以内に答え始める必要があるとしています。そのため、推論を終えて相手に聞こえる言葉を出し始めるまでの時間で速さを比べています。τ³-bench の通信・小売・航空の 3 つの場面、指示に従う力の IFBench、道具の呼び出しの BFCL v4 を合わせた評価では、GPT-6 Luna・GLM-5.3-Flash・Gemini 3.5 Flash-Lite・Gemma 4 31B などを上回ったとしています。比較はいずれも Inception が自社で行ったものです。
典型的な音声エージェントの使い方で、会話 1 分あたりの費用は約 $0.009 で、GPT-4.1 の $0.045 の約 5 分の 1 だとしています。提供開始の時点の料金は、入力 $0.20・出力 $0.75 です。ドライブスルーの注文の自動化や、金融機関の電話の応対などで、すでに使われているとしています。使うには、Inception の営業への問い合わせが必要です。Inception は判断モデル Mercury Decide も提供しています(判断モデルの公開が相次ぐ OpenAI や Microsoft も)。
日本の利用者にとって
発表では、日本語への対応や日本での提供には触れていません。料金は米ドルで示されています。
YOBITSUGI AI で使えるか
Mercury Voice は、現時点では YOBITSUGI AI からは使えません。
出典
- Introducing Mercury Voice(Inception Blog・2026年9月29日)
