一句话结论：Inception 在 10 月 19 日发布的 Mercury 3 是目前速度最快的商用扩散式大语言模型，每秒在英伟达 GPU 上输出 1068 个 token、上下文扩到 100 万 token、价格低至每百万输出 0.35 美元，在自家 12 项基准中赢下 8 项，但全部成绩目前仍只有厂商自报口径。
扩散式大模型（diffusion LLM）这个品类已经沉寂了两年。Inception 从 Mercury 1 一路做到 Mercury 3，这次发布的分量在于参数规模比 Mercury 1 涨了 40 倍以上的同时，速度还维持在每秒 1000 token 以上。对整个行业来说，这是一个明确的信号：文本扩散路线不再只是实验室里的小尺寸玩具，它开始能跟自回归模型在真实业务里正面掰手腕。
扩散式大模型为什么能每秒吐出上千个词元
自回归模型逐个 token 往外吐，每生成一个新 token 都要等前一个落地，长回答的等待时间会随长度线性堆积。扩散式路线换了思路：模型先生成一份覆盖全文的粗略草稿，然后对每一个位置同时做精修，整个过程只需要少数几个并行轮次。
串行步骤变少，直接换来了同一批 GPU 上的出字速度。Inception 把这个机制说得很直白：Mercury 3 证明文本扩散是可以规模化的，而驱动自回归模型进步的那套 scaling 规律，在扩散路线上同样成立。
这也是为什么这次发布被反复提到。社区争论了两年的问题一直是扩散模型规模上去之后会不会撑不住，而 Inception 的回答是，瓶颈在算力和数据，不在算法本身。
1068 token 每秒：与 GPT-6 Luna、Haiku 5.5 的速度差
在同一组对比中，Mercury 3 的输出速度是每秒 1068 个 token，而 Claude Haiku 5.5 约为 240，GPT-6 Luna 约为 130。厂商宣称整体速度领先对手 4 到 8 倍。
| 模型 | 输出速度 | 推理路线 |
|---|---|---|
| Mercury 3 | 1068 token/秒 | 扩散式并行精修 |
| Claude Haiku 5.5 | 约 240 token/秒 | 自回归 |
| GPT-6 Luna | 约 130 token/秒 | 自回归 |
速度优势对普通聊天场景意义有限，但在浏览器 Agent 这类每一步都要等待模型的应用里会被逐级放大。Agent 每一步多等半秒，走完二十步就是十秒的差别，用户感知到的是完全不同的产品形态。端侧小模型走的是同一条赛道，Ternary Bonsai 2 在手机端做到每秒 120 词元，两者的差别在于前者用架构换吞吐、后者用量化换能效。
12 项基准赢下 8 项：完整对比数据
下面这张表是 Inception 官方基准表转录的数值，所有模型统一跑在 medium 设置下，属于厂商自报结果。
| 基准 | Mercury 3 | GPT-6 Luna | Claude Haiku 5.5 | 领先方 |
|---|---|---|---|---|
| SWE-Bench Atlas | 51.08 | 33.33 | 32.26 | Mercury 3 |
| IFBench | 76.84 | 61.82 | 54.65 | Mercury 3 |
| GPQA Diamond | 89.23 | 86.36 | 84.51 | Mercury 3 |
| BrowseComp+ | 55.18 | 50.50 | 45.78 | Mercury 3 |
| DeepSearchQA | 71.33 | 60.00 | 65.22 | Mercury 3 |
| DeepSWE v1 | 46.31 | 37.76 | 51.62 | Haiku 5.5 |
| MRCR v2 | 75.50 | 62.72 | 78.40 | Haiku 5.5 |
| AA-LCR v1.1 | 77.67 | 78.30 | 74.70 | GPT-6 Luna |
| AA-Omniscience-Public | 46.44 | 46.94 | — | GPT-6 Luna |
最亮眼的一项是 SWE-Bench Atlas，51.08 分比两个对手高出近 19 分，这是 Agent 编码能力的直接体现，也是 Mercury 3 目前最实的一块招牌。IFBench 的 76.84 分领先 GPT-6 Luna 约 15 分，说明指令遵循是扩散路线在参数放大后拿到的好处。
输掉的四项暴露了什么短板
DeepSWE v1 上 Mercury 3 只有 46.31 分，比 Haiku 5.5 的 51.62 低 5.31 分；MRCR v2 长上下文检索 75.50 分，同样落后于 Haiku 5.5 的 78.40。另有 AA-LCR v1.1 与 AA-Omniscience-Public 两项被 GPT-6 Luna 小幅反超，差距都在 1 分以内。
规律很清楚：更长更复杂的代码任务与超长上下文检索，仍然是扩散式路线的软肋。扩散模型并行精修的优势在短文本、指令明确的任务上体现充分，一旦任务需要跨上万 token 做多跳推理，短板就暴露出来。官方把基准统一设在 medium 推理档位，也意味着这套成绩是在偏保守的配置下取得的。
40 倍参数带来 3 倍质量：scaling 到底成不成立
Inception 的说法是，Mercury 3 的总参数量超过第一代 Mercury 1 的 40 倍，两代之间标准基准的平均质量涨了约 3 倍，而速度始终保持在每秒 1000 token 以上。公司把五代产品的质量与规模画成一条曲线，Mercury 3 是这条线上质量最高的一次跃升。
需要留意的是，Mercury 3 的具体参数数目至今没有公开，官方只给了一个 40 倍的相对数字。上一代 Mercury 2.5 提供了 26 万 token 上下文，这次直接做到 100 万 token，最大输出上限 131072 token。对长文档处理类业务来说，这个扩容幅度比速度提升更有商业含义。
价格表与接入方式
| 计费项 | 标准价（每百万 token） | 发布期促销 |
|---|---|---|
| 输入 | 0.20 美元 | 0.10 美元 |
| 缓存输入 | 0.02 美元 | 0.01 美元 |
| 输出 | 0.70 美元 | 0.35 美元 |
模型通过 Inception 官方 API、OpenRouter、Baseten、Vercel 提供，接口完全兼容 OpenAI 协议，模型名 mercury-3，reasoning_effort 参数支持 instant、low、medium、high 四档，温度区间 0.5 到 1.0。新注册账号赠送 1 亿免费 token。老版本 Mercury 2 与 2.5 已停止向新用户开放，10 月 19 日前有使用记录的老用户可保留访问到 11 月 15 日，企业客户按原协议继续支持。
这个价格带已经杀进主流模型的正面战场。类似的时间点，MiniMax M3.1 Flash 打出每百万 token 1 元人民币，Exa 3.0 搜索 API 也把价格战打到了搜索赛道，推理成本这一层正在整体下移。
已经跑在生产环境的三类场景
Inception 公布了早期接入伙伴的实际数据。浏览器 Agent 场景中，Mercury 3 在自家 web-agent 框架上跑 50 个真实 Mind2Web 导航任务，完成率 50%，官方称明显高于 GPT-6.1-Sol，且消耗的 token 总量和 Agent 步数与前沿模型相同。实时搜索方面，智能眼镜搜索商 Octen AI 测得生成中位耗时 0.9 秒、端到端 2.2 秒。互动教育场景里，RevisionDojo 的提示、批注与释义返回时间压到约一秒。
语音方向则由同门的 Mercury Voice 承担，官方标注首 token 延迟低于 170 毫秒，每百万输入 0.40 美元、输出 1.50 美元。Mercury Decide 面向大规模结构化分类，返回带校准概率的结果，可把不确定项转人工。
三个需要留意的地方
第一，全部基准成绩目前只有 Inception 自家表格，尚未有第三方机构发布独立复现结果，厂商自报数据的可信度需要后续观察。第二，参数规模始终未披露，40 倍是相对数字，外界无法判断真实的绝对算力投入。第三，Inception 2024 年由 Ermon 与 Aditya Grover、Volodymyr Kuleshov 三位教授创立，2025 年 11 月完成 Menlo Ventures 领投的 5000 万美元融资，报道称微软与 SpaceX 都曾表达收购意向、估值诉求超过 10 亿美元，但均无落地公告。
推理基础设施侧的配套也在同步演进，llm-d 1.0 把 17000 节点部署的吞吐提升了 2.9 倍，这类集群调度能力决定了扩散模型在服务端能不能真正兑现纸面速度。
常见问题
Mercury 3 是什么，与自回归大模型有什么不同
Mercury 3 是 Inception 于 2026 年 10 月 19 日发布的扩散式大语言模型，区别在于它先出一份全文草稿再并行精修各位置，而不是逐个词元顺序生成，因此并行轮次更少、输出速度更快。当前只提供 API 服务，未开放模型权重。
Mercury 3 的速度和价格分别是多少
官方称在英伟达 GPU 上输出速度为每秒 1068 个 token，同一对比中 Haiku 5.5 约 240、Luna 约 130。价格上每百万输入 0.20 美元、输出 0.70 美元，发布期五折为 0.10 与 0.35 美元，缓存输入再打九折。
Mercury 3 适合哪些场景，哪些场景不适合
适合延迟敏感的浏览器 Agent、实时搜索、语音客服与互动教育，长文档处理也受益于 100 万 token 上下文。不适合超长代码任务与需要多跳长上下文检索的工作，因为 DeepSWE v1 与 MRCR v2 两项基准都落后于 Claude Haiku 5.5。
小结
Mercury 3 的意义在于同时给出了扩散路线在规模、速度、价格三个维度的可验证数字。40 倍参数、3 倍平均质量、1068 token 每秒、100 万 token 上下文、每百万输出 0.35 美元的促销价，这套组合第一次让扩散式模型在真实业务里具备了替代自回归前沿模型的理由。制约因素也很清楚：全部成绩出自厂商自测，参数规模未公开，复杂编码与长上下文检索仍是短板，跨模型迁移成本还要看开发者自己的验证。
延伸阅读
- DeepSeek V4 Pro 正式退役：9月14日起路由至 V4.1 Flash，价格降40%4 天前
- 是石科技 TokenFleet 发布：P95 首 Token 延迟降 32.4%9 小时前
- Exa 3.0搜索API上线：击败Perplexity等8项基准，AI搜索赛道进入价格战1 天前
- llm-d 1.0发布：17000节点吞吐提升2.9倍，首token延迟砍掉85%6 小时前
继续读
同一批更新里这几篇值得一看：
- llm-d 1.0发布：17000节点吞吐提升2.9倍，首token延迟砍掉85%2026-10-21
- Exa 3.0搜索API上线：击败Perplexity等8项基准，AI搜索赛道进入价格战2026-10-20
- 商汤大装置日均6万亿Token：PD分离把异构集群吞吐拉高5倍2026-10-19