™Inception 发布 Mercury 3：扩散语言模型跑出超 1000 token/秒，上下文扩至 100 万
Inception 10 月 19 日通过官方新闻稿发布 Mercury 3——公司称是有史以来能力最强的扩散式大语言模型（dLLM）。在标准基准测试中，Mercury 3 达到或超过 GPT-6 Luna 和 Claude Haiku 5.5 的水平（公司自述数据），推理速度保持在每秒 1000 token 以上，上下文窗口从 Mercury 2.5 的 26 万 token 扩大到 100 万 token。
发生了什么
根据 Inception 10 月 19 日在 BusinessWire 发布的官方新闻稿，Mercury 3 是该公司自 2025 年 6 月推出 Mercury 1 以来的第四次模型发布：Mercury 2 给扩散模型加上了推理能力，Mercury 2.5 加入可调推理并把上下文窗口做到 26 万 token；Mercury 3 被公司称为历次发布中智能水平提升最大的一次。
公司称 Mercury 3 的参数规模是 Mercury 1 的 40 多倍，但推理速度与 Mercury 1 相当——在常用 NVIDIA GPU 上超过每秒 1000 token。传统自回归模型逐 token 顺序生成文本，扩散模型可以并行生成多个 token；Inception 表示，Mercury 3 说明扩散模型在规模扩大后仍能保住并行生成的速度优势，限制来自算力和数据，而非算法本身。
Mercury 3 is over 40 times larger, significantly more capable, and still runs at over 1,000 tokens per second.
译：Mercury 3 的规模是 Mercury 1 的 40 多倍，能力大幅提升，推理速度仍超过每秒 1000 token。
在 官方博客 查看原帖 →Mercury 3 即日起通过 Inception API、Baseten、OpenRouter 和 Vercel 开放使用，兼容 OpenAI API，现有用户无需改写代码即可切换。企业部署支持专用容量、自动扩缩容、合规控制和可配置的数据保留策略。早期客户已在浏览器使用 agent、交互式教育、实时搜索 agent 和客服场景中试用。
关键事实
- 速度：在常用 NVIDIA GPU 上超过每秒 1000 token；公司称质量达到或超过 GPT-6 Luna 与 Claude Haiku 5.5（均为公司自述基准数据）。
- 上下文窗口：100 万 token，高于 Mercury 2.5 的 26 万 token。
- 定价：每百万输入 token 0.20 美元、每百万输出 token 0.70 美元；发布期 5 折（输入 0.10 美元、输出 0.35 美元），缓存 token 按输入价 9 折计。
- 早期客户：已在浏览器使用 agent、交互教育（General Learning/RevisionDojo 称学生反馈约 1 秒返回）、实时搜索 agent、客服中使用。
- 公司背景：Inception 总部位于加州雷德伍德城，自称是首家商业化扩散大语言模型的公司；投资方包括 Menlo Ventures、Mayfield、Innovation Endeavors、M12（微软风投）、Snowflake Ventures、Databricks Ventures，以及 Andrew Ng、Andrej Karpathy、Eric Schmidt 等个人投资者。
为什么重要
按公司自述，这是扩散 LLM 第一次在标准基准上达到前沿速度优化型自回归模型的水平，上下文窗口同时扩到 100 万 token，发布当日即通过 OpenRouter 等渠道开放 API。