Inception 发布了 Mercury 3，这是其扩散语言模型的最新版本。Mercury 3 是来自 Inception 的扩散大语言模型，它以并行方式生成答案，而不是逐个 token 生成。Inception 报告在 NVIDIA GPU 上达到每秒 1,068 个 token，以及 1M token 的上下文窗口。在 Inception 自己的基准测试表中，它在 12 项测试中的 8 项上领先于 GPT-6 Luna 和 Claude Haiku 5.5。对于构建智能体、语音机器人和搜索工具的开发者来说，这是一个以速度为先且得分具有竞争力的模型。
TL;DR
- 规模： 参数未公开。Inception 表示其规模比 Mercury 1 大 40 倍以上。上下文为 1M token。
- 运行环境： 由 Inception 提供服务的 NVIDIA GPU（具体 GPU 未公开）。仅提供 API，无开放权重或量化版本。
- 性能： 对比 GPT-6 Luna 和 Haiku 5.5，在 12 项基准测试中的 8 项上领先（自行报告，中等设置）。
- 最佳： SWE-Bench Atlas 51.08，比两个竞争对手均领先约 18 分。
- 最差： DeepSWE v1 46.31，落后 Haiku 5.5（51.62）5.31 分。
什么是 Mercury 3？
Mercury 3 是 Inception 继 Mercury 1、Mercury 2 和 Mercury 2.5 之后的第四个 Mercury 版本。Mercury 1 于 2025 年发布。Mercury 2.5 增加了可调节推理功能和 260K 上下文窗口，详见 Inception 的 发布公告.
1/4 今天，我们发布了 Mercury 3。Mercury 3 是我们迄今为止最强大的模型，也是有史以来发布的最智能的扩散 LLM。它在质量上超越 GPT-6 Luna 和 Haiku 5.5，同时以 1000+ tok/sec 的速度运行。 pic.twitter.com/TYevDl43Lm
— Stefano Ermon (@StefanoErmon) 2026年10月19日
扩散 LLM 是如何工作的？
自回归模型逐个写入 token。每个新 token 都要等待前一个 token。扩散 LLM 从完整答案的粗略草稿开始，然后在几次并行传递中细化每个位置。
更少的顺序步骤意味着在相同的 GPU 上输出更快。悬而未决的问题是，随着模型规模变大，这种方法是否依然有效。
扩散模型能规模化吗？
在这里，Inception 的答案是肯定的。Mercury 3 的总参数量是 Mercury 1（mini）的 40 倍以上。这 2 个模型之间，标准基准测试的平均质量提升了约 3 倍。速度保持在每秒 1,000 个 token 以上。
Inception 团队将其绘制为横跨 5 个 Mercury 世代的质量与规模曲线。
Mercury 3 在基准测试中表现如何？
以下所有分数均来自 Inception的表格。所有模型均以中等设置运行。
Mercury 3在指令遵循和智能体编程方面取得最大提升。IFBench达到76.84，比GPT-6 Luna高出15分。SWE-Bench Atlas达到51.08，而Luna为33.33，Haiku 5.5为32.26。GPQA Diamond达到89.23。
失利之处同样值得关注。Haiku 5.5在DeepSWE v1（51.62对46.31）和MRCR v2（78.40对75.50）上获胜。GPT-6 Luna在AA-Omniscience-Public（46.94对46.44）和AA-LCR v1.1（78.30对77.67）上略胜一筹。长上下文检索和更长的编程任务仍是薄弱环节。
Mercury 3 vs GPT-6 Luna vs Claude Haiku 5.5
| 特性 | Mercury 3 | GPT-6 Luna | Claude Haiku 5.5 |
|---|---|---|---|
| 开发者 | Inception | OpenAI | Anthropic |
| 生成方法 | 扩散(并行精炼) | 未披露 | 未披露 |
| 参数量 | 未披露 | 未披露 | 未披露 |
| 上下文窗口 | 1M | 1.05M | 1M |
| 最大输出 | 未披露 | 128K | 128K |
| 输入模态 | 未披露 | 文本、图像 | 文本、图像 |
| 开放权重 | 否(API) | 否(API) | 否(API) |
| 输出速度(Inception 的测量方式) | 1,068 tok/s | ~130 tok/s | ~240 tok/s |
| 价格,美元/1M 输入 / 输出 | $0.20 / $0.70 官方价($0.10 / $0.35 发布价) | $0.10 / $0.50 (短上下文) | $0.10 / $0.50（提示词最多 100K） |
| GPQA Diamond | 89.23 | 86.36 | 84.51 |
| IFBench | 76.84 | 61.82 | 54.65 |
| SWE-Bench Atlas | 51.08 | 33.33 | 32.26 |
| DeepSWE v1 | 46.31 | 37.76 | 51.62 |
| MRCR v2 | 75.50 | 62.72 | 78.40 |
速度和基准测试行：Inception 的表格，中等设置。规格和价格：各供应商自己的文档。
早期用户反馈了什么？
Inception 引用了 4 个早期访问合作伙伴。这些是客户声明，并非独立评测。
- TinyFish 运行了 50 个真实的 Mind2Web 网页导航任务。Mercury 3 完成了其中 50%。Inception 称这击败了 GPT-6.1-Sol，但没有给出 Sol 的数字。
- Octen AI 报告智能眼镜搜索的中位数生成时间为 0.9 秒，端到端时间为 2.2 秒。
- RevisionDojo 表示提示和标记答案的返回时间约为 1 秒。
- Lorikeet 表示 Mercury 3 在支持坐席的延迟和评测方面击败了其他模型。
开发者如何使用 Mercury 3？
Mercury 3 已上线于 Inception API Platform, OpenRouter, Baseten 和 Vercel。该 API 与 OpenAI 兼容。 文档 使用模型字符串 mercury-3 以及一个 reasoning_effort 参数。
标准定价为每 1M 输入 token 0.20 美元，每 1M 输出 token 0.70 美元。发布时享 50% 折扣：0.10 美元和 0.35 美元。缓存输入享 90% 折扣。新账户可获得 100M 免费 token。企业计划增加专用容量、自动扩展和可配置的数据保留。
Inception 还发布了 2 个同系模型:
- Mercury Voice 旨在缩短语音代理中首个答案 token 的响应时间。
- Mercury Decide 是一个分类模型。
要点总结
- Mercury 3 是一个扩散式 LLM，声称达到 1,068 tok/s 和 1M 上下文。
- 在对比 GPT-6 Luna 和 Haiku 5.5 的 12 项厂商自测基准中，它在 8 项上领先。
- 最大优势：SWE-Bench Atlas 51.08 和 IFBench 76.84。
- Haiku 5.5 仍在 DeepSWE v1 和 MRCR v2 上获胜。
- 发布价格为 $0.10 / $0.35，之后将升至 $0.20 / $0.70。
请查看 官方发布博客、 API 文档 以及 OpenRouter 列表。另请阅读我们此前对 Drex 1.5的报道。所有功劳归功于该项目的研究者。此外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ML SubReddit 并订阅 我们的新闻通讯。等等！你用 Telegram 吗？ 现在你也可以在 Telegram 上加入我们了。
本文《 Inception 发布每秒 1,068 个 token 的 Mercury 3 扩散式 LLM 》最先发布于 MarkTechPost.