Mercury 3 把扩散式大语言模型的生成速度推到了每秒 1068 个 token。2026 年 10 月 19 日，Inception Labs 在官方博客发布这款模型，称其在一系列基准上达到或超过 GPT-6 Luna 和 Claude Haiku 5.5，运行速度快 4 到 8 倍，上下文从上一代 Mercury 2.5 的 26 万 token 提升到 100 万 token。它的参数规模比第一代 Mercury 大 40 倍以上，官方据此给出的判断是：扩散路线同样遵循规模定律，可以放大到与自回归模型正面竞争。
它和常见的逐字生成有什么不同
主流大模型是自回归生成：一个 token 一个 token 往后接，每一步都要等上一步。扩散式模型走另一条路，先生成一团粗略的文本，再并行地多轮修正成型，天然适合并行计算，速度优势正是从这里来的。代价是这条路线过去一直被质疑“放不大、做不了复杂任务”，Mercury 3 用 40 倍以上的参数扩张和官方公布的基准成绩回应这个疑问。需要注意，这些成绩目前主要来自 Inception 自家和早期合作伙伴的测试，还没有经过大规模独立复测，选型时应拿自己的真实任务再跑一轮。
价格、接入和已经跑起来的场景
Mercury 3 定价为每百万 token 输入 0.20 美元、输出 0.70 美元，上线期五折，缓存 token 再享一折输入价；它兼容 OpenAI 的 API 格式，可通过 Inception 自家平台以及 OpenRouter、Baseten、Vercel 接入，官方提供 1 亿免费 token 供试用。早期合作方给出的场景都卡在“等不起”上：网页导航智能体在 50 个真实 Mind2Web 任务中完成了一半，官方称明显高于同场对比的前沿模型；在线教育产品把批改和提示反馈压到约 1 秒；智能眼镜上的搜索问答中位生成时间 0.9 秒、端到端 2.2 秒；客服场景则同时要快和准。Inception 同时还推出了面向语音极低延迟的 Mercury Voice 和面向高并发分类的 Mercury Decide。
谁该试，谁先观望
如果你的产品是语音对话、实时客服、网页操作智能体这类每慢一秒体验就掉一截的场景，Mercury 3 值得立刻用免费额度做对照测试，重点测自己任务上的准确率而不是只看速度。如果任务是长文档深度推理或对错误零容忍的合规输出，先等独立评测和更多生产反馈出来再迁移主力流量。扩散路线这次拿出的不只是速度数字，还有“能放大”的证据，后续要看的是它在复杂推理基准上能否站稳。
