Mercury 3 扩散语言模型：每秒生成 1000 个 token

10 月 19 日，Inception 发布了 Mercury 3，这是它新的旗舰模型。据官方公告，Mercury 3 扩散语言模型在 NVIDIA GPU 上每秒可生成约 1068 个 token，上下文窗口为 100 万 token，参数规模是第一代 Mercury 的 40 多倍。

Mercury 3 有什么新东西？

先看 Inception 博文里的数字：

1. 速度：在 NVIDIA GPU 上约每秒 1068 个 token。
2. 上下文：100 万 token，而 Mercury 2.5 是 26 万。
3. 价格：每百万输入 token 0.20 美元，每百万输出 token 0.70 美元，缓存 token 便宜 90%。上线期间有五折优惠，也就是 0.10 和 0.35 美元。
4. 兼容 OpenAI API，所以不用改代码就能把模型接进现有工具。

在同一篇博文里，Inception 还介绍了 Mercury Voice（面向语音应用、主打尽可能快给出第一句回应的模型）和用于分类的 Mercury Decide。

Inception 把 Mercury 3 的质量和大厂的小模型做了对比，但没有给出各项基准测试的具体结果。目前这些都只是公司自己的测量，所以我先不谈这些对比，等有了独立测试再说。

什么是扩散语言模型？

这正是 Mercury 受到关注的原因。经典的 LLM（GPT、Claude、Gemini）是自回归的：逐个 token 地写出回答，每个新 token 都依赖前面的 token。

扩散模型的工作方式有点像图像生成器。根据第一代 Mercury 的技术报告，模型被训练成并行预测多个 token，也就是同时生成并修正回答的多个部分。速度就来自这里：模型不必等每一个下一个词。

有意思的是，Inception 声称推动经典模型进步的缩放定律同样适用于扩散模型。Mercury 3 据称就是证据：按公司的说法，它在标准基准测试上的成绩是第一代 Mercury 的 3 倍。

Mercury 3 真的有那么好吗？

第一篇独立评测已经出来了。The Neuron 的 Corey Noles 测试了 Mercury 3，通过 OpenRouter 跑了八个提示词，总共花了 0.04 美元。表现最好的是编程：模型在一个 HTML 文件里写出了一个完整的地牢探索（dungeon crawler）游戏，2000 次随机地图生成测试没有发现任何错误。

弱点也很快暴露出来：

1. 一篇短篇故事要求 250 词，结果写了约 274 词，还偏离了指定的故事背景。
2. 在幻觉测试中，模型否认了一个虚构的 NASA 任务，却又附带了一个不相关的事实错误。
3. 部分解释过于自信。

Noles 没有亲自测量官方宣称的每秒 1068 个 token（他写道 API「felt fast」），他对模型的总结是「genuinely exciting model at a startling price」。所以在看到更广泛的测试之前，我们对速度和质量都先保留一点怀疑。

怎么试用 Mercury 3？

我们有几条路：

1. 浏览器聊天：chat.inceptionlabs.ai。
2. Inception API：platform.inceptionlabs.ai，据公告新用户有 1 亿免费 token。
3. OpenRouter、Baseten 和 Vercel，在 OpenRouter 上模型名为 inception/mercury-3。

以这样的价格和速度，它很适合放进智能体 harness，在长循环里响应时间很关键（类似在 OpenCode 里免费用 DeepSeek）。目前没有公开权重，所以没法像 Reflection Beam 那样在本地运行。

FAQ

Mercury 3 免费吗？

部分免费。浏览器聊天可以直接用，据公告 Inception API 的新账号会获得 1 亿免费 token。之后每百万输入 token 0.20 美元，每百万输出 token 0.70 美元（上线期间五折）。

扩散 LLM 和普通 LLM 有什么区别？

普通模型逐个 token 地写回答。扩散模型同时生成并修正多个 token，所以可以快得多。

Mercury 3 是谁开发的？

Inception（Inception Labs），整个 Mercury 系列背后的初创公司。第一款是面向编程的 Mercury Coder，在 2025 年 6 月的报告中有介绍（作者包括 Stefano Ermon）。