摘要 Inception 10 月 19 日发布 Mercury 3。它是扩散语言模型：不像主流大模型那样一个 token 接一个 token 地写，而是先铺满整段草稿，再多轮同时修改。它的参数是初代的 40 多倍，官方测得每秒输出 1,068 个 token，约为 GPT-6 Luna 的 8 倍、Claude Haiku 5.5 的 4 倍多；12 项能力评测里 8 项是三者最高，输在长文档检索和 DeepSWE 编程。成绩表里的价格是首发五折价。成绩都是厂商自测，上一代的第三方综合分明显低于官方的对标对象。
用 ChatGPT 时，回答是一个字一个字冒出来的。这不是界面动画，今天的主流大模型就是这样写的：每次只算出下一个 token（模型读写文字的计量单位，也是按量计费的单位），接上，再算下一个。10 月 19 日，美国公司 Inception 发布的 Mercury 3 换了一种写法，它把 AI 画图用的扩散方法搬来写字。官方测得它每秒输出 1,068 个 token，而它对标的 GPT-6 Luna 约 130 个。
这条路线以前有个悬而未决的问题：扩散语言模型做大以后，还能不能又快又聪明。Mercury 3 是 Inception 交出的答卷。下面先讲它怎么写字、为什么快，再看成绩、价格，以及这些数字该信几分。
扩散语言模型怎么写字：先铺满草稿，再一遍遍改
主流大模型叫自回归模型（autoregressive），每次根据已经写好的部分预测下一个 token。写 500 个 token 的回答，就要把整个模型从头到尾跑 500 遍，后一个必须等前一个写完。每跑一遍，GPU 都要把模型的全部参数（模型里可调的数字，数量常用来衡量模型大小）从显存搬到计算单元，真正计算的时间不多，大部分时间在等数据。
扩散模型（diffusion model）来自 AI 画图。Stable Diffusion 这类模型从一张满是噪点的图出发，每一轮把整张图的噪点去掉一些，若干轮后得到清晰的画面。Mercury 把同样的思路用在文字上。按 Inception 的技术报告，它从随机噪声出发，每一轮并行修改整段输出，逐步变成通顺的文字；模型主体仍是今天大模型通用的 Transformer 结构，只是训练它一次预测多个位置。这种模型叫扩散语言模型，简称 dLLM。Inception 自己打的比方是：少一点打字机，多一点同时改整篇草稿的编辑。
快就快在遍数上。改稿式每一轮同时处理所有位置，GPU 的算力被用满，不再闲着等搬数据，几轮就能收敛。代价是每一轮的计算量比打字机式的一步大，所以到底快多少取决于要改几轮，Inception 只说“少数几轮”，没有公布 Mercury 3 的具体轮数。
Inception 由斯坦福大学教授 Stefano Ermon 等学者创办，Ermon 是图像扩散模型奠基论文的作者之一。2025 年 2 月公司推出初代 Mercury，称它是第一个可商用的扩散语言模型。当时 AI 圈的疑问是，这种模型能不能像自回归模型那样，越做越大、越做越聪明。
扩散模型能做大吗：参数大了 40 多倍，速度没掉
Inception 的回答是能，证据是下面这张五代 Mercury 的对比图。横轴是参数总量，以初代最小的 Mercury 1 mini 为 1 倍，用对数刻度；纵轴是 Inception 选的 11 项评测的平均分。
从初代 mini 到 Mercury 3，参数涨了 40 多倍，平均分从约 16 涨到约 50（图上估读），就是官方说的“聪明了 3 倍”。图上还有两个细节：Mercury 2 到 2.5 参数几乎没变，分数仍在涨，说明训练方法也在进步；速度一直在每秒 1,000 个 token 上下，初代 mini 是第三方测得的约 1,109，Mercury 3 是官方测的 1,068。Inception 据此下结论：推动自回归模型进步的规模定律（scaling laws，模型越大、训练数据越多，能力按可预测的规律变强），对扩散模型同样成立。
读这张图要记住两点口径：平均分是 Inception 自选的评测组合；每代“快几倍”的比较对象都不一样，初代比的是 Gemini 2.0 Flash Lite，Mercury 3 比的是 GPT-6 Luna。另外，Mercury 3 的上下文（模型一次能读进的全部文字）从 2.5 的 26 万 token 提到了 100 万 token。
对 GPT-6 Luna、Claude Haiku 5.5：12 项能力评测赢 8 项
Mercury 3 选的对手是两款速度型模型：OpenAI 9 月发布的 GPT-6 Luna 和 Anthropic 10 月发布的 Claude Haiku 5.5。它们是各家旗舰之下主打便宜、快的型号，不是最强的那一档。三者都用 medium 推理档比较，推理档决定模型回答前先“想”多久，三家都可以调。
逐项数表里的 12 项能力评测，Mercury 3 有 8 项是三者最高，单独对 GPT-6 Luna、对 Claude Haiku 5.5 都赢 10 项。领先最多的是 agent 类评测（agent 指能自己调用工具、一步步把事办完的 AI）：修真实代码仓库问题的 SWE-Bench Atlas，Mercury 3 得 51 分，两个对手都在 33 分上下；考按指令要求办事的 IFBench、模拟银行客服办业务的 τ³-bench Banking，也领先 7 到 15 分。输掉的 4 项集中在两处：在长文档里找信息（AA-LCR、MRCR v2），以及另一项编程评测 DeepSWE，后者比 Haiku 低 5 分；另有一项考知识准确度的 AA-Omniscience，以 0.5 分之差输给 Luna。
价格：成绩表里写的是首发五折价
成绩表的价格一栏，三家看上去差不多：每百万 token 输入都是 0.10 美元，输出 Mercury 3 是 0.35，另两家是 0.50。但 Mercury 3 这一栏是首发五折价，标价是输入 0.20、输出 0.70 美元，按标价算，输入是对手的 2 倍，输出是 1.4 倍。官方没说折扣持续多久。缓存命中的输入（重复发送的同一段前文，服务端已经存过）再打一折，标价 0.02、首发 0.01 美元。
两个对手的价格在第三方评测机构那里也查得到，确实都是 0.10 和 0.50 美元。所以更准确的说法是：Mercury 3 首发期间比对手便宜一些，折扣结束后会贵一些，它真正拉开的差距是速度。新注册的 API 账户送 1 亿 token；Mercury 2 和 2.5 已不再对新用户开放，老用户可以用到 11 月 15 日。
快 4 到 8 倍有什么用：agent 每一步都在等模型
对聊天来说，快一点只是舒服；对 agent 来说，快慢决定能不能用。agent 办一件事要走很多步：看网页、调工具、读结果、决定下一步，每一步都要等模型写完。按官方速度换算，一个 20 步、每步写 500 个 token 的任务，光等模型写字，Mercury 3 约 9 秒，GPT-6 Luna 要一分多钟。
Inception 列了四家早期合作方的使用情况，都是合作方自述：
- 浏览器 agent：TinyFish AI 在自家网页 agent 框架里跑了 50 个 Mind2Web 导航任务（让 AI 在真实网站上完成查询、填表这类操作），Mercury 3 完成一半，明显多于 GPT-6.1-Sol；用的 token 量和步数与前沿模型相当，按 token 算的费用只是零头。
- 在线教育：RevisionDojo 说，提示、批改和名词解释大约一秒返回，质量不低于之前用的模型，而且直接替换、不用改代码。
- 实时搜索：Octen AI 在智能眼镜上测试，搜索本身只要约 80 毫秒，瓶颈在模型生成；Mercury 3 生成时间的中位数是 0.9 秒，从提问到回答全程的中位数是 2.2 秒。
- 客服：给受监管行业做语音、聊天和邮件客服的 Lorikeet 说，早期测试里 Mercury 3 延迟最低，评测和线上表现也更好。
Mercury 3 之外，Inception 还有两款专用模型。Mercury Voice 给语音 agent 用，优化的是 TTFAT（time to first answer token，从提问到第一个回答 token 出来的时间），官方说首个 token 在 170 毫秒内返回；Mercury Decide 是做大批量分类的决策模型，只在给定选项里选并给出概率，官方说它在 JevBench、LegalBench 上超过同类的 Jev。Mercury 3 的接口和 OpenAI 的格式兼容，换模型只要改地址和模型名，目前也上了 OpenRouter、Baseten、Vercel 等平台。
这些数字该信几分：看上一代的第三方实测
上面的成绩和速度都是 Inception 自己测的。独立评测机构 Artificial Analysis 还没收录 Mercury 3，但测过上一代：通过 API 实测，Mercury 2.5 的输出速度约每秒 720 个 token，低于官方说的 1,107，但在它测的 151 个模型里仍排第 2；同一机构测 Claude Haiku 5.5 约 176 个，也低于 Inception 表里的约 240。测法不同，各家数字都会偏低，倍数差距大体还在。
差距更明显的是“质量相当”。Artificial Analysis 的智能指数是用多项评测合成的综合分，Mercury 2.5 只有 12 分，而它发布时对标的 Claude Haiku 4.5 是 17 分，GPT-5.6 Luna（low 档）21 分，Gemini 3.5 Flash-Lite 22 分。
也就是说，上一代快是真的快，“质量相当”要打折扣。这次对标的 GPT-6 Luna、Claude Haiku 5.5（都是 medium 档）在这个指数上是 30 分和 34 分，Mercury 3 要真与它们相当，得从上一代的 12 分涨到 30 分以上；而 Inception 自己的平均分里，2.5 到 3 只涨了约四成。第三方结果出来之前，比较稳的判断是：扩散语言模型已经做到了速度型模型这一档，最适合语音、搜索、agent 子任务这类等不起的场景；要拿它换掉手上的模型，先用自己的任务各跑一遍。