Inception 发布 Mercury 3，扩散架构跑出每秒千 Token

10 月 19 日，Inception 发布 Mercury 3，这是它第四代扩散语言模型。和 GPT、Claude 这类逐字往外吐的模型不同，扩散模型先一次性写出一整版草稿，再并行地反复修，理论上更适合压延迟。

具体数字

官方给出的关键指标是：在常见英伟达显卡上生成速度超过每秒 1000 Token（实测值 1068）；上下文窗口从上代的 26 万 Token 扩到 100 万；整体规模比第一代 Mercury 大约 40 倍，速度却没掉。

定价为每百万输入 Token 0.20 美元、每百万输出 Token 0.70 美元，发布期五折，即 0.10 与 0.35 美元，命中缓存的输入再打九折。可以通过 Inception 自己的接口以及 Baseten、OpenRouter、Vercel 调用，接口格式与 OpenAI 兼容，换模型基本不用改代码。

成绩单要打个折看

Inception 称在 12 项标准评测中有 8 项领先 GPT-6 Luna 与 Claude Haiku 5.5，但这是厂商自测口径，对手的分数也是它自己测的，官方没有公布完整的测试方法。合作方 TinyFish 报告 Mercury 3 在其生产环境里完成了 50 个网页导航任务中的一半，同样属于合作方自测，未经独立复测。还有一个前提：模型只提供接口调用，权重不开源，也无法自己部署。

对普通用户意味着什么

对做实时场景的人意义最直接——在线辅导、实时翻译、语音助手、需要反复调用模型的多步智能体，卡的都是等待时间。速度提上来，同一套流程能跑更多轮尝试，体验差别比排行榜上那几分更大。至于它是不是真的比闭源旗舰更聪明，等第三方复测更稳妥。