扩散语言模型从诞生起就背着一个问题:并行生成的速度优势,能不能在规模放大后保住?过去一年多,自回归模型靠堆参数一路变强,扩散 LLM 却长期停留在"小而快"的证明阶段。Inception 昨天给出了自己的答案——第三代模型 Mercury 3,官方称之为迄今发布的最强扩散 LLM(官方博客:https://www.inceptionlabs.ai/blog/introducing-mercury-3)。

40 倍规模,速度没丢

Mercury 3 的核心叙事是"text diffusion scales"。官方数据显示,它的总参数量是 2025 年 6 月首发的 Mercury 1 的 40 倍以上,标准基准上的智能水平较 Mercury 1 mini 提升约 3 倍,但推理速度保持在每秒 1000 token 以上——NVIDIA GPU 上为 1068 token。上下文窗口从 Mercury 2.5 的 26 万 token 直接扩到 100 万。

价格侧,每百万 token 输入 0.2 美元、输出 0.7 美元,发布期五折(0.1/0.35 美元),缓存 token 按一折计费。

官方基准与生产数据

官方基准称 Mercury 3 在 GPQA Diamond、IFBench、SWE-Bench Atlas 等多项测试上超过 GPT-6 Luna 与 Claude Haiku 5.5,同时快 4-8 倍。生产侧的证据更具体:在 50 个真实 Mind2Web 导航任务上,Mercury 3 完成 50%,官方称明显高于 GPT-6.1-Sol,且 token 用量与步数相同、单 token 成本只有零头。智能眼镜搜索公司 Octen AI 给出的中位生成时间为 0.9 秒、端到端 2.2 秒。

注意:上述跑分均为厂商自报,尚无独立复现。

宣称与实测的裂缝

第三方评测站 explainx 当天做了交叉核对:OpenRouter 单一 provider 的实测中位速度约每秒 254 token、P50 延迟 1.91 秒,与官方的 1068 token 相差逾 4 倍。另外两个信息官方没有给出:精确参数量未披露,权重也不开放——纯 API 交付(Inception API、OpenRouter、Baseten、Vercel,OpenAI 兼容接口,新账号送 1 亿 token)。

为什么值得关心

如果扩缩定律对扩散模型同样成立——这正是 Inception 的核心主张——那行业就多了一条独立于自回归的规模化路径:智能增长不必以推理变慢为代价。对浏览器 Agent、语音、实时搜索这类每一步都在等模型的场景,这是结构性利好;Inception 同场还推出首 token 低至 170 毫秒的 Mercury Voice 和对标 Jev 的 Mercury Decide,产品组合明显押注实时赛道。

但 254 与 1068 的落差也提醒我们:厂商口中的"每秒千 token",和你自己网关里跑出来的,可能不是同一个数字。下次模型发布,先问一句"实测呢",再决定要不要把架构迁移提上日程。