Inception发布Mercury 3扩散语言模型：1068 token/秒，8/12项测试超GPT-6 Luna与Haiku 5.5

10月19日，扩散大语言模型公司 Inception 正式发布 Mercury 3，称其为迄今能力最强的扩散语言模型（dLLM）。官方数据显示，Mercury 3 在主流 NVIDIA GPU 上生成速度达到 1068 token/秒，比它对标的 GPT-6 Luna 与 Claude Haiku 5.5 快 4 到 8 倍，同时在 12 项测试中有 8 项得分领先——「扩散模型能不能规模化」这个困扰行业三年的问题，第一次有了一个像样的答案。

扩散写文，和自回归有什么不同

GPT、Claude、Gemini 这类主流模型都是自回归架构：一个 token 接一个 token 从左往右往外蹦，快不起来是因为每一步都要等上一步。Mercury 系列走的是另一条路——先起草整段回答的「草稿」，再用几轮并行去噪，把所有位置同时修正，思路源自图像生成领域的扩散模型。

代价过去也很明显：扩散模型一直只能在代码补全这类简单任务里打转。Inception 是斯坦福教授 Stefano Ermon 与 Volodymyr Kuleshov、Aditya Grover 在 2024 年创办的公司，2025 年 6 月的 Mercury 1 是第一个把扩散语言模型做成商业产品的尝试。此后 Mercury 2 给扩散模型加上了推理能力，Mercury 2.5 加入了可调推理和 26 万 token 上下文。

速度没丢，智能翻倍

Mercury 3 的关键卖点是「两头都要」：

  • 速度：1068 token/秒，同场对比中 Claude Haiku 5.5 约 240 token/秒、GPT-6 Luna 约 130 token/秒；
  • 规模：总参数量是 Mercury 1 的 40 倍以上（具体数字未披露），推理速度几乎没掉；
  • 上下文：从 Mercury 2.5 的 26 万 token 直接拉到 100 万 token，约等于 750 页文档一次读完；
  • 智能：官方自测在 12 项基准中 8 项领先这两个速度优先的前沿模型。

分项看，优势最大的在代码：SWE-Bench Atlas 拿下 51.08 分，GPT-6 Luna 33.33、Haiku 5.5 32.26。GPQA Diamond 89.23、IFBench 76.84 同样领先。短板也交代了：DeepSWE v1 上 46.31 分输给 Haiku 5.5 的 51.62，长上下文检索 MRCR v2 也落后——超长代码库和跨文档检索仍是扩散架构的弱项。

价格贴着对手打

Mercury 3 标准定价为每百万 token 输入 0.2 美元、输出 0.7 美元，发布期直接五折到 0.10/0.35 美元，与 GPT-6 Luna 和 Haiku 5.5 的 0.10/0.50 美元几乎持平，缓存输入再打一折。模型走 OpenAI 兼容 API，带 reasoning_effort 参数，已上线 Inception 平台以及 OpenRouter、Baseten、Vercel，存量代码几乎不用改就能切换。

早期客户基本都卡在「延迟敏感」四个字上：智能眼镜搜索公司 Octen AI 实测中位生成时间 0.9 秒——在眼镜上「超过五秒的回答等于坏了」；教学应用 RevisionDojo 的提示与判分反馈压缩到一秒内返回；代理测试机构 TinyFish 用同一 token 量与步数跑完 50 个真实网页导航任务的一半。

下一个模型已经在训

Ermon 在发布声明里回应了外界最常问的问题：「极限是算力和数据，不是算法本身的壁垒。我们的下一个模型已经在训练。」这家公司在 2025 年 11 月拿到 Menlo Ventures 领投的 5000 万美元，微软 M12 参投；路透社今年 5 月报道微软正洽购这家公司，开价预期超过 10 亿美元，SpaceX 也曾接触。

需要留个心眼的是：Mercury 3 闭源只提供 API，上述成绩全部来自官方自测，第三方独立复测还没有公布。但无论榜单成色如何，这次发布至少证明了一件事——扩散路线的 scaling law 跑通了前几级台阶，语言模型的底层架构之争，重新有了第二个选手。