2026 年 10 月 19 日，Inception Labs 发布第四代扩散式大语言模型 Mercury 3。官方口径里有两个数字最抓眼：NVIDIA GPU 上 1,068 tokens/秒的输出速度，以及 12 项能力基准中对最优对手赢下 8 项。如果这两个数字经得起第三方检验，语言模型的输出速度王座就要换人——但「如果」两个字，正是本文要花大力气掰扯的地方。
先划边界：站内此前的模型速度类内容（本地 LLM 部署系列）讨论的是本地开源模型的部署与吞吐，本文主角 Mercury 3 是闭源 API 模型，两者不在同一条赛道；站内也还没有扩散式 LLM 的横评前文，本文是第一篇。另一个纪律先立此存照：本文所有基准数字均来自 Inception 自家发布的对比表，下文统一标注「Inception 自报」；第三方评测机构 Artificial Analysis 截至发稿尚未收录该模型。这一点贯穿全文，每一个数字都要带着这副镣铐来读。
扩散 LLM 是什么：打字机与拍立得
市面上几乎所有主流大语言模型都是自回归架构，它的工作方式像一台打字机：一次吐一个 token，从左到右，逐字推进。你看到的流式输出，本质就是这台打字机在敲键。速度的上限也由此决定——不管机器多快，它终究要一个字一个字地敲。
扩散模型走了另一条路，更像一张拍立得照片：起点不是空白，而是一整块被遮罩盖住的文本；每一轮「去噪」都像显影一次，多个位置被并行敲定；一轮一轮迭代下去，整张图逐渐清晰。它的单轮计算成本高于自回归的单步生成，但一轮能定格许多 token，吞吐量取决于每轮提交多少位置——这是扩散 LLM 有机会在速度上翻身的结构性原因。
这一路线长期悬着一个开放问题：扩散模型规模变大之后，质量跟不跟得上？自回归模型有规模定律兜底，扩散模型此前没有同等量级的证据。Inception 的说法是 Mercury 3 回答了这个问题——自回归的规模定律对扩散同样成立。创始人 Stefano Ermon 的原话更进一步：「扩散模型的限制是算力和数据，不是算法本身的根本障碍。」这句话是不是定论，要看第三方接不接招，但至少厂商把姿态摆出来了。
这套机制还有一层对延迟敏感场景友好的性质：自回归模型的响应延迟随输出长度线性堆叠，生成一万字就要敲一万次键；扩散模型的轮数并不与输出长度严格挂钩，理论上可以通过加大每轮提交的位置数来压缩轮次。代价同样明显：每轮提交的位置越多，对「哪些位置该先定格、哪些该继续扩散」的调度要求越高，质量控制也更复杂——这也是扩散 LLM 此前长期停留在小规模实验阶段、没能挤进旗舰竞争的原因之一。Mercury 3 把上下文做到 1M、把基准成绩做到对齐旗舰档，本质上是在向「扩散路线也能扛大旗」这个命题交答卷；答卷合不合格，下文拆开看。
回到产品本身：上下文窗口扩到 1M token（上一代 Mercury 2.5 是 260K，这次是四倍级扩容），输出上限 131,072 token。参数量没有公布，官方只说比 Mercury 1 大 40 倍以上——这是全文口径链里又一个「自报」节点，先记下。
12 项基准：赢 8 项，也输 4 项
Inception 自报的对比表选了两个对手：GPT-6 Luna（medium 档）与 Claude Haiku 5.5（medium 档），reasoning 档位对齐。12 项能力基准，全部 Inception 自测，medium 档成绩如下。
| 基准 | Mercury 3 | 最优对手 | 差距 |
|---|---|---|---|
| SWE-Bench Atlas | 51.08 | 33.33（Luna） | +17.8 |
| IFBench | 76.84 | 61.82（Luna） | +15.0 |
| MultiChallenge | — | — | +7.9 |
| τ³-bench Banking | — | — | +7.2 |
| DeepSearchQA | — | — | +6.1 |
| BrowseComp+ | — | — | +4.7 |
| GPQA Diamond | 89.23 | 86.36（Luna） | +2.9 |
| GDPval | 1237.2 Elo | 1225.0 | +12.2 |
| AA-Omniscience | — | — | -0.5 |
| AA-LCR v1.1 | — | — | -0.6 |
| MRCR v2 | — | — | -2.9 |
| DeepSWE v1 | — | — | -5.3 |
赢的 8 项里，差距最大的是 SWE-Bench Atlas：51.08 对 Luna 的 33.33、Haiku 的 32.26，领先 17.8 分——这是真实软件工程任务上的基准，也是整张表里最扎眼的一项。IFBench（指令跟随）领先 15.0 分居次。GPQA Diamond（研究生级科学问答）89.23 对 86.36，赢面只有 2.9 分，属于险胜；GDPval 按 Elo 计 1237.2 对 1225.0，同样是小胜。中间几项——MultiChallenge +7.9、τ³-bench Banking +7.2、DeepSearchQA +6.1、BrowseComp+ +4.7——差距依次收窄，整体呈「编程与指令跟随大幅领先，推理与知识类小幅领先」的分布。
输的 4 项必须全列，这是横评的底线：AA-Omniscience 输 0.5 分、AA-LCR v1.1 输 0.6 分、MRCR v2（多轮指令与长上下文一致性）输 2.9 分，以及最值得警惕的 DeepSWE v1 输 5.3 分。注意这个结构：编程类基准里，Atlas 大胜 17.8 分，DeepSWE 却反输 5.3 分——两个「编程最强基准」给出方向相反的信号，说明其编程能力在不同任务分布上并不均匀，厂商单引 Atlas 的叙事要打个问号。
为便于读表，补一行各基准考什么：SWE-Bench Atlas 与 DeepSWE 考真实软件工程任务，IFBench 考精细指令跟随，MultiChallenge 考多轮对话中的抗误导能力，τ³-bench Banking 考带业务规则的工具调用，DeepSearchQA 考深度检索问答，BrowseComp+ 考网页信息搜寻，GPQA Diamond 考研究生级科学推理，GDPval 以 Elo 计分考真实经济任务的产出，MRCR v2 考长上下文里的多轮检索与共指，AA-LCR 考长上下文推理，AA-Omniscience 考知识广度。照这张清单再看赢面分布：赢的 8 项集中在 agent 执行链路（编程、工具调用、浏览）与指令跟随——恰好是低延迟最值钱的场景；输的 4 项集中在长上下文一致性与知识广度——恰好是「快」帮不上忙的地方。速度优势与能力优势在场景上是对齐的，这个结构比单纯的赢项计数更有参考价值。
补充一项表外的实测：Mind2Web 上 50 个真实浏览器任务完成率 50%，Inception 称显著高于同 token 量、同步数上限的 GPT-6.1-Sol——但这是厂商自建 harness 的口径，不是第三方复现，参照下节的折扣规则使用。
价格与渠道：五折价里的门道
定价两条线写清楚。标准价：输入 $0.20、输出 $0.70，每百万 token。上市促销五折：输入 $0.10、输出 $0.35。缓存输入另有 1 折口径：标准 $0.02、促销 $0.01。
这里有一个容易漏看的细节：Inception 官方那张能力对比表在旁边附了成本对照，而成本对照用的是五折促销价。促销价是限时的，标准价才是常态——如果拿表里的成本数字做选型依据，等于按一个会过期的价格做长期预算，这一层要点破。缓存输入一折这条对 agent 场景也不是小数目：系统提示词、工具定义、长记忆几乎每个请求都要重复送一遍，命中缓存后这部分成本直接除以十，实际账单里它往往比非缓存输入的占比更高——评估真实成本时要把这一项单算。
更刺眼的是单项对比：$0.70 的输出标准价，高于对手 GPT-6 Luna 的 $0.50。也就是说，在输出侧（恰恰是扩散模型理论上最该便宜的一侧）常态价格下，Mercury 3 比对标产品贵四成。速度优势能不能抵掉价格劣势，取决于你的场景是吞吐敏感还是预算敏感——高频短输出的 agent 场景可能划算，长文生成场景未必。
渠道与接入：Inception 自家 API、OpenRouter（模型名 inception/mercury-3-20261019）、Baseten、Vercel AI Gateway，以及 Mercury Chat 网页端。API 是 OpenAI 兼容格式，已用 OpenAI SDK 的项目改一下 base URL 和 model 字符串就能切换，迁移成本接近零。新注册的 API key 送 1 亿免费 token——按五折输入价折算约值数百美元，足够把想验的场景跑一遍。
口径红线：这些数字该打几分折扣
第一道折扣：全部数字来自 Inception 自家发布表，Artificial Analysis 尚未收录。AA 是目前行业里最常被引用的独立横评机构，它没进数据，意味着没有第三方跑分、没有独立复现，你看到的每一项成绩都是厂商既当运动员又当裁判的结果。
第二道折扣，也是最重的一道：前科。上一代 Mercury 发布时同样宣传了激进的速度数字，后来在 Artificial Analysis 的实测中，速度只达到宣传值的约 60%（aibacon 口径）。厂商自测环境（特定 NVIDIA GPU、特定负载、特定采样参数）与第三方实测的端到端延迟之间有系统性落差，这不是阴谋论，是这家公司已经发生过一次的事。「1,068 tok/s」和「比对手快 4-8 倍」都应按此前科预设折价——对手的端到端延迟同样未经独立验证。
第三道折扣：「3 倍智能提升」这句传播语指的是自家 Mercury 1 到 Mercury 3 的纵向对比，不是与竞品的横向比较。纵向比自家初代模型，分母是自己三年前的水平，这句话对选型的参考价值有限。
第四道折扣：客户证言全是二手的。TinyFish AI 联创 Shuhao Zhang（浏览器 agent 场景）、RevisionDojo CTO Michael Tong（教育场景即时反馈约 1 秒）、Octen AI CEO Kuan Zou（智能眼镜 0.9 秒中位生成、2.2 秒端到端）、Lorikeet（客服延迟）——四条全部引自厂商发布稿，没有一条是媒体或第三方独立采访取得的。它们能说明「有公司在用」，不能说明「用得多好」。
闭源定性：一间公司的一条腿和两条辅线
定性写明：Mercury 3 权重未公开、没有技术报告、参数量未公布（官方只说比 Mercury 1 大 40 倍以上），它是闭源 API 模型。这意味着两件事：一，扩散路线的「质量随规模成立」这个关键主张，外界无法从架构与训练细节层面检验，只能等第三方跑分；二，你的一切使用都绑定 Inception 的服务与定价，没有自部署逃生门——对把「不被单一供应商锁定」当硬需求的团队，这一条足以一票否决。
产品线顺带一段。Mercury Voice：语音 agent 模型，首 token 延迟低于 170ms（Inception 自报），定价 $0.40/$1.50 每百万；Mercury Decide：决策模型，主打校准概率输出与升级人工的开关，厂商口径称在 JevBench 与 LegalBench 上胜过 Jev——同样是自报，同样待第三方验证。另外 Mercury 2 与 2.5 已停止接受新客户，老客户服务到 11 月 15 日——生命周期节奏很快，采购前要把迁移成本算进去。
选型结论：谁该现在就试，谁该再等等
现在就该试的：高吞吐、低延迟是硬约束的场景——实时语音交互、智能眼镜类端侧助手、客服与教育类即时反馈、高频短输出的 agent 流水线。这批场景里，速度就是产品体验本身，1 亿免费 token 的试错成本约等于零，OpenAI 兼容接口让切换成本也约等于零。答案很便宜，为什么不问。
应该再等等的：预算敏感的长文生成场景（$0.70 的输出标准价摆在那里，等五折结束再算账）、需要自部署或权重审计的团队（闭源，无解）、以及所有打算下重注的生产决策——至少等 Artificial Analysis 收录之后再定。一家公司上代产品实测只到宣传速度六成的记录，值得你多等一次独立验证。
一句话收束：Mercury 3 把「扩散 LLM 能不能扛大旗」这个问题的证据链向前推了一大步——12 项基准赢 8 项的结构比单纯的速度数字更有分量；但整条证据链目前只有 Inception 一个信源，速度王座易主与否，钥匙在第三方手里，不在发布稿里。
常见问题
Q1：Mercury 3 是开源模型吗？
**A1：**不是。权重未公开、没有技术报告、参数量未公布（官方只说比 Mercury 1 大 40 倍以上），它是闭源 API 模型，只能通过 Inception API、OpenRouter、Baseten、Vercel AI Gateway 等渠道调用，不支持自部署。对有自部署或权重审计需求的团队，这是硬性排除项。
Q2：1,068 tokens/秒这个速度可信吗？
**A2：**这是 Inception 自报口径（特定 NVIDIA GPU 环境），Artificial Analysis 尚未收录，对手端到端延迟也未独立验证。更关键的是前科：上一代 Mercury 在 AA 实测中速度仅约为宣传值的 60%（aibacon 口径）。建议按「自报数字先打六到八折」预设，等第三方实测落地再采信。
Q3：12 项基准赢 8 项，是不是全面碾压对手？
**A3：**不是。输的 4 项应完整看到：AA-Omniscience -0.5、AA-LCR v1.1 -0.6、MRCR v2 -2.9、DeepSWE v1 -5.3。尤其编程类出现方向相反的信号：SWE-Bench Atlas 大胜 17.8 分，DeepSWE 反输 5.3 分，说明编程能力在不同任务分布上不均匀。且 12 项全部为 Inception 自测，无第三方复现。
Q4：价格到底怎么算？五折是永久的吗？
**A4：**标准价输入 $0.20、输出 $0.70 每百万 token；上市促销五折为 $0.10/$0.35；缓存输入为输入价一折（标准 $0.02、促销 $0.01）。五折是限时促销。注意两点：官方对比表附的成本对照用的是五折价，做长期预算要按标准价重算；输出标准价 $0.70 高于 GPT-6 Luna 的 $0.50。
Q5：什么团队适合现在就接入试水？
**A5：**速度敏感的场景最合适：实时语音交互、智能眼镜类端侧助手、教育或客服即时反馈、高频短输出 agent。新 API key 送 1 亿免费 token，OpenAI 兼容接口改 base URL 即可切换，试错成本接近零。预算敏感的长文生成和需要下重注的生产决策，建议等 Artificial Analysis 收录后再定。
延伸阅读
- 匿名太空兔 200T token 揭盅：MiniMax M3.1 Flash 发布：匿名太空兔 200T token 揭盅：MiniMax M3.1 Flash 发布
- 本地部署大模型五路实测：哪个方案真香：本地部署大模型五路实测：哪个方案真香
- 14 模型测品味：GPT 断层领先，没线索输给瞎猜：14 模型测品味：GPT 断层领先，没线索输给瞎猜