Mercury 3 每秒 1068 token，扩散语言模型开始上规模

Inception Labs 于 2026 年 10 月 19 日发布了 Mercury 3，一个生产级扩散语言模型，以每秒 1068 token 生成文本，上下文窗口 100 万 token。公司自报的基准在十二项测试中有八项把它排在 GPT-6 Luna 和 Claude Haiku 5.5 之前，但这些结果都未经独立复现。

藏在发布材料里的是一个值得注意的细节：Inception 在模型自己的训练中使用了 Mercury 3 智能体群。CEO Stefano Ermon 告诉 The Deep View 通讯，这一递归过程在手动优化的增益之上又增加了约 16% 的吞吐 —— 正被训练的模型为训练自己做出了贡献。

扩散生成移除了自回归瓶颈

标准语言模型一次生成一个 token：每个位置等待前一个完成。扩散语言模型把这个过程反了过来。Mercury 3 从一个完全被掩盖的序列开始 —— 每个 token 都被隐藏 —— 并用掩码离散扩散跨多次细化传播迭代地解掩盖各位置，每步并行解析许多 token。因为每一步同时覆盖整个序列，吞吐不受限制自回归模型的串行 token 预测瓶颈所束缚。

掩码方法不同于图像扩散。语言 token 是类别性的、非连续的，所以 Mercury 使用离散 token 掩码（类似 BERT 的掩码语言建模）而非高斯噪声。双向注意力让每个位置都能从两个方向关注完整上下文 —— 不同于 GPT 式模型只能向后看的因果、单向注意力。

Inception 的创始人直接来自扩散模型研究。CEO Stefano Ermon 是斯坦福教授，他关于基于分数的生成模型的工作支撑着 Stable Diffusion 及相关图像系统；把这一血统应用于语言是公司的创立目的。

基准表显示出更为混杂的图景

Mercury 3 在 Inception 的基准对比中十二项测试赢八项，全部在中等推理设置下运行。最大的差距是指令遵循：IFBench 给 Mercury 3 的分数是 76.84，比 GPT-6 Luna 和 Claude Haiku 5.5 高约 15 分，后两者分别约 61.8 和 60.3。在测试带真实工具使用的自主智能体编码的 SWE-Bench Atlas 上，Mercury 3 达到 51.08%，对 Claude Haiku 5.5 的 33.33% 和 GPT-6 Luna 的 32.26%。

Mercury 3 输掉的四项测试很重要。Claude Haiku 5.5 赢得 DeepSWE（更长、更复杂的编码任务）和长上下文检索。GPT-6 Luna 赢得来自 Artificial Analysis 的两项测试。Mercury 3 其余六项胜出的单项分数未公开详述。构建代码密集智能体流水线或长文档检索应用的团队会发现 Haiku 5.5 恰恰在那些任务上表现更好。

所有数字均为公司自报。Inception 运行了自己的基准，竞争者的吞吐数字是 Inception 援引的、而非取自 OpenAI 或 Anthropic 的文档，且不存在外部复现。

规模化证据与一个自我改进的训练循环

发布时架构上最有意义的主张不是吞吐数字：而是规模化发现。Mercury 3 携带的参数是 Mercury 1 的 40 多倍，同时以同样的每秒 1068 token 生成。Inception 把这呈现为扩散模型遵循与自回归 transformer 相同缩放定律的证据 —— 更大的模型在不按比例增加延迟成本的情况下改善。Google 于 2026 年 6 月发布的 DiffusionGemma 独立验证了这一方向：公司报告相对自回归 Gemma 4 最高 4 倍吞吐，同时指出有轻微的质量权衡。

上一代模型 Mercury 2.5 以每秒 1107 token 运行，上下文窗口 26 万 token。Mercury 3 略慢，但接受长四倍的上下文。100 万 token 的窗口使此前需要检索增强的工作负载 —— 完整代码库、长文档集 —— 成为可能。

Ermon 的智能体群训练说法增加了另一个维度。Mercury 3 的一个早期版本被部署为群，以改进模型自己的训练流水线，贡献了约 16% 的吞吐增益。多数商业 AI 实验室用架构和数据决策来描述模型改进；基于递归智能体的自我优化不是公开宣布的开发中的标准做法。

延迟在哪里累积，合作伙伴报告了什么

Mercury 3 最强的用例是 AI 智能体流水线，那里模型延迟跨许多次顺序调用累积。自主工作流的每一步都等待一个模型响应；每秒 130 token 对每秒 1068 token，在五次或十次连续调用中造成实质性的延迟差异。

为智能眼镜构建搜索的 Octen AI 告诉 Inception，语言生成是流水线瓶颈：搜索检索本身约花 80 毫秒，但总响应时间延长到五秒。用 Mercury 3，公司报告中位响应 0.9 秒、全流程时间 2.2 秒。教育公司 General Learning 报告在约一秒内交付学生提示和纠正。TinyFish AI 说 Mercury 3 解决了 50 项真实网站导航任务中的 25 项，胜过 GPT-6.1-Sol —— 没有给出 OpenAI 模型的分数。所有合作伙伴结果都来自公司。

定价、可用性与接下来会怎样

Mercury 3 以每百万 token 输入 0.10 美元、输出 0.35 美元发布 —— 约为标准费率的一半。Inception 没有披露该折扣何时结束。在输入 0.20 美元、输出 0.70 美元的常规费率下，Mercury 3 每输出 token 比 GPT-6 Luna 和 Claude Haiku 5.5 贵 40%，后两者在较短上下文下的输出定价都是每百万 token 0.50 美元。对非常长的输入，Mercury 3 的扁平每 token 费率可能比对手的分级定价便宜，但典型的输出密集智能体工作负载的成本建模需要把折扣后的那部分输出溢价算进去。

该模型通过 Inception 的 API、OpenRouter、Baseten 和 Vercel 以 OpenAI 兼容接口提供，为从基于 GPT 的流水线切换的团队减少集成摩擦。

最能改变 Mercury 3 市场地位的进展，也是 Inception 无法自己产出的那一个：第三方基准复现。15 分的 IFBench 领先，以及指令遵循和智能体编码的优势，全都源自 Inception 自己的评估。独立结果将决定那些优势是否在等价条件下重现 —— 以及这个部分由自己的智能体群训练的模型，在它从未从公司外部见过的任务上，是否如基准表所暗示那样表现。