扩散式大模型 Mercury 3，秒出千字

现在的大模型都是一个字一个字往外蹦。Mercury 3 换了个思路：先把整段答案草草写出来，再并行地打磨。结果就是速度飙到每秒一千多 token，但代价藏在哪？速度快了，质量是不是也打了折，这是最该问的一句。

一、发生了什么

10 月 19 日，Inception 发布扩散式大模型 Mercury 3。据其官方口径，它在英伟达 GPU 上跑到 1068 token/秒，上下文窗口 100 万 token，比上一代的 26 万大幅提升。公司称模型参数是 Mercury 1 的 40 多倍，基准质量约为三倍，速度仍保持千 token 级。定价为每百万输入 token 0.20 美元、输出 0.70 美元，首发五折，即 0.10/0.35 美元；缓存输入再打九折。仅提供 API、不开源权重，接口兼容 OpenAI 格式，可在 Inception、OpenRouter、Baseten、Vercel 上调用。官方对比表显示，它在 12 项测试里 8 项领先 GPT-6 Luna 和 Claude Haiku 5.5。这串数字全是 Inception 自己的口径，最该留心的，是它自己都承认的那 4 项落后在哪里。扩散式生成和逐字生成是两条不同的路：一条先把整段答案铺开再打磨，一条一个字一个字憋。快的代价可能藏在长文本的连贯性、或者复杂推理的深度上，而这些恰恰是官方表里它输掉的那几项。想用它，先拿自己最长、最绕的任务去压它。

二、跟你有什么关系

对做实时产品的团队：语音、客服、需要连跑多步的 agent，速度带来的体感最明显，能少等一步是一步。用户等得越久，流失越快，快在这里是真金白银的体验。

对开发者：接口兼容 OpenAI 格式，换过去改动小，但跑分是官方自测，要自己评估才敢上。换接口容易，换信任难，得先拿自己的任务跑一遍。

对做长文档处理的团队：100 万 token 的上下文是卖点，但官方表里长编码、长检索上它还落后，这正是要重点验的地方，别被大数字晃了眼。

对普通用户：不会直接感知，但它可能让背后服务的响应快一截。你用的某个应用变快了，也许就是换上了这类模型。

三、怎么判断

1. 认准「官方自测」：1068 token/秒和那 12 项对比，都是 Inception 自己的数，别当第三方结论。厂商的榜单，总挑对自己有利的比，心里先打个折。
2. 重点测长上下文：官方表里 Haiku 5.5 在长编码、长检索上仍领先，这是它的弱项，先测这个。弱点最该先验，因为它决定了你的场景能不能用。
3. 趁五折和赠送额度，用自己最难的提示词跑一轮再决定，别只看厂商表格下单。自己的硬骨头啃得动，才算真行。

四、三个别信的说法

它全面碾压 GPT-6 Luna 和 Haiku 5.5。 错。官方自己都显示长任务上被反超，不是全胜。赢 8 项，也输 4 项，别只记赢的那半。

扩散式生成没有质量损失。 错。速度快靠并行打磨，质量和传统逐字模型孰优孰劣仍待独立评测。先写草稿再打磨，草稿的底子决定了上限，这条路线还没被独立验证。

可以本地部署。 错。权重不开源，只有 API 一种用法，想自托管没门。不开源，就意味着数据要出门，敏感场景得掂量。

五、一句话结论

Mercury 3 是在赌一件事：扩散式生成能做大且不失速，它对标的是「够用且快」，不是「最强」。

信息来源

Mercury 3 Launches: Inception's Fast Diffusion LLM（SaeedAI，2026-10-20） Inception Mercury 3: 1,068 Tokens/s Diffusion LLM, $0.20 Input（DepthGrid，2026-10）

功能与价格以官方公告为准。本文写于 2026 年 10 月 21 日。