Mercury 2.5 快在吐字，慢在首字

770 这个数字说的是「每秒吐出多少字」，不是「你多久能看到第一个字」。在扩散模型上，这两件事是分开的。

一、发生了什么

Mercury 2.5 是 Inception Labs 的扩散语言模型，9 月 8 日发布。它不逐字往外蹦，而是一次生成一整块，再并行反复修正，官方认为这是它能跑快的原因。

这个差别在体验上很明显。逐字生成的模型可以边写边显示，用户有进度感；扩散模型在内部反复去噪，中间结果不是给人看的，只能等它整段吐出来。速度榜测的是吐字阶段的速率，首字之前那段空白不计入这个数字。

Artificial Analysis 的独立测试给出 770.4 输出 token 每秒，在它收录的 150 个模型里排第二。厂商自己公布的数字是 1107 token 每秒，但没说用的是什么卡、批开多大。两个数字不能直接比：一个是调用官方接口测出来的，一个是硬件吞吐，量纲不同。

价格上，官网标价是输入 0.2 美元、输出 0.75 美元每百万 token，缓存输入 0.02 美元；发布期打两折，变成 0.04 和 0.15。Artificial Analysis 从接口里实测到的输入价是 0.25 美元，和官网不一致，报告没有解释原因。

能力上是另一回事。AA 的智能指数给它 12 分，同类中位数 13，属于偏下。上下文 26 万 token，只支持文本输入输出，图片、音频都得另找模型。回答很简短，跑完整个评测只用了 3500 万输出 token，同类中位数是 9700 万——它不爱啰嗦，这既是优点，也意味着复杂推理时可能省掉了必要的过程。

厂商自己的说法是，比上一代 Mercury 2 的智能提升约四成，能对标 GPT-5.6 Luna 低档、Gemini 3.5 Flash-Lite 这类成本优先的模型。这个对比没有附评测表，只能当作定位参考。

二、跟你有什么关系

做批量生成的人：单请求吐字快，一批任务的总时长就短。但账要按每个任务的总时长算，不能只按每秒 token 算。

做交互产品的人：首字延迟是硬伤。AA 记录的首次出字时间在 2.9 秒左右，而且扩散模型没有「边想边说」的流式效果，用户看到的是空白，然后是一整段。语音场景更狠，沉默超过一秒，人就会以为断线。

算成本的人：两折是促销价。恢复原价后，AA 给的每个评测任务成本是 0.12 美元，这个数比单价更有参考价值。

三、怎么判断

1. 先分清你要的是吞吐还是延迟。离线批量看吞吐，人机对话看首字。
2. 用你自己的 20 条真实请求测三项：首字时间、总时长、答案可用率。
3. 按成功任务算钱：单价乘平均 token，再除以可用率。
4. 促销到期前重算一次账，别把两折写进长期商业模型。
5. 如果是多步推理任务，先看它在你的题库上的正确率，别只看速度榜。
6. 部署前问清楚服务商限流和排队策略。标称速度是理想条件下的，晚高峰能不能保住，要压测才知道。
7. 如果产品必须流式输出，先确认接口支不支持分段返回。不支持的话，前端要改成「等待—整段出现」的交互。

四、三个别信的说法

「770 token/s 意味着回答快十倍」。 它意味着生成阶段快。首字要等近三秒，短问题反而比常规模型更慢。一段两百字的答案，生成用不到一秒，等首字却要三秒。

「速度快所以适合 agent」。 agent 的瓶颈常在工具调用、文件读写和多轮往返，生成速度只是其中一段。何况扩散模型的函数调用能力要靠自己的数据验，声明支持不等于调得准。

「智能指数低就不堪用」。 12 分是综合分。分类、抽取、改写这类任务它够用；要做多步推理、写长报告，就不够。它声明支持工具调用和结构化输出，但声明不等于在你的 schema 上调得准，这一项得自己压测。

五、一句话结论

Mercury 2.5 卖的是吐字速度，不是响应速度；它适合垫在后端批量跑，不适合站在用户面前。价格优势建立在两折促销上，先按原价算一遍再决定。

信息来源

• Artificial Analysis：Mercury 2.5 模型页，数据读取于 2026 年 10 月
• Inception Labs：模型与定价，2026 年 10 月
• The Terminal：Mercury 2.5 跑出 770 tok/s，2026 年 9 月

功能与价格以官方公告为准。本文写于 2026 年 10 月 19 日。