💡一句话总结：Inception Labs 发布迄今最强的扩散式大模型 Mercury 3——比初代大 40 倍、1M 上下文、官方口径 1068 tokens/s，基准成绩对标 GPT-6 Luna 和 Claude Haiku 5.5（自报），上线五折 $0.10/M 输入、$0.35/M 输出。「扩散式文本生成能不能规模化」这个两年悬问第一次拿到商业级答案；但第三方实测速度和官方口径差了近 4 倍，这笔账还得自己算。
导语：你打字的这个字，模型是「喷」出来的还是「写」出来的？
先问一个平时写代码很少想的问题：大模型回复你的时候，那一个一个往外蹦的 token，是怎么来的？
答案是「一个接一个」：预测下一个 token，拼上，再预测下一个。500 个 token 的回答，就是把模型跑 500 遍。这叫自回归（autoregressive）——GPT、Claude、Gemini、DeepSeek，你现在用得到的几乎所有大模型都是这个路线。
而扩散（diffusion）路线完全相反：先「喷」出一整段粗糙的草稿，再像修照片一样来回精修，把所有 token 并行地雕出来。理论上它天生就该快——但两年前 Inception Labs 发布首个商业扩散模型 Mercury 的时候，圈内的问题恰恰是：这东西能做大吗？扩散模型在画图上已经封神，在写字上始终差一口气。
10 月 19 日，Inception 给出了迄今最硬的一次回答：Mercury 3。
想动手试的，链接先放上：
🔗 官方博客：Diffusion at Scale: Introducing Mercury 3 🔗 在线体验：chat.inceptionlabs.ai（API 送 1 亿免费 token） 🔗 OpenRouter：inception/mercury-3 🔗 HN 讨论帖（创始人在答疑）：Mercury 3: Diffusion at scale
Mercury 3 是个什么水平？
先把官方口径的硬指标摆出来，注意这些都是官方自报：
- 速度：1,068 tokens/s（NVIDIA GPU），官方称比 GPT-6 Luna 和 Claude Haiku 5.5 快 4–8 倍；
- 规模：比 Mercury 1 大 40 倍以上，「智能」提升 3 倍——官方想说的重点是：自回归那套「堆参数涨智能」的 scaling law，在扩散上也成立；
- 上下文：1M token，直接从上一代 2.5 的 260K 拉了 4 倍；
- 质量：一系列基准上「追平或超过」GPT-6 Luna 与 Claude Haiku 5.5（限定 matched reasoning effort 口径）；
- 价格：标准价 $0.20/M 输入、$0.70/M 输出，上线五折 $0.10/$0.35，缓存输入再打 1 折；
- 接入：OpenAI API 兼容，OpenAI 兼容 SDK 零改造成本；OpenRouter、Baseten、Vercel 同步上架。
翻译成人话：它不对标 Opus、Fable 那个级别的「智力旗舰」，而是卡位「速度优化档」——就是那些给 agent、语音助手、实时搜索打工的高速模型。创始人 Volodymyr Kuleshov 在 HN 的答疑里也很坦诚：DeepSWE 跑分 46%，确实低于 Haiku 的 52%；「它还替代不了 Opus 或 Fable 当主力，但日常使用是 Haiku/Luna 水平」。
这个自我定位值得点个赞——2025 年初那会儿「10 倍速度吊打一切」的话术收敛成了「同档更快」，宣传终于长出了牙齿的形状。
谁在用它？四个真实场景
官方博客给了四个早期客户案例，全是「延迟敏感型」场景，和它的产品定位严丝合缝：
- 浏览器 agent（TinyFish AI）：agent 每一步都在等模型，延迟复利式累加。官方口径：50 个真实 Mind2Web 网页导航任务完成 50 个中的 50%，高于 GPT-6.1-Sol，且 token 消耗和步数相同；
- 实时教育（RevisionDojo）：提示、批改、定义查询回到「一秒内」，学生卡题时不掉线；
- 智能眼镜搜索（Octen AI）：眼镜上 5 秒的等待等于「坏了」。实测生成中位 0.9 秒、端到端 2.2 秒；
- 受监管行业客服（Lorikeet）：延迟更低的同时，评测与生产表现还更高（早期测试口径）。
当然，这些全是官方博客选择性引述的合作方证言——听听方向，别全信数字。
真正的争议：1068 tok/s 是「实验室速度」还是「你的速度」？
发布当天，HN 帖子里最有价值的讨论不是跑分，是速度口径。
第三方 explainx.ai 把官方数字和 OpenRouter 平台侧的实测摆在一起：官方 1,068 tok/s，OpenRouter 实测中位约 254 tok/s——差了将近 4 倍。alphasignal 也提醒：tok/s 高不等于「首个可用文本」来得快，扩散模型常用块扩散（block diffusion，从左到右按块生成、块内扩散），首响特性跟自回归不是一回事。
差在哪？没人能给裁决，因为官方没公布测量条件（GPU 型号、批量、序列长度、是否流式，统统没有）。合理的猜测是：官方数字来自自家 Blackwell 环境的峰值或理想工况，OpenRouter 是聚合路由下的用户侧中位——两边都可能「没说谎」，但两边的「速度」不是一个东西。另外两件事也值得知道：权重不开放（HN 上被问是否开源，创始人的回答是干脆的「Not at the moment」），架构论文也没有，连参数量都只有「初代的 40 倍以上」这一句。
所以对开发者的实操建议很朴素：价格、1M 上下文、OpenAI 兼容接入这三样是确定的；速度，拿你自己的负载测一遍再说——反正 API 送 1 亿 token，试错成本约等于零。
为什么这件事值得认真对待
抛开这次的营销热度，我认为这条新闻的分量在三个地方：
- 扩散路线第一次拿到「规模化」证据。两年前大家质疑的是「扩散写不了长文、做不了大模型」，Mercury 3 直接把参数推大 40 倍对标旗舰速度档，还给出了 scaling law 成立的叙事。若第三方基准后续确认，扩散就从「差异化备选」升级成「主流选项之一」；
- 推理经济学的新变量。agent 时代延迟是复利成本，浏览器 agent、语音、实时搜索这些场景对速度的渴求远超对智力的边际追求。Mercury 3 的五折价 + 缓存 1 折 + 1M 上下文，明显是要把「长上下文 agent 工作流」的账单打下来；
- 不开权重是个信号。对比最近扎堆开源的 DeepSeek、Muse Spark Open，扩散路线至今没有开源标杆——Inception 的护城河押在服务化工程上。扩散 vs 自回归的竞争，短期内会以「闭源 API vs 开源生态」的形态展开，这本身就是个有意思的行业分化。
冷静一下：哪些别急着信
照例把待核实清单列出来：1068 tok/s 的测量环境未公布；「超过 Luna/Haiku」的完整基准表未公布（OpenRouter 只引了 IFBench、GPQA Diamond、SWE-Bench Atlas 三项）；参数量级成谜；权重与架构论文皆无；四家客户证言全部来自官方博客引述。这些缺口官方都承诺「后续以技术报告形式补」，在那之前，把所有数字当「官方口径」而非「事实」来引用，比较稳。
最后开个脑洞：如果扩散路线真的站住了，「大模型」这三个字背后的默认架构假设就要松动了——就像当年 transformer 取代 RNN 之前，也没人相信「注意力就是一切」。现在的 Mercury 3 未必是最终答案，但它至少证明：写 token 这件事，不一定非得一个一个来。
参考来源
- Inception 官方博客：Diffusion at Scale: Introducing Mercury 3（2026-10-19）
- Business Wire：Inception Launches Mercury 3, Setting a New Pareto Frontier in Speed and Intelligence（2026-10-19）
- HN：Mercury 3: Diffusion at scale（含创始人答疑）（2026-10-19，214 分 / 84 评论）
- OpenRouter：inception/mercury-3 模型页与定价
- explainx.ai：Mercury 3 Diffusion LLM: 1,068 tok/s Claimed vs Measured
- Curiosity：What a diffusion LLM is, and what Mercury 3 is like to run in a workspace
- Interesting Engineering：New Mercury 3 model claims 8-fold speed edge over GPT-6 rivals（2026-10-19）
注：本文速度与跑分数字均为官方或平台侧口径，已在文中标注差异；未经第三方复现的部分请自行斟酌。
