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.aiAPI 送 1 亿免费 token OpenRouterinception/mercury-3 HN 讨论帖创始人在答疑Mercury 3: Diffusion at scaleMercury 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/sNVIDIA 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 agentTinyFish AIagent 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/sOpenRouter 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 32026-10-19Business WireInception Launches Mercury 3, Setting a New Pareto Frontier in Speed and Intelligence2026-10-19HNMercury 3: Diffusion at scale含创始人答疑2026-10-19214 分 / 84 评论OpenRouterinception/mercury-3 模型页与定价explainx.aiMercury 3 Diffusion LLM: 1,068 tok/s Claimed vs MeasuredCuriosityWhat a diffusion LLM is, and what Mercury 3 is like to run in a workspaceInteresting EngineeringNew Mercury 3 model claims 8-fold speed edge over GPT-6 rivals2026-10-19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。