过去两年，大模型行业默认剧本是：更大、更贵、更慢。
Mercury 3 偏要反着来。
Inception Labs 给出的数字很冲：1068 tokens/s，比前沿速度优化模型快 4–8 倍，1M tokens 上下文，发布期输入价格 0.10 美元/百万 tokens。
更扎眼的是，官方称 Mercury 3 在一系列基准上超过 GPT-6 Luna 和 Claude Haiku 5.5。
一句话，扩散模型不再只是画图玩具，开始往文本主战场挤。
扩散模型，第一次像正规军一样上桌
Mercury 3 的发布，像一次对自回归阵营的正面喊话。
Inception Labs 把它定义为：迄今最强的扩散基础语言模型。
素材里的关键信息很密集。
- 质量：官方称与 GPT-6 Luna、Claude Haiku 5.5 这类前沿速度优化模型相当，甚至更好。
- 速度：NVIDIA GPU 上 1068 tokens/s。
- 上下文：从 Mercury 2.5 的 260K 提升到 1M。
- 价格：原价输入 0.20 美元/百万 tokens，输出 0.70 美元/百万 tokens；发布期五折，输入 0.10，输出 0.35；缓存 tokens 输入价再打 90% 折扣。
这组数字单独看，已经够有攻击性。
但真正有意思的是，Inception Labs 想证明的并不只是快。
Mercury 1 出现时，行业关心的是：扩散 LLM 能不能做商业应用？
到了 Mercury 3，官方给出的回答很直接：
Mercury 3 answers that question: they can.
翻译过来就是：文本扩散这条路，能 scale，也能打复杂用例。
按素材说法，Mercury 3 总参数比 Mercury 1 大 40 倍以上，从 Mercury 1 mini 到 Mercury 3，标准基准上的智能提升了 3 倍。
它还试图证明一件事：推动自回归模型进步的 scaling laws，对扩散模型同样有效。
快不是跑分，是产品生死线
说实话，1068 tokens/s 这种数字，第一眼像营销海报。
但素材里更值得看的，是它把速度塞进了真实业务。
Inception Labs 列出的早期使用场景，都是延迟敏感型应用：浏览器代理、互动教育、实时搜索、客服。
这些场景有个共同点：模型慢一点，体验就碎一点。
浏览器代理最典型。
Agent 每一步都在等模型。一次慢 0.5 秒，十步就是 5 秒。用户等，任务堆，成本涨。
Inception Labs 称，他们在生产 web-agent harness 里跑了 50 个 live Mind2Web 导航任务，Mercury 3 完成 50%，显著多于 GPT-6.1-Sol。
而且，它使用的 token 量和 agent 步骤数与前沿模型相同，但每 token 成本只是后者的一小部分。
教育场景也一样。
学生卡住时，等 3 秒和等 1 秒，体验完全不同。
General Learning 的 Michael Tong 说，Mercury 3 让提示、标记答案和定义大约 1 秒返回，质量不低于此前使用的模型。
这句话很关键。
因为教育产品最怕两件事：要么慢，要么蠢。
实时搜索则更敏感。
Octen AI 的 Kuan Zou 提到，在智能眼镜上，一个答案等 5 秒，体验就像坏了。
他们的 Sense API 测试里，搜索部分约 80ms，瓶颈在模型生成。Mercury 3 的中位生成时间约 0.9 秒，端到端中位响应约 2.2 秒。
客服场景则是另一种压力。
快，不够。还得准。尤其受监管行业，答错一句，代价很高。
Lorikeet 的说法是，早期测试里，Mercury 3 在延迟上胜过其他模型，同时在评估和生产中表现更高。
个人觉得，这里最有冲击力的点，在于模型速度开始直接变成业务指标：任务完成率、反馈时间、用户留存、客服准确率。
真正反转：文本扩散也能吃 scaling laws
过去大家看文本扩散模型，多少有点看实验品的意思。
因为自回归路线太强了。强到很多人默认，LLM 只有一种长相。
Mercury 1 当年证明扩散 LLM 可以商用。
但行业真正怀疑的是：能不能继续放大？能不能在复杂任务里和自回归模型硬碰硬？
Mercury 3 给出的答案，是拿参数、基准和落地案例一起上。
这也是它最像反转的地方。
扩散模型长期被大众熟悉，是因为图像生成。文本扩散则一直站在旁边，声量不大。
但评论区里，已经有人把这个问题抛给大厂：
I still don't understand why Google did effectively nothing with their Gemini Diffusion demo from last year.
这位评论者认为，Google 去年的 Gemini Diffusion demo 很酷、很快，但后来声音变小；之后发布的 Diffusion Gemma，也没看到太大水花。
这个观察未必代表全貌，但至少说明一件事：扩散文本模型并不是没人关注，只是商业化声量一直没打出来。
Mercury 3 现在把牌摊开了。
如果官方基准站得住，它就在试图开辟第二条供给线：更快、更便宜、更适合实时交互。
当然，质疑也不少。
有人好奇它的真实模型尺寸，也好奇训练过程和传统 LLM 有什么不同。
还有人直言，如果大实验室也在做扩散实验，以它们的算力储备，很难想象会被一家新公司甩开。
这类评论很清醒。
因为现在看到的，仍是 Inception Labs 的官方口径和早期伙伴反馈。真正的检验，还要看更广泛的开发者复测。
价格和迁移成本，才是它最狠的地方
技术参数再漂亮，最后还是要落到账单和代码库。
Mercury 3 的价格策略，明显是冲着规模化来的。
素材给出的价格是：
- 输入：0.20 美元/百万 tokens
- 输出：0.70 美元/百万 tokens
- 发布期五折：输入 0.10 美元/百万 tokens，输出 0.35 美元/百万 tokens
- 缓存 tokens：输入价格的 90% 折扣
再看上下文：1M tokens。
这对长文档、长会话、多轮 agent 任务，都很实用。
更关键的是迁移成本。
Mercury 3 已经上线 Inception API Platform，也接入 OpenRouter、Baseten、Vercel。
它兼容 OpenAI API。也就是说，现有项目理论上不用重写，就能替换测试。
这招很实际。
开发者不怕新模型，怕的是为新模型改半个系统。
素材还提到，API 试用提供 1 亿免费 tokens。企业部署支持专用容量、自动扩缩、合规控制和可配置数据保留。
同时，它并不只押一个 Mercury 3。
素材里还提到两个产品：
- Mercury Voice：面向极低延迟语音应用，强调最小化首答案 token 时间，已经服务 Audivi AI、Altur、OpenCall。
- Mercury Decide：面向高量分类的决策模型，官方称在 JevBench、LegalBench 等基准上超过 Jev。
这套组合拳的意思很明白：Inception Labs 想卖的不仅是一个模型，而是一整套实时 AI 产品线。
开发者已经上手，质疑也没少
社区反应挺直接。
有人说，Mercury 3 比上一代明显更强。一个模糊 prompt 让它做 UML 图的 HTML 渲染器，结果不错；后续要求更新 HTML，也能正确完成。
还有人拿它做了 SwiftUI 小工具：快捷键截屏、OCR、调用翻译 API，再把结果显示在提示框里。
这类用例很小，但很说明问题。
当模型足够快，很多以前觉得没必要上 AI 的小交互，突然变得可行。
评论区也有人点赞它的方向：与其做花哨功能，不如把速度真正提上去。
当然，价格也是热议点。
有评论说，如果基准可信，Mercury 3 对比 Claude Haiku 5.5 和 GPT-6 Luna 会很划算。理由是 Haiku 5.5 超过 100K 上下文后价格会贵 5 倍，而 Mercury 3 可到 1M 仍保持同一价格。
这个说法来自评论区，但确实戳中企业用户最关心的部分。
不过，热闹归热闹，问题也摆在桌上。
模型到底多大？
训练流程和传统 LLM 有何不同？
为什么能这么便宜？
会不会开放权重？
这些素材里都没有给出完整答案。
也正因为如此，Mercury 3 现在更像一个强信号，而不是一份终局判决。
Mercury 3 未必已经宣告扩散路线胜利。但它把一个老问题重新拍在桌上：当模型足够快、足够便宜，AI 产品的竞争重心会不会从单次回答质量，转向实时交互的密度？
【锐评】：Mercury 3 把大模型竞争从更聪明推向更快更便宜，扩散路线终于有商业杀气。
参考链接：
https://www.inceptionlabs.ai/blog/introducing-mercury-3