Inception 发布扩散语言模型 Mercury 3：每秒 1068 token、1M 上下文，官方称多项跑分超过 GPT-6 Luna 与 Haiku 5.5

核心背景与行业痛点

主流大模型是自回归的，一次只生成一个 token，越大越慢。对浏览器 Agent、实时搜索、语音客服这类每一步都要等模型的场景，延迟会层层叠加，团队往往被迫换更小、更弱的模型。Inception 从 2025 年 6 月的 Mercury 1 开始押注扩散式语言模型，Mercury 3 是它的第四次发布，想回答一个问题：扩散模型能不能变大而不变慢。

架构亮点与底层机制

扩散语言模型先生成整段草稿，再由 Transformer 并行地多轮修正多个 token，而不是从左到右逐字输出。官方称 Mercury 3 参数是 Mercury 1 的 40 倍以上，速度仍保持在 1068 token/秒（NVIDIA GPU），标准基准上的综合智力比 Mercury 1 mini 提升 3 倍，上下文扩到 100 万 token。官方未公布具体参数量。

权威 Benchmark 与实测跑分对比

以下均为厂商口径（对比对象为 medium 档）：GPQA Diamond 89.23，对 GPT-6 Luna 86.36、Haiku 5.5 84.51；IFBench 76.84；SWE-Bench Atlas 51.08，对 33.33 和 32.26；BrowseComp+ 55.18。也有落后项：DeepSWE v1 46.31 不及 Haiku 5.5 的 51.62，AA-LCR 与 AA-Omniscience 略低于 Luna。合作方 TinyFish 称在 50 个 Mind2Web 实网任务里完成 50%。暂无第三方独立复现。

开发者实战落地与开箱指南

Mercury 3 兼容 OpenAI API，改 base URL 和模型名即可接入；也可在 OpenRouter 用 inception/mercury-3，或在 Vercel AI Gateway 调用。首发价输入 $0.10/M、输出 $0.35/M，新 key 送 1 亿 token。适合把它放在 Agent 循环里做高频、低延迟的子任务，复杂长程编码仍建议先用自己的评测集对比再切换。