大语言模型的速度竞赛，出现了一个意外的选手。10 月 19 日，Inception Labs 发布 Mercury 3——这是 Mercury 系列的第四代，也是迄今最强的商用扩散大语言模型（dLLM）。参数量是 2025 年 6 月发布的 Mercury 1 的 40 多倍，但推理速度依然保持在 1000+ tokens/秒，官方称在 NVIDIA GPU 上达到 1068 tokens/秒。

先看硬参数

• 架构：扩散式大语言模型（dLLM），非自回归生成；
• 上下文窗口：100 万 token（上一代 Mercury 2.5 为 26 万），最大输出 131,072 token；
• 能力：支持工具调用与结构化输出，API 兼容 OpenAI 接口；
• 定价：输入 0.20 美元/百万 token、输出 0.70 美元/百万 token，发布期半价（0.10/0.35），缓存输入再打 9 折；
• 渠道：Inception 自家 API（新账户送 1 亿免费 token）、OpenRouter、Baseten、Vercel。注意：权重不开源，只提供 API。

扩散模型到底是什么

今天主流大模型都是“自回归”的：一个 token 一个 token 往外蹦，前一个没算完，后一个没法开始。扩散模型换了一条路：先生成一整块带噪声的文本，再并行地、一轮一轮去噪打磨，最后得到完整答案。形象地说，自回归是逐字打字机，扩散是整页一起打草稿再反复修改。

这条路线的天然优势是并行度高、延迟低；历史包袱是质量一直追不上自回归。Mercury 3 的意义在于，它第一次在“参数量放大 40 倍”的同时保住了速度——证明了扩散架构的质量可以随规模扩展，而不损失速度优势。CEO Stefano Ermon 的说法很直接：现在的瓶颈是算力和数据，而不是算法。

基准成绩：先看，再打个折

官方称，在 12 项基准测试中，Mercury 3 有 8 项领先 GPT-6 Luna 和 Claude Haiku 5.5（同属速度优化档的前沿模型）。其中 SWE-Bench Atlas 达到 51.08，领先对手约 18 分；但 DeepSWE v1 落后 Haiku 5.5 约 5.3 分。

提醒两点：第一，这些都是厂商自报成绩，未经独立第三方验证；第二，有第三方分析指出，发布对比时 Mercury 3 的默认推理强度为“low”，测试配置没有完全公开。另外注意，吞吐量（tokens/秒）和“用户等到完整答案的时间”是两回事，营销数字看看就好，实际体验以实测为准。

已经用在哪

早期客户已经把 Mercury 3 用在几类对延迟极敏感的场景：浏览器操作 Agent、实时教育辅导、实时搜索 Agent、在线客服。共同点是：用户等不起，答案要又快又够用。

要点解读

• 扩散 LLM 正在从“学术 curiosity”变成“工程选项”。如果“规模化不掉速”被持续验证，自回归一统天下的格局会被打开一个缺口，尤其是在 Agent 高频调用场景。
• 对开发者的实际意义：OpenAI 兼容的 API 意味着迁移成本很低；发布期半价加 1 亿免费 token，值得拿真实任务实测一把，再决定要不要用。
• 但别急着下结论：非开源权重、基准自报、测试配置不透明——Mercury 3 更像一张“值得关注”的牌，而不是“可以 all in”的答案。

（观点部分为本刊解读，仅供参考。性能与价格数据来自官方发布，实际表现以实测为准。）