Inception 发 Mercury 3：扩散 LLM 参数放大 40 倍，1068 tok/s 跑 1M 上下文

Inception Labs 10 月 19 日发布 Mercury 3，官方称它是迄今最强的扩散式（diffusion）语言模型：参数总量比初代 Mercury 1 放大 40 倍以上，上下文从 Mercury 2.5 的 260K 扩到 1M，在 NVIDIA GPU 上实测 1,068 tokens/s，比同档速度优化模型快 4 到 8 倍。定价每百万 token 输入 0.20 美元、输出 0.70 美元，发布期五折到 0.10/0.35，缓存命中再打一折。它已上线自家 API 平台，并通过 OpenRouter、Baseten、Vercel 分发，接口与 OpenAI 兼容，企业版支持专属容量与可配置数据保留。

与自回归模型的差别在解码方式：扩散模型一次并行推进整段文本，而不是逐 token 生成，所以延迟不随输出长度线性恶化。官方把这条路线当作核心论点——过去一年业界的公开疑问是扩散 LLM 能否在复杂任务上与自回归模型竞争，Mercury 3 的回答是能：从 Mercury 1 到 Mercury 3 参数放大 40 倍、官方口径的「智能」提升约 3 倍，据此宣称自回归模型赖以进步的缩放律同样适用于扩散。同批还带出 Mercury Decide（高频分类的决策模型，官方称在 JevBench、LegalBench 上优于 Jev）。

可核的硬事实只有速度、上下文与价格三项：这篇公告没有给出任何分项基准分数（GPQA、MMLU、AIME、SWE-bench 全文命中均为 0），「在多项基准上优于 GPT-6 Luna 与 Claude Haiku 5.5」是一句没有数字的厂商自述。文中另有早期客户自测：TinyFish 在 50 个 Mind2Web 实网导航任务上完成率 50%，明显高于 GPT-6.1-Sol 且 token 量与步数相同；Octen 的智能眼镜场景中位生成 0.9 秒、端到端 2.2 秒。权重未开放，HF 上搜不到对应仓库。

原文链接：Inception Labs 官方博客