Inception 把扩散 LLM 接上语音：Mercury Voice 转正，首答 token 中位 320 毫秒

Inception Labs 把 Mercury Voice 从预览转为正式可用，面向企业客户。它与两周前发布的 Mercury 2.5 同源：同样是扩散式大语言模型（dLLM），但训练目标是语音智能体——一边推理、调用工具、跟随长系统提示，一边把延迟压到自然对话能接受的范围。官网把这条线写在「产品」分类下，与 Mercury 2.5 的模型页并列。

官方给出的数字都用「真实客服提示集」口径：首个答案 token 中位 320 毫秒、p95 750 毫秒，比不做推理的 GPT-6 Luna 快 5.9 倍；在同一批智能体与对话基准的组合上，称超过 Gemma 4 31B、GPT-6 Luna、GLM-5.3-Flash 与 Qwen3.5-397B。规格方面有三档推理强度、128K 上下文、最多 50K 输出 token；价格每百万输入 0.40 美元、每百万输出 1.50 美元，上线期五折。

语音智能体的瓶颈一直不是「聪不聪明」，而是「第一句话回得多快」：回合制语音交互里，超过约半秒的停顿就会被人耳识别为异常。扩散模型用并行去噪一次性给出整块 token，天然绕开了自回归逐 token 生成的串行等待，所以这条路最先站住的场景应该正是最不容忍延迟的语音，而不是通用对话。

原文链接：Inception Labs 官方博客