Inception Labs发布Mercury 3：扩散LLM速度破千token但基准存疑

Inception Labs于2026年10月19日发布Mercury 3，官方称该扩散架构LLM推理速度达到1068 token每秒，性能优于GPT-6 Luna和Claude Haiku 5.5。

事实还原

根据Inception Labs官网公告，Mercury 3是迄今规模最大的扩散架构LLM，参数量为Mercury 1的40倍，上下文长度从Mercury 2.5的260K扩展至1M token。官方基准显示其在多项测试中表现优于GPT-6 Luna和Claude Haiku 5.5，速度为每秒1068 token。早期合作伙伴已在语音聊天支持、实时辅导、数据工程和网页导航等领域使用该模型。

第三方来源指出，缺乏独立验证数据，默认采用“低推理强度”设置导致基准不可比，实测DeepSWE编码得分46%低于Claude Haiku的52%。价格方面，标准费率为每百万输入token 0.20美元、输出0.70美元，发布初期五折优惠。

机制拆解

Mercury 3通过扩散架构实现文本生成，与自回归模型不同，它在单次前向传播中并行生成多个token，这解释了其高速度特性。官网强调，扩散LLM的扩展定律与自回归模型类似，参数规模扩大40倍后智能水平提升3倍。生产案例显示，该模型在浏览器代理任务中完成50% Mind2Web导航任务，保持与前沿模型相同的token量和步骤数，但成本更低。

语音和搜索应用中，Mercury Voice针对低延迟优化，Sense API测试显示中位生成时间0.9秒。教育场景下，模型支持近实时反馈，保持质量同时缩短等待时间。

产业影响

此发布将扩散架构推向与自回归模型正面竞争的焦点。早期接入方如TinyFish AI、RevisionDojo和Octen AI报告了在代理、 tutoring和搜索中的实际部署，显示速度优势可转化为更高效的工作流程。API兼容OpenAI格式，便于集成，同时提供企业级专用容量和合规控制。

价格策略和1M token上下文支持可能影响实时应用市场格局，尤其在延迟敏感领域。

战略判断

（此段为分析而非事实）扩散架构若能持续验证扩展性，可能改变LLM竞争格局，但当前基准争议需更多独立测试确认；与自回归模型的长期对比取决于实际生产表现，而非单一速度指标。