正文

10 月 19 日，初创公司 Inception 发布第三代"扩散语言模型" Mercury 3：一句话，它不用传统大模型"一个字一个字往下写"的方式，而是像 AI 画图那样整段并行生成，所以输出速度极快——公司自称在 NVIDIA GPU 上达到每秒 1068 token，同时宣称质量追上了 GPT-6 Luna、Claude Haiku 5.5 这类速度型旗舰小模型。上下文从上代的 26 万 token 扩展到 100 万，发布促销半价：输入 $0.10 / 百万 token（约 0.7 元），新账号送 1 亿免费 token。

这是什么

扩散语言模型（diffusion LLM，简称 dLLM）：原来用于 AI 画图的技术思路——从一团"噪声"开始、整体并行打磨成完整内容；用到文字上，就是不再逐字生成而是整段并行细化，所以快。传统方式叫自回归（autoregressive）：每次只预测下一个字，长回答必须等。Mercury 3 就是这条技术路线的第三代产品。

具体变了什么（数字）

• 速度：公司自称 1068 token/秒（无独立测试）。100 万 token 上下文、单次最多输出 131072 token——100 万 token 约 70 万汉字，整本课题组的文献包可以一次扔进去问。
• 价格：官方标价输入 $0.20 / 输出 $0.70 每百万 token；发布促销半价，输入 $0.10、输出 $0.35（约人民币 0.7 元 / 2.45 元），缓存输入再打一折到 $0.01；新账号送 1 亿免费 token（约可支撑数万次普通对话）。注意促销没有说明结束日期。
• 能力档位：新增四个推理强度档（即时/低/中/高），默认"低"档——公司自报的对比成绩没有说明用的哪个档，自测时要自己固定档位。
• 接入：OpenAI 接口兼容，上线自家 API 平台、OpenRouter、Baseten、Vercel；支持工具调用与结构化输出。

关键术语解释

推理强度档（reasoning effort）= 允许用户在"答得快但糙"和"想得深但慢"之间拨档；token 是模型计费的文字单位；上下文窗口就是一次对话里模型能"记住"并处理的最大文字量。

对实际使用者的影响

对 AI 智能体开发者是实质利好：agent 做一个任务要反复调用模型几十次，速度是最大瓶颈；如果 1068 tok/s 属实、价格又只有旗舰模型的几十分之一，客服、搜索、代码 agent 的成本会明显下降。值不值得换：值得试用（有 1 亿免费额度），但建议等第三方独立测评再决定生产环境切换——公司自报成绩的档位、显卡型号都没说清楚。对普通用户短期内感知不大；长期看这类"又快又便宜"的模型会拉低所有 AI 应用的定价。

来源

Inception 官方发布（2026-10-19）；SiliconNoon、OrcaRouter、News-AI 转述。
SiliconNoon：Mercury 3 详解 ｜ OrcaRouter：Mercury 3