8.0
热点
AI SCORE
模型发布2026-10-20 11:32
Mercury 3 发布：主打高速生成与百万上下文
MarkTechPost#扩散模型#长上下文#推理性能
Editor brief · 编辑速览
Inception 发布扩散语言模型 Mercury 3，宣称生成速度达到每秒 1,068 个 token，支持百万 token 上下文。其自有评测表显示，该模型在 12 项基准中的 8 项领先 GPT-6 Luna 和 Claude Haiku 5.5。
人工智能
Inception 发布了其 diffusion language model 的最新版本 Mercury 3。Mercury 3 是一款以并行方式生成回答、而非逐个 token 生成的 diffusion LLM。Inception 报告称，该模型在 NVIDIA GPU 上的生成速度达到每秒 1,068 tokens，支持 1M tokens 的上下文窗口。在 Inception 自己公布的 benchmark 表中，Mercury 3 在 12 项测试中的 8 项领先于 GPT-6 Luna 和 Claude Haiku 5.5。对于构建 Agent、语音机器人和搜索工具的开发者来说，这是一款优先追求速度、同时具备有竞争力测试成绩的模型。
规模：未披露参数量。Inception 表示，其参数量超过 Mercury 1 的 40 倍。上下文窗口为 1M tokens。
运行环境：由 Inception 托管的 NVIDIA GPU，未披露具体 GPU 型号。仅提供 API，不提供开放权重或量化版本。
性能：在与 GPT-6 Luna 和 Haiku 5.5 的 12 项 benchmark 对比中领先 8 项，成绩由官方自行报告，均采用 medium 设置。
最佳表现：SWE-Bench Atlas 得分 51.08，领先两款竞品约 18 分。
最弱表现：DeepSWE v1 得分 46.31，落后 Haiku 5.5 的 51.62 分共 5.31 分。
Mercury 3 是 Inception 在 Mercury 1、Mercury 2 和 Mercury 2.5 之后发布的第四个 Mercury 版本。Mercury 1 于 2025 年推出。根据 Inception 的发布公告，Mercury 2.5 增加了可调节的推理能力，并将上下文窗口扩展至 260K tokens。
1/4 今天，我们发布 Mercury 3。Mercury 3 是我们迄今为止最强大的模型，也是已发布的 diffusion LLM 中最智能的一款。它在质量上超越 GPT-6 Luna 和 Haiku 5.5，同时保持 1000+ tok/sec 的运行速度。
— Stefano Ermon（@StefanoErmon），2026 年 10 月 19 日
1/4 今天，我们发布 Mercury 3。Mercury 3 是我们迄今为止最强大的模型，也是已发布的 diffusion LLM 中最智能的一款。它在质量上超越 GPT-6 Luna 和 Haiku 5.5，同时保持 1000+ tok/sec 的运行速度。
自回归模型逐个生成 token。每个新 token 都必须等待前一个 token 生成完毕。diffusion LLM 则从完整回答的粗略草稿开始，再通过少数几轮迭代，并行细化各个位置的内容。
顺序执行的步骤更少，意味着在相同 GPU 上能更快输出。此前尚未解决的问题是：随着模型规模增大，这种方法是否依然有效。
Inception 给出的答案是肯定的。Mercury 3 的总参数量超过 Mercury 1（mini）的 40 倍。这两款模型在标准 benchmark 上的平均质量提升了约 3 倍，速度则始终保持在每秒 1,000 tokens 以上。
Inception 团队将 5 代 Mercury 模型的结果绘制成了一条质量与规模的关系曲线。
以下所有分数均来自 Inception 的表格。所有模型都采用 medium 设置。
Mercury 3 在指令遵循和 Agent 编程方面的提升最大。IFBench 得分达到 76.84，比 GPT-6 Luna 高出 15 分。SWE-Bench Atlas 得分达到 51.08，而 Luna 和 Haiku 5.5 分别为 33.33 和 32.26。GPQA Diamond 得分为 89.23。
落后的项目同样值得关注。Haiku 5.5 在 DeepSWE v1 上以 51.62 对 46.31 胜出，在 MRCR v2 上以 78.40 对 75.50 胜出。GPT-6 Luna 则在 AA-Omniscience-Public 上以 46.94 对 46.44 略微领先，在 AA-LCR v1.1 上以 78.30 对 77.67 略微领先。长上下文检索和耗时更长的编程任务仍是 Mercury 3 的薄弱环节。
| 特性 | Mercury 3 | GPT-6 Luna | Claude Haiku 5.5 |
|---|---|---|---|
| 开发商 | Inception | OpenAI | Anthropic |
| 生成方式 | Diffusion（并行细化） | 未披露 | 未披露 |
| 参数量 | 未披露 | 未披露 | 未披露 |
| 上下文窗口 | 1M | 1.05M | 1M |
| 最大输出 | 未披露 | 128K | 128K |
| 输入模态 | 未披露 | 文本、图像 | 文本、图像 |
| 开放权重 | 否（API） | 否（API） | 否（API） |
| 输出速度（由 Inception 测量） | 1,068 tok/s | 约 130 tok/s | 约 240 tok/s |
| 价格，每 1M 输入／输出 tokens 的美元费用 | 标准价 $0.20 / $0.70（首发价 $0.10 / $0.35） | $0.10 / $0.50（短上下文） | $0.10 / $0.50（prompt 不超过 100K tokens） |
| GPQA Diamond | 89.23 | 86.36 | 84.51 |
| IFBench | 76.84 | 61.82 | 54.65 |
| SWE-Bench Atlas | 51.08 | 33.33 | 32.26 |
| DeepSWE v1 | 46.31 | 37.76 | 51.62 |
| MRCR v2 | 75.50 | 62.72 | 78.40 |
速度和 benchmark 数据来自 Inception 的表格，采用 medium 设置。规格与价格来自各厂商自己的文档。
Inception 引用了 4 家早期试用合作伙伴的反馈。这些是客户陈述，并非独立评测。
TinyFish 运行了 50 个真实环境中的 Mind2Web 网页导航任务。Mercury 3 完成了其中的 50%。Inception 表示，这一结果超过 GPT-6.1-Sol，但没有给出 Sol 的具体成绩。
Octen AI 表示，在智能眼镜搜索场景中，生成耗时中位数为 0.9 秒，端到端耗时为 2.2 秒。
RevisionDojo 表示，提示和批改后的答案大约 1 秒就能返回。
Lorikeet 表示，在客服 Agent 场景中，Mercury 3 的延迟和评测表现优于其他模型。
Mercury 3 已在 Inception API Platform、OpenRouter、Baseten 和 Vercel 上线。其 API 兼容 OpenAI。文档使用的模型标识为 mercury-3，并提供 reasoning_effort 参数。
标准价格为每 1M 输入 tokens $0.20、每 1M 输出 tokens $0.70。首发期间享受五折优惠，分别为 $0.10 和 $0.35。缓存输入享受九折减免，即按原价的 10% 计费。新账户可获得 100M 免费 tokens。企业方案还提供专用容量、自动扩缩容，以及可配置的数据保留策略。
Inception 还推出了两款同系列模型：
Mercury 3 是一款 diffusion LLM，宣称拥有 1,068 tok/s 的生成速度和 1M tokens 的上下文窗口。
在厂商自行运行的 12 项 benchmark 中，它有 8 项领先于 GPT-6 Luna 和 Haiku 5.5。
优势最大的项目是 SWE-Bench Atlas，得分 51.08，以及 IFBench，得分 76.84。
Haiku 5.5 仍在 DeepSWE v1 和 MRCR v2 上领先。
首发价格为 $0.10 / $0.35，之后将恢复至 $0.20 / $0.70。
欢迎查看官方发布博客、API 文档和 OpenRouter 上的模型页面，也可以阅读我们此前对 Drex 1.5 的报道。本项目的全部功劳归于其研究人员。也欢迎在 Twitter 上关注我们，别忘了加入我们拥有超过 15 万成员的机器学习 SubReddit，并订阅我们的 Newsletter。等等，你用 Telegram 吗？现在也可以在 Telegram 上加入我们。
Jean-marc 是一位成功的 AI 企业高管，负责领导并加速 AI 解决方案的业务增长，并于 2006 年创办了一家计算机视觉公司。他是 AI 会议上备受认可的演讲者，拥有斯坦福大学 MBA 学位。