2026 年 10 月 19 日，Inception 通过 Business Wire 发布 Mercury 3，这是其扩散大语言模型系列的第四次发布。Mercury 3 在常见 NVIDIA GPU 上保持每秒 1000 个以上 token 的生成速度，上下文窗口从 Mercury 2.5 的 26 万 token 扩大到 100 万 token，模型规模超过 Mercury 1 的 40 倍。Inception 称，在一组标准评测上，Mercury 3 的表现达到或超过 GPT-6 Luna 与 Claude Haiku 5.5，运行速度快 4 到 8 倍；这些数字来自厂商发布材料，尚待第三方复测。
扩散生成为什么能快这么多
传统大模型逐个 token 顺序生成，Mercury 系列改用扩散方式并行生成多个 token，再迭代修正。过去这条路线的短板是规模上不去：Mercury 1 在 2025 年 6 月发布时主要处理代码补全这类简单任务，Mercury 2 补上推理，Mercury 2.5 加入可调推理深度。Mercury 3 是这条路线第一次把规模、长上下文和速度放在同一款产品里。联合创始人 Stefano Ermon 在发布中表示，扩散模型扩展的限制主要是算力和数据，而不是算法本身的根本障碍，公司已经开始训练下一代模型。
定价和接入方式
Mercury 3 标准价格为每百万输入 token 0.20 美元、输出 0.70 美元，上线期五折，为 0.10 美元和 0.35 美元，缓存 token 按输入价的一折计费。即日起可通过 Inception API、Baseten、OpenRouter 和 Vercel 调用，接口兼容 OpenAI API 规范，现有项目改一个模型名就能切换。早期客户已把它用在浏览器智能体、互动教育、实时搜索智能体和客户支持场景；教育平台 RevisionDojo 反馈，学生提示和批改结果约一秒返回，质量不低于此前使用的模型。追求输出速度的团队可以对比本站此前报道的 MiniMax M3.1 Flash：一个走架构并行，一个走工程优化，价格带也接近。
速度对智能体循环的影响最直接：模型每一步都要等上一步返回，单步省下的延迟会按步数放大。打算试用的团队先确认三件事：自己的任务是不是延迟敏感型；厂商评测与自身任务的相关性，建议用真实业务样本自测后再迁移；五折是上线期价格，长期成本要按标准价估算。
