突破自回归范式，扩散文本模型支持百万上下文
2026年10月19日，AI实验室Inception正式发布了基于扩散架构的大语言模型Mercury 3。与逐字从左至右生成的自回归模型不同，Mercury 3采用并行生成方法，通过多次迭代同时细化整个文本块中的所有token。
在上下文处理能力上，Mercury 3支持100万token的上下文窗口，较上一代Mercury 2.5的26万token有了显著扩充。此外，Inception表示Mercury 3的总参数量是初代Mercury 1的40倍以上，证明了缩放定律在扩散文本模型中同样有效。
官方宣称千级生成速度与基准测试表现
Inception宣称Mercury 3在NVIDIA GPU上的推理速度达到每秒1,068个token，比同级别经过速度优化的前沿模型快4到8倍。对于硬件运行环境，Inception联合创始人兼首席科学家Volodymyr在Hacker News上说明，该速度是在广泛可用的NVIDIA Blackwell GPU上实现的。
据Inception公布的中等设置内部基准测试，Mercury 3在12项测试中的8项表现优于GPT-6 Luna和Claude Haiku 5.5。科技媒体TNW也指出，在官方测试中该模型还击败了智谱的GLM-5.3 Flash。
第三方媒体与分析机构指出了该模型在不同任务上的分化表现。MarkTechPost报道称，Mercury 3表现最好的基准测试是SWE-Bench Atlas（得分为51.08），而最弱的是DeepSWE v1（得分为46.31，落后于Haiku 5.5）。MindStudio的分析则显示，该模型在简短推理、事实回忆及多语言指令遵循任务中表现优异，但在智能体编程和长视距任务中显露出弱点。
商用API定价与低延迟生产场景定位
在服务获取方面，Mercury 3目前仅通过Inception、OpenRouter、Baseten和Vercel的API形式提供，不开放模型权重或可下载的量化版本。其标准定价为每百万输入token 0.20美元、每百万输出token 0.70美元；目前官方提供50%的首发优惠（折后输入0.10美元、输出0.35美元），且缓存token享有输入价90%的折扣。
依托其低延迟特性，Inception将Mercury 3主要瞄准对响应延迟高度敏感的生产级工作负载，包括浏览器使用智能体、交互式教育、实时搜索智能体、语音机器人以及客户支持服务。科技媒体TNW与Forkast.News分析认为，Mercury 3代表了将扩散语言模型进行大规模商业化落地的首批尝试之一，正在对现有快速层级模型的定价与性能格局构成挑战。