Mercury 3 达到每秒 1,068 个 token——而且没有给出任何一个基准测试数字

Inception Labs 于 2026 年 10 月 19 日发布了 Mercury 3，公告以三个数字开场：在 NVIDIA GPU 上每秒 1,068 个 token、100 万 token 的上下文窗口，以及只要发布折扣持续有效，每百万输入 token 0.10 美元。但它连一个基准测试分数都没有。质量方面的说法是对比性的——Mercury 3“表现优于 GPT-6 Luna 和 Claude Haiku 5.5”——而文中每一项量化说法都关乎速度、规模或价格。与其说这是批评，不如说这就是你本周若决定是否将某个工作负载迁移到它上面时，必须依据的证据形态。本文会梳理 Inception 实际交付了什么、那些没有评分的说法意味着什么，以及构建者在试用它和依赖它之间应该在哪里划清界限。像本次发布这样的发布背后，有记录的 AI 故障和智能体事件都收集在 OrcaRouter AI Incident Archive 中，其中每条记录都带有自己的来源、严重程度、置信等级和争议标记。

Inception 在10月19日摆到台面上的东西

Mercury 3 是一种扩散语言模型——Inception 的术语是 dLLM——该公司称其为迄今为止发布的最强大的基于扩散的模型。该架构并行生成 token，而非一次生成一个，这正是其吞吐量说法的来源。Inception 表示，该模型的总参数量比 Mercury 1 大 40 多倍，但未公布绝对参数数量；并且在其基准测试套件中测得的智能水平从 Mercury 1（mini）到 Mercury 3 提升了约三倍。

• 上下文 — 1M 个 token，较 Mercury 2.5 的 260K 有所提升，最大输出为 131,072 个 token。

• 价格——按目录价，每百万输入 token 为 $0.20，每百万输出 token 为 $0.70；在发布折扣期间则分别为 $0.10 和 $0.35。

• 缓存输入 — 按标价每百万 $0.02，在上线窗口期内减半至 $0.01，也就是输入费率通常的 90% 折扣。

• 推理强度 — 四种设置：instant、low、medium 和 high。省略该参数时，Mercury 3 默认为 low，而 Mercury 2.5 和 Mercury 2 默认为 medium。

• 模态 — 文本输入，文本输出。聊天补全端点支持工具调用和结构化输出。

• API 形态 — 兼容 OpenAI 的聊天补全接口，temperature 参数可在 0.5 到 1.0 之间调整。

• 可用性 — Inception 自有的 API 平台（新账户可获得 1 亿免费 token），以及多个第三方推理平台。企业级部署还提供专属容量、自动扩缩容和可配置的数据保留。

默认推理力度设置是最容易被忽略、也最可能至关重要的细节。默认以“low”力度作答的模型，看起来会比同一模型在“high”力度下更快，得分却更低，而 Inception 自己的对比声明并未说明这些结果由哪种设置产生。如果你自己要对 Mercury 3 做基准测试，请明确固定推理力度等级，否则你的数据将无法与任何其他人的数据进行比较。

质量主张是比较性的，而非定量性的。

再读一遍这句话：Mercury 3“胜过 GPT-6 Luna 和 Claude Haiku 5.5”。两者都是速度优化型模型，而非前沿旗舰；对于一个整个卖点就是延迟的模型来说，这样的比较是正确的。但公告没有给出领先幅度、基准名称，也没有逐任务结果，因此除非你自己运行，否则无法用公开测试框架核验这一说法。

唯一有某种结构支撑的质量结果，是一项智能体测试。Inception 在其自有的生产级 Web 智能体测试框架中，让 Mercury 3 在 50 个真实的 Mind2Web 导航任务上与前沿模型同场测试，并报告它完成了其中 50% 的任务，“显著多于 GPT-6.1-Sol”，且使用相同的 token 量和相同数量的智能体步骤，因此每 token 成本只是后者的一小部分。50 个任务是小样本，测试框架是 Inception 自有的，而且对比模型只给出了名称、没有给出分数。这是一个真实信号——在真实网站上的任务完成情况，比多项选择测试套件更难被钻空子——但它只是一个信号，而不是可以写进采购文件的测量结果。

Inception 还表示，Mercury 3“与前沿速度优化模型相当或更优”，而不是与前沿推理模型相当。这一区分在这篇文章中发挥了很大作用，值得按字面理解：这是一款定位对标快速档位的模型，而不是对标 Claude Opus 5.5 或 Gemini 4 Argon 的模型。

速度数值，与上一款 Mercury 对比。

每秒 1,068 个 token 是标题数字，也是最可能被断章取义引用的数字。Inception 将其归因于“NVIDIA GPUs”，却没有说明具体硬件、批大小、effort 设置，也没有说明这是单流测量还是聚合测量。这四个因素中的任何一个都会让这个数字成倍变化。

现有的独立测量只针对上一代产品。Artificial Analysis 在其自有测试框架下测得 Mercury 2.5 约为每秒 706 个 token，Mercury 2 为每秒 680 多个 token。这些是真实、可复现的第三方数据，且低于随那两次发布一同公布的厂商数字。这一差距是该品类中正常的“厂商数据对独立测量”折价，并非不诚信的证据——但在有人复现 1,068 之前，你应在心里给 1,068 打上这个折扣。

截至2026年10月20日，Artificial Analysis 没有 Mercury 3 页面：其模型索引仍列出 Mercury 2.5 和 Mercury 2，而 Mercury 3 的 URL 没有任何返回。因此，在发布一天后，这一速度声明尚无独立验证。这种情况会改变；值得关注的不是这个数字是否接近 1,068，而是在中立测试框架下，它与 Mercury 2.5 的差距是否仍像 Inception 的表述所暗示的那样大。

首发折扣的价值何在，以及它并非什么

50% 的下调被说明为临时性的——“上线时”——且没有结束日期。这使其成为促销价，而非价目表价格；任何基于 $0.10/$0.35 的成本模型都有一个你看不见的到期日。标价才是应该据以规划的数字。

一个具体的对比能让规模一目了然。以一个每天1000万输入 token、4000万输出 token 的支持或搜索类工作负载为例。按标价计算，Mercury 3 的输入费用为2美元、输出费用为28美元，也就是每天30美元。按发布优惠价，同样的流量费用为1美元和14美元，即每天15美元。一个月下来大约是900美元对450美元——这项促销的价值，差不多相当于该模型相对于中端自回归模型的全部标价优势。有用，但不值得围绕它来设计架构。

缓存输入这一项才真正改变了智能体工作负载的经济性，因为智能体在每一步都会重新发送相同的系统提示和工具定义。按每百万缓存 token 0.02 美元计算，一段 20,000 token 的前置内容每次调用成本为 0.0004 美元，而不是 0.004 美元。在一次五十步的智能体运行中，前置内容成本是两美分而不是二十美分，这正是可行的每任务价格与勉强维持的每任务价格之间的差别。

Inception 不是在卖聊天机器人

这次发布围绕的是一组产品组合，而非单一模型，而这种定位也说明了产品面向的是谁。Mercury Voice 针对语音智能体中的首答 token 时间进行了调优；Mercury Decide 是一个位于独立端点上的分类与评分模型，定价为每百万输入 token 两美分，输出不收费。Inception 的客户评价都来自对延迟敏感的生产系统：TinyFish 的网页智能体测试框架、RevisionDojo 的辅导反馈、Octen 的搜索生成，以及 Lorikeet 的客服。

这些工作负载中，两秒响应是产品要求，五秒响应就是 bug。它们也是那种出错后可以恢复的工作负载——一个糟糕的提示、一个糟糕的搜索答案、一次升级的客服处理——而这正是没有公开基准分数的模型可以安全试用的风险特征。

本周这让建筑商处于何种境地

Mercury 3 不在 OrcaRouter 的目录中。我们目前的模型 API 对任何 Inception 模型都不返回任何内容，而且我们的网站上也不存在 Mercury 3 的模型页面，所以任何想调用它的人都会去 Inception 自己的平台，或者去 Inception 列出的某个第三方托管方。我们宁愿把这一点直说，也不愿暗示我们并没有的调用途径。

在这种情况下，我们的路由层能发挥作用的地方，是围绕新模型的那部分，而不是模型本身。面对一个尚未经验证、速度异常快的发布版本，行之有效的模式是双模型路径：通过 Inception 的密钥，将延迟关键层交给 Mercury 3；而回退方案和棘手情况则保留在我们确实提供的模型上——超过 200 个模型，统一置于一个 OpenAI 兼容端点之后，按提供商列表价、0% 加价提供，并在某个提供商性能下降时自动故障转移。你可以在值得的地方获得速度，在重要的地方获得第二意见，而无需为回退方案再做一次集成。

未来几周有三件事值得关注。第一，一项独立的 Mercury 3 测量，它将一举敲定吞吐量数字和质量定位。第二，Inception 是否会公布其自身数据背后的 effort 设置和硬件，因为缺少这些信息的基准测试无法复现。第三，发布折扣是否会设定截止日期——标价比 Mercury 2.5 的输出费率低 33%，约为 Claude Haiku 5.5 的五分之一，而一家刚刚把模型扩展了 40 倍的公司，有理由希望人们记住的是那个促销数字。

在那一刻到来之前，诚实的总结是这样的：Mercury 3 是一次真正的发布，它有着站得住脚的架构叙事、确实激进的价格，以及一项迄今尚无 Inception 之外的任何人验证过的质量主张。对于受延迟约束、且有人工或升级路径参与其中的工作负载，这足以证明值得花一周时间进行评估。而对于任何一旦答错就代价高昂且无人监控的场景，这还不足以证明值得进行迁移。