Mercury 3 增长超过 40 倍，并保持每秒 1,000 个 token——真正的关键在于扩展能力

Inception Labs 于 2026 年 10 月 19 日发布了 Mercury 3，而真正该让你停下来的数字不是每秒 1,068 个 token，而是四十。按 Inception 自己的说法，Mercury 3 的总参数量比 Mercury 1 大 40 多倍，而它仍能以每秒 1,000 多个 token 运行——与该公司自首款模型以来一直推销的吞吐量属于同一档位。所有报道此次发布的人都在开头突出速度数字。速度数字早在两代之前就已是 Mercury 的卖点。新之处在于，Mercury 3 是一个扩散语言模型，其规模被扩大了两个数量级，却没有出现通常的解码速度崩塌，而这才是值得检验的论断。本文讨论的是这种扩展、Inception 声称由此获得了什么，以及开发者在发布一天后能从中得出什么结论、不能得出什么结论。 像此次发布这样的发布背后有记录的 AI 故障和智能体事件，都收录在 the OrcaRouter AI Incident Archive 中，每一条目都带有自己的来源、严重程度、置信等级和争议标记。

Inception 所做的比较针对的是快速、廉价这一层级：Mercury 3“表现优于 GPT-6 Luna 和 Claude Haiku 5.5”，而后两者都是速度优化型模型，同时 Mercury 3 的运行速度比两者都快。它并未被定位为对标 GPT-6 Astra 或 Claude Sonnet 5.5，若将这一公告解读为前沿模型的主张，那将是一个 Inception 并未犯下的错误。

为什么“40 倍”对扩散模型来说，是比 Transformer 更难成立的说法

自回归模型在每次通过网络的前向传播中只输出一个词元。扩散语言模型每次传递则输出一整块，对一个由多个位置组成的画布迭代去噪，直到这一块最终确定下来。吞吐量正来源于此，也正是因此，扩展其中一种模型与扩展另一种模型是不同的工程问题。

在小型扩散模型中，每个去噪步骤可以一次确定许多位置，因为剩余位置很容易填补。随着模型增大，每个位置的质量门槛会提高，达到该门槛所需的步骤数往往也会随之增加——带来速度优势的并行性，恰恰是越来越难以维持的东西。因此，参数增加 40 倍却仍保持每秒 1,000 个 token，意味着要么每个块的步骤数大幅增加，但被每步计算效率更大幅度的提升所抵消，要么是 Inception 未描述的架构或采样方式变化。公告没有说明是哪一种，而这是该发布中唯一最有趣却未解答的问题。

Inception 公布的确实是结果而非机制：参数量超过 Mercury 1 的 40 倍，并且在其自有测试套件中，从 Mercury 1 (mini) 到 Mercury 3 的实测智能水平大约提升至三倍。这两个数字均由厂商报告，均未附带绝对参数量，而且尚无独立评测框架运行过该模型。应将其视为方向性声明——同一家族中更大且更好——而非实测结果。

规模扩大在规格表上改变了什么，又没有改变什么

代际跃升在枯燥的数据中比在营销话术里体现得更明显。与其所取代的模型 Mercury 2.5 相比：

• 上下文窗口 — 在 Mercury 3 上为 1,000,000 个 token，而在 Mercury 2.5 上为 260,000 个，最大输出为 131,072 个 token。

• 参数——超过 Mercury 1 的 40 倍，未公布具体数字；Mercury 2.5 的参数量也从未公布。

• 吞吐量——每秒 1,068 个 token，由厂商在未指明的 NVIDIA GPU 上测得；而 Artificial Analysis 在其自有测试框架下测得 Mercury 2.5 约为每秒 706 个 token。

• 价格 — 标价为每百万输入 $0.20、每百万输出 $0.70；发布期间降价 50%，降至 $0.10 和 $0.35，该期间未说明结束日期。

• 推理强度 — 四档设置（instant、low、medium、high），默认为 low；Mercury 2.5 和 Mercury 2 默认使用 medium。

• 模态 — 文本输入，文本输出。保持不变。不支持图像、音频或视频输入，而 Gemini 4 Argon 和 GPT-6 Astra 都接受多模态输入。

上下文窗口是实际影响最大、却最少被报道的变化。四倍提升让 Mercury 走出短文档区间，进入整个代码仓库、冗长的支持对话记录或数百页合同都能装进一次调用的范围。长上下文上的扩散解码并非没有代价——画布更大，注意力成本也随之上升——因此，上下文扩大了 4 倍而吞吐量仍保持在 1,000 以上，这一事实如果说有什么意味，反而比那个头条数字更能说明工程实力。

唯一有测试框架支撑的高质量结果

Inception 确实进行了一项比基准测试表格更有用的评估，而这项评估被埋在速度宣称之下。该公司将 Mercury 3 与前沿模型一起放入其自有的生产级 web-agent 测试框架中，在 50 个实时 Mind2Web 导航任务上运行——是真实网站，而非冻结快照——并报告了 50% 的完成率，“显著高于 GPT-6.1-Sol”，且 token 用量相同、agent 步骤数相同。同样的工作，每 token 花费更少，完成率更高。

五十个任务只是一个小样本，而且测试框架属于供应商，所以这个余量并不是一个可以据此规划的数值。但智能体式网页导航是最不容易受到基准污染影响的工作负载，也对 Mercury 所销售的两样东西——延迟和每步成本——最为敏感。一个能完成五十个实时任务中一半的模型，确实是在做实事。但同样地，在 50% 的水平上，它也有一半任务失败；对于这类模型在生产中的定位，这才是正确的框架——一个能完成一半任务、并带有人工升级路径的智能体是可部署的；而一个被宣传为可靠的智能体则不是。

发布折扣在实际预算中的位置

标价是每百万 token 输入 $0.20、输出 $0.70，发布价为标价的一半。对于 Mercury 所瞄准的这一层级而言，这两个价格都算不上可以忽略的零头：Claude Haiku 5.5 的标价为 $1.00 和 $5.00，GPT-6 Luna 则是 $0.10 和 $0.50。因此，Mercury 3 的发布价处于其所竞争市场的最低端，而即便按标价计算，它仍大约只有 Haiku 5.5 输出价格的七分之一。

按每天 2000 万输入 token 和 1000 万输出 token 的客服分流工作负载来算，这属于中等规模部署，而不是试点。按标价，就是输入 4 美元、输出 7 美元——每天 11 美元，约每月 330 美元。按上线优惠价则是每天 5.5 美元。在那个用量下，折扣每月价值约 165 美元，而它会在一个无人公布过的日期消失。按 330 美元来建立论证。

缓存输入才是真正改变智能体经济性的关键。按每百万 token 0.02 美元的标价计算，一段 20,000 个 token、由系统提示词和工具定义组成的前置内容，每次调用只需 0.04 美分，而不是 0.4 美分。在四十步的智能体运行中，这部分前置内容的成本是 1.5 美分，而不是 16 美分——这本身并不具有颠覆性，但它带来的差别在于：智能体循环的成本究竟由模型的实际工作主导，还是由反复读取自身指令主导。

这个规模的扩散模型仍未解决什么

有三件事值得直说，因为发布时的表述并没有说明。

首先，并没有独立测量。截至2026年10月20日，Artificial Analysis——本博客用于跨模型比较的中立评测框架——根本没有 Mercury 3 的页面。其最新的 Mercury 条目是 2.5 和 2，测得约为每秒706和684个token。所有流传的 Mercury 3 数字，包括本文中的每一个数字，都可追溯到 Inception。

其次，纯文本如今是一个实实在在的限制，而非风格上的选择。在低价档位中，Mercury 3 所对标的竞争对手正日益多模态化，而它刚刚获得的長上下文窗口，对于以 PDF 和截图形式到达的文档最为有用。一个只能靠提取文本来填充的 100 万 token 窗口，其价值低于规格表所暗示的。

第三，默认的 effort 设置是 low。默认以低 effort 作答的模型，看起来会比同一模型在高 effort 下更快、得分更低，而 Inception 的对比性声明并未说明这些结果是由哪个设置产生的。任何将 Mercury 3 与任何对象进行基准测试的人，都应显式固定 effort 参数，否则比较不可复现——包括与 Inception 自己公布的数值进行比较时也是如此。

如何在不把生产路径押在这个模型上的情况下保留它

Mercury 3 不在 OrcaRouter 目录中。我们的模型 API 对任何 Inception 模型都不返回任何结果——我们路由的 209 个模型并不包含它——因此调用 Mercury 3 意味着要前往 Inception 自己的平台（新账户可获得 1 亿免费 token），或前往 Inception 列出的某个推理平台。直截了当地说明这一点，比暗示我们拥有一条并不存在的路由更有用。

在这种情况下，路由器真正有用的地方不在于模型，而在于部署形态。对于一次尚未经市场验证、但发布速度异常快的版本，合适的模式是双路径：把延迟关键型工作通过 Inception 的密钥交给 Mercury 3，而把兜底和棘手场景留在我们确实提供的模型上——超过 200 个模型，统一在一个兼容 OpenAI 的端点之后，按提供商目录价、0% 加价，并在提供商性能下降时自动故障转移。这种直通定价之所以重要，原因和发布折扣相同：当 Inception 结束 50% 的折扣时，路由模型的费率会在供应商调价当天随之变化，无需重新谈判。

一天后诚实的总结是：Mercury 3 是一个披着速度头条外衣的真实扩展性成果。40 倍的说法无法验证，吞吐量说法没有中立复现，质量说法是相对于快速档的比较，而非量化结果。但方向是明确的：扩散语言模型在 260K 上下文和一个 2.5 代模型时，只是延迟上的新奇事物；而在 1M 上下文和 40 倍参数规模下，它们现在已经进入快速档实际所处的价格区间。值得关注的数字不是 1,068 能否复现，而是下一个独立指数是否会让 Mercury 3 与 GPT-6 Luna 和 Claude Haiku 5.5 相差仅几个点——因为如果真是如此，廉价档就不再是一个档位，而会成为一个决策。