水星3号、一份奇点宣言与一桩50美元入室案：10月20日的四个故事

2026年10月20日，有四条消息在AI新闻周期中流转，它们有一个尴尬的共同点：三条是关于人工智能如今能做什么的说法，只有一条附带一个你今天下午就能调用、并按 token 计价的模型。那就是 Mercury 3，由 Inception Labs 在前一晚——2026年10月19日——发布，价格为每百万输入 token 0.20 美元、每百万输出 token 0.70 美元，在未公布结束日期的发布窗口期内减半，供应商实测速度为每秒 1,068 个 token。另外三条：Jack Clark 对一屋子财政部长说奇点已经开始；一名操作者利用 AI 智能体以每次入侵约 50 美元的成本闯入 100 多家公司；以及 OpenAI 的新 ChatGPT 语音以 GPT-Live-1.1 之名登场。接下来将分别按各自的说法逐一讲述，并把数字归到其出处方名下。 像此次发布背后的那些有记录可查的 AI 故障与智能体事件，均收录于 OrcaRouter AI Incident Archive，其中每条记录都附带各自的来源、严重程度、置信等级和争议标记。

Mercury 3：这份清单上唯一可以定价的项目

Inception 的宣传在形式上没有变化，在程度上却大得多。Mercury 是一种扩散语言模型：它不在每次前向传播中只输出一个 token，而是一次性对一块位置进行去噪，并将它们一起确定下来。按 Inception 自己的说法，Mercury 3 的总参数量是 Mercury 1 的 40 多倍，却仍能以每秒 1,000 多个 token 的速度运行——其主张是，规模扩大并未牺牲吞吐量，而吞吐量正是该系列存在的全部理由。

• 价格 — 标价为每百万输入 $0.20、每百万输出 $0.70；在未说明结束日期的 50% 发布折扣期间为 $0.10 和 $0.35；缓存输入比输入费率低 90%。

• 上下文与输出——上下文窗口为 1,000,000 个 token，相比 Mercury 2.5 的 260,000 个有所提升；根据 Inception 的文档，输出上限为 131,072 个 token。

• 速度 — 每秒 1,068 个 token，由 Inception 在未说明的 NVIDIA 硬件上测得。尚无独立测试框架对其进行计时。

• 推理强度 — 四种设置（即时、低、中、高），默认值为低，而 Mercury 2.5 和 Mercury 2 此前默认值为中。

• 模态 — 输入文本，输出文本。不接受图像、音频或视频输入。

• 免费额度 — Inception 平台上的新账户可获得 1 亿个 token。

公告中唯一一项结构化质量结果并不是一张基准测试表。Inception 将 Mercury 3 放进自家生产级 Web 智能体测试框架中，在针对真实网站的 50 个实时 Mind2Web 导航任务上运行，并报告它完成了其中的 50%——25 个任务——“显著多于 GPT-6.1-Sol”，且 token 用量和智能体步数相同。就某一方面而言，这比厂商基准测试更有说服力，因为任务是实时的而非冻结的；但就另一方面而言又更弱，因为测试框架、网站和评分全都属于销售该模型的公司。没有其他人运行过它。截至 10 月 20 日，Artificial Analysis 上完全没有 Mercury 3 的页面，这就是为什么上面每一个数字前面都挂着 Inception 的名字。

对于任何正在决定是否要试用它的人，有两件事值得直说。Mercury 3 不在 OrcaRouter 的产品目录中——我们的模型 API 对任何 Inception 模型都不返回任何结果——所以调用它意味着要用 Inception 自己的 API 平台，或托管它的若干第三方平台之一。而且，发布折扣是促销定价，不是价目表：$0.10 的输入费率是标价的一半，而 Inception 尚未说明它何时结束，因此任何基于它构建的成本模型都有一个你并未被告知的到期日。

杰克·克拉克在IMF：奇点，已定日期

在国际货币基金组织和世界银行年会上，Anthropic 联合创始人杰克·克拉克向经济学家和政策制定者表示，奇点——他用来指代 AI 驱动的进步超出人类跟上能力的术语——已经“如今开始”。这一说法伴随两条基准曲线和一项经济预测而来，而曲线才是值得保留的部分。

Humanity's Last Exam 是一套由专家撰写、旨在抵御通过检索来作答的题目；按 A​nthropic 的统计口径，它的成绩自 2025 年以来已从 8% 升至 67.7%。FrontierMath 则从 2% 升至 94%。这两个数字是该领域中被引用最多的“我们还没准备好应对这一切”的数据；而在大约一年内出现如此幅度的跃升，过去通常是需要放在十年轴上描绘的事情。经济预测是：如果 AI 迅速普及，某一个 A​nthropic 模型将使美国 GDP 到 2030 年达到 44 万亿美元。克拉克本人也承认，这个数字听起来离谱，同时他预测这将对就业产生“极具破坏性”的影响。

他的规模论证才与本周的新闻有关：全球一千万名科学家可能很快将指挥“十亿虚拟科学家”，各国应当建造实验室和机器人，而不是为此争论。在政策方面，他称行动只剩“少数几年”，并指出 A​nthropic CEO Dario Amodei 已提出限制 AI 的“智能上限”——这个说法与一项在十二个月内从 8% 升至 67.7% 的基准并列时显得颇为古怪。

把这段话对照 Mercury 3 来看，这两件事其实并不是在讲同一回事。一个是关于能力上限的主张，依据评估曲线来论证。另一个是附带价目表的产品发布。它们之所以在同一天出现，是因为扩散模型正是这些曲线所刻画的那类系统：便宜、快速、纯文本、没有任何中立方测量过，并且在某项狭窄任务上足够好，以至于在任何人确定“足够好”意味着什么之前就值得部署。

50 美元的入侵：从另一侧看，智能体能力是什么样子

安全公司NorForge披露了一场攻击活动，其中一名说中文的操作者利用AI代理完成了入侵公司几乎全部的工作。路透社确认的受害者包括Cummins、Deere和SharkNinja。其机制并非新型漏洞利用。NorForge发现了20多个未受保护的Cairn控制面板，Cairn是一款开源AI代理工具；操作者提供了预先筛选的目标——繁忙的在线商店、订单少于100个汉字——然后让代理处理了超过1200个网站。

• 工具——Claude Code 和 DeepSeek V4.1 Flash，两者均作为普通开发者工具使用。

• 成本——每次成功入侵约 50 美元，每次大约需要一天的智能体时间，整个行动期间的 token 费用约为 5,000 美元。

• 结果——超过100家公司遭到入侵。数据是否被窃取尚未确定。SharkNinja称该威胁已“得到控制”，Deere提到“补救措施”，Cummins则表示正在“调查”。

需要认真对待的数字不是 100，而是 50 美元。一次成本低于一顿商务午餐、只花一天就能完成的入侵，颠覆了防御性安全二十年来所依赖的经济学逻辑，因为再次尝试的边际成本接近于零，而犯错的边际成本并非如此。这也解释了为什么这次暴露面如此乏味：一个开源 agent 工具的二十多个控制面板，被留在了可从互联网访问的状态。没人需要多聪明。他们只需要有耐心、够便宜。

让智能体在生产环境中发挥作用的那些特性——它会执行操作、会重试、能无人值守地运行数小时——正是攻击者所租用的东西。这里并没有展示任何单独的恶意能力。有的只是一个普通的智能体循环，被指向了一份目标列表。

GPT-Live-1.1 的新语音：语音并非模型

OpenAI 的语音工作是以一份操作指南的形式呈现的，而非一则公告；相关报道中最有用的一句话是一句提醒：新的声音与新的模型是两种不同的变化。这一区分之所以重要，是因为在语音产品中，这两者经常被混为一谈，而真正的检验标准是行为表现，而不是名称。

访问路径是 ChatGPT 的语音设置，然后在可用的情况下选择 Live 选项，接着选择语音。值得按顺序做的练习有：保持语言和指令不变，用同一段文字比较不同语音，这样你听到的就是语音本身的差异，而不是不同提示词造成的差异；尝试地区性语音，因为口音处理会随语音而变化，而不只是随语言设置变化；在回答中途用更正后的日期或人数打断，并检查更正是否进入最终回答；让助手搜索 OpenAI 的发布说明并回读来源链接，这是判断模型是否引用了真实内容的最省事方法。

一个名为 Bubbie 的特定语音，被拿来与听众平时使用的语音在同一段文本上进行比较——这是正确的方法，也是大多数人会跳过的方法。Pro 订阅用户可获得练习提示和一份聆听检查清单。在据此重建工作流程之前，需要核实的是：这些变化中哪一项是语音层面的，哪一项是底层模型层面的，因为只有其中一项会改变系统能做到的事情。

贯穿一天的线索

这四则故事中有三则讲的是：能力的到来速度快于其周边配套机制。评测数据表明，模型在专家任务上的进步速度超出了所有人的预测；入侵事件则表明，同样的能力，任何人只要花 50 美元再加一份目标清单就能获得；语音产品则表明，无论底层模型是否发生变化，界面正日益成为用户评判的对象。Mercury 3 是第四则，也是其中的异类，因为它是唯一一个公开了每百万 token 价格、并有文档说明上下文窗口的——也是唯一一个你今晚就能放进成本模型里的。

路由层也是如此，而且不是厂商营销通常所指的那种方式。一个十九小时前发布、尚无独立评估的模型，正是你不希望硬编码到生产路径中的东西。你想要的是 一条将既定比例的流量发送给它的规则，在其背后保留一个经过实测的模型，并在它出故障时自动故障转移——这样，保留还是放弃它的决定就由你的错误率做出，而不是由一篇发布帖做出。 一个密钥和一个兼容 OpenAI 的端点，就能让你同时具备这条规则的两端；而当 Inception 的折扣结束，或最终出现一个中立评分时，规则会改变，而应用不会。

对于 Mercury 3 本身，经过一天后，最诚实的总结很有限：一个异常便宜、异常快速的纯文本模型，具备真正的 1M token 上下文；一个由 Inception 自己产出的真实网站智能体结果；以及对任何方面都没有第三方测量。能定论的两个数字——Artificial Analysis 分数，以及在一个并非 Inception 所有的测试框架上每完成一项任务的成本——尚不存在。等它们出现时，本文的续篇将只有一段话那么长。