Mercury 3 成長超過 40 倍，並維持每秒 1,000 個 Token——規模化才是重點

Inception Labs 於 2026 年 10 月 19 日發表 Mercury 3，而真正該讓你警覺的數字並不是每秒 1,068 個 token，而是四十。根據 Inception 自己的說法，Mercury 3 的總參數量比 Mercury 1 大了 40 倍以上，卻仍能以每秒 1,000 多個 token 的速度運行——與該公司自第一款模型以來一直在販售的吞吐量等級相同。所有報導這次發布的媒體，都以那個速度數字作為開頭。但速度數字早在兩個世代前就已經是 Mercury 的賣點。真正的新意在於：Mercury 3 是一個擴散語言模型，被投以兩個數量級的規模，卻沒有出現解碼速度上常見的崩跌，而這才是值得檢驗的說法。本文要談的是規模擴展、Inception 声称从中得到了什么，以及開發者在發布隔天能與不能從中得出的結論。 這類發布背後的已記錄 AI 失效與代理事件，都收錄在OrcaRouter AI 事件檔案庫，其中每一筆條目都附有自己的來源、嚴重程度、可信度評級與爭議標記。

Inception 所做的比較，是針對快速、廉價的層級：Mercury 3「表現優於 GPT-6 Luna 與 Claude Haiku 5.5」，這兩者都是速度優化型模型，而 Mercury 3 的運行速度比兩者都快。它並非對標 GPT-6 Astra 或 Claude Sonnet 5.5，若把這份公告解讀為前沿模型的宣稱，那會是 Inception 並未犯下的錯誤。

為什麼「40 倍」對擴散模型來說，是比對 Transformer 更難成立的主張

自迴歸模型在每次通過網路的前向傳遞中產生一個 token。擴散語言模型則在每次傳遞中產生一整個區塊，對一個由位置構成的畫布反覆去噪，直到該區塊成形。吞吐量正是由此而來，而這也是為什麼擴展其中一種模型與擴展另一種模型是不同的工程問題。

在小型的擴散模型中，每個去噪步驟可以一次確定許多位置，因為其餘位置很容易填補。隨著模型成長，每個位置的品質門檻會提高，而要達到該門檻所需的步驟數往往也隨之增加——帶來速度優勢的那種平行性，恰恰是最難維持的東西。因此，參數增加 40 倍卻仍能維持每秒 1,000 個 token，意味著要嘛每個區塊的步驟數大幅增加、但被每步運算效率更大的增幅抵銷，要嘛是 Inception 尚未說明的架構或取樣變更。公告並沒有說明是哪一種，而這是該發布內容中最有趣卻仍未解答的問題。

Inception 真正公布的是結果，而非機制：參數量是 Mercury 1 的 40 倍以上，且在其自家測試套件上，從 Mercury 1 (mini) 到 Mercury 3 的實測智慧約提升三倍。這兩項數字都是廠商自行提報，均未附上絕對參數量，且目前尚無獨立測試框架跑過該模型。請把它們視為方向性主張——同一家族中更大也更好——而非實測數據。

規模化在規格表上改變了什麼、又沒改變什麼

世代躍進在枯燥的數字中，比在行銷數字中看得更清楚。與它所取代的 Mercury 2.5 模型相比：

• 上下文視窗 — Mercury 3 為 1,000,000 個 token，Mercury 2.5 則為 260,000 個，最大輸出為 131,072 個 token。

• 參數 — 是 Mercury 1 的 40 倍以上，未公布絕對數字；Mercury 2.5 的參數量也從未公布。

• 吞吐量 — 每秒 1,068 個 token，由廠商在未指明的 NVIDIA GPU 上測得；相較之下，Artificial Analysis 以其自有測試框架測得 Mercury 2.5 約為每秒 706 個 token。

• 價格 — 牌價為每百萬輸入 0.20 美元、每百萬輸出 0.70 美元，上市推廣期間下殺 50%，分別降至 0.10 與 0.35 美元，且未公布結束日期。

• 推理強度 — 四種設定（瞬間、低、中、高），預設為低；Mercury 2.5 與 Mercury 2 預設為中。

• 模態 — 輸入文字、輸出文字。維持不變。不支援圖片、音訊或視訊輸入，而 Gemini 4 Argon 與 GPT-6 Astra 皆可接受多模態輸入。

上下文視窗是實際影響最大、媒體關注最少的變更。四倍提升讓 Mercury 脫離短文件級別，進入整個儲存庫、冗長的客服對話逐字稿，或數百頁合約都能在單次呼叫中容納的範圍。長上下文上的擴散解碼並非沒有代價——畫布更大，注意力成本也隨之增加——因此，上下文成長為 4 倍，而吞吐量仍維持在 1,000 以上，如果真要說，這對工程實力的說明比標題數字更有力。

唯一有測試框架支撐的品質結果

Inception 確實做了一項比基準測試表格更有用的評估，而它被埋在速度宣稱之下。該公司將 Mercury 3 放進自家正式的網頁代理測試框架中，與前沿模型並列，在 50 個真實運行的 Mind2Web 導覽任務上——是真實網站，而非凍結的快照——並回報 50% 的完成率，「明顯高於 GPT-6.1-Sol」，且 token 用量相同、代理步驟數也相同。同樣的工作，每 token 花費更少，完成率更高。

五十個任務只是小樣本，而且測試框架屬於供應商，所以這個差距不是你能據以規劃的數字。不過，代理式網頁導航是最不易受基準污染影響的工作負載，也對 Mercury 所販售的兩件事最敏感：延遲與每步成本。一個能完成五十個即時任務中一半的模型，確實在做真實的事。但它在 50% 的水準下，也有一半任務失敗；這正是這類模型投入生產時應有的框架——一個能完成一半任務、並具備人工升級路徑的代理是可部署的；一個被呈現為可靠的代理則不是。

首發折扣在實際預算中的位置

定價為每百萬個 token 輸入 $0.20、輸出 $0.70。首發價是這個價格的一半。相對於 Mercury 鎖定的層級，兩者都不是可忽略的捨入誤差：Claude Haiku 5.5 的定價是 $1.00 與 $5.00，GPT-6 Luna 則是 $0.10 與 $0.50。因此，Mercury 3 首發時的定價處於其所競爭市場的最低端，而按定價計算，仍約為 Haiku 5.5 輸出費率的七分之一。

以每天 2,000 萬個輸入 token 與 1,000 萬個輸出 token 的支援分流工作負載來算，這是中型部署，而非試點。按定價計算，輸入是 $4、輸出是 $7——每天 $11，每月約 $330。按推出時費率計算，則是每天 $5.50。在那樣的用量下，折扣每月約值 $165，而它會在某個沒人公布過的日期消失。以 $330 為基準來建立商業論證。

快取輸入才是真正推動代理經濟效益的關鍵項目。以每百萬 token 定價 $0.02 計算，20,000 token 的系統提示與工具定義前置內容，每次呼叫成本是 0.04 美分，而不是 0.4 美分。在四十步的代理執行中，這會是 1.5 美分的前置內容成本，而不是 16 美分——本身並不具變革性，但這正是代理迴圈的成本究竟由模型的工作主導，還是由重讀自身指令主導的差別。

在這個規模下，擴散仍未解決的是什麼？

有三件事值得直白說明，因為發布時的定調並未如此。

首先，並沒有獨立測量。截至 2026 年 10 月 20 日，Artificial Analysis——這個部落格用來進行跨模型比較的中立評測框架——完全沒有 Mercury 3 頁面。其最新的 Mercury 條目是 2.5 和 2，測得約每秒 706 與 684 個 token。所有流傳中的 Mercury 3 數字，包括本文中的每一個數字，都可追溯至 Inception。

第二，純文字現在是一項實質限制，而非風格取捨。Mercury 3 在平價層級中與之競爭定價的對手正日益具備多模態能力，而它剛獲得的長上下文視窗，對以 PDF 和截圖形式送達的文件最為有用。一個只能填入擷取文字的 1M token 視窗，其價值低於規格表所暗示的程度。

第三，預設的 effort 設定偏低。預設以低 effort 作答的模型，會看起來比同一個模型在高 effort 下更快，但分數更低；而 Inception 的比較說法並未說明這些結果是由哪個設定產生的。任何人拿 Mercury 3 與任何對象做基準測試時，都應明確固定 effort 參數，否則比較無法重現——包括與 Inception 自家數字相比亦然。

如何在不把生產路徑押在它身上的情況下保留這個模型

Mercury 3 不在 OrcaRouter 的目錄中。我們的模型 API 對任何 Inception 模型都不會回傳任何內容——我們所路由的 209 個模型並不包含它——因此呼叫 Mercury 3 意味著要前往 Inception 自家的平台（新帳戶可獲得 1 億個免費 token），或前往 Inception 列出的其中一個推論平台。把這點說清楚，比暗示我們有一條實際上沒有的路由更有用。

路由器在此真正擅長的是部署形態，而非模型本身。適合一個尚未驗證但速度異常快的版本，是雙路徑模式：將延遲關鍵的工作送到使用 Inception 金鑰的 Mercury 3，並把備援與棘手案例留在我們確實有提供的模型上——超過 200 個模型，全都位於同一個 OpenAI 相容端點之後，按供應商定價、0% 加價，並具備供應商服務劣化時的自動容錯移轉。直通定價之所以重要，原因與上市折扣相同：當 Inception 結束 50% 降價時，路由模型的費率會在供應商改價當天隨之變動，無需重新協商。

經過一天後，最誠實的總結是：Mercury 3 是一項貨真價實的規模化成果，只是披著速度頭條的外衣。40 倍的主張無法驗證，吞吐量主張沒有中立重現，品質主張是相對於快速層級的比較，而非量化數據。但方向明確無疑：擴散語言模型在 260K 上下文與 2.5 代模型時，只是延遲上的新奇玩意；而在 1M 上下文與 40 倍參數下，它們如今已進入快速層級真正所在的價格帶。要關注的數字不是 1,068 能否重現，而是下一個獨立指數是否會把 Mercury 3 放在距離 GPT-6 Luna 和 Claude Haiku 5.5 僅幾分之內——因為若是如此，廉價層級就不再只是層級，而會成為一項決策。