发生了什么
10 月 19 日，Inception 发布 Mercury 3，称其为目前能力最强的扩散式大语言模型。与逐 token 自回归生成不同，扩散模型先给出一版草稿，再在若干轮去噪中并行修正全文，因此吞吐量不会像自回归那样随生成长度线性下降。官方口径是 1,068 tokens/秒、100 万 token 上下文（Mercury 2.5 为 26 万），参数量超过 Mercury 1 的 40 倍而速度保持在同一量级。
定价为标准价每百万输入 0.20 美元、输出 0.70 美元，发布期五折（0.10 与 0.35），缓存命中再降 90%。模型闭权重、只经 API 提供，已上线 Inception API、OpenRouter、Baseten 与 Vercel，并兼容 OpenAI 接口格式，切换成本主要在提示词与参数适配。
自报的对位与短板
- 在 12 项基准中，Inception 称 Mercury 3 于 8 项领先 GPT-6 Luna 与 Claude Haiku 5.5，包括 IFBench 76.84、GPQA Diamond 89.23、SWE-Bench Atlas 51.08；
- 落后项集中在长上下文检索与长链编码：DeepSWE v1 为 46.31，低于 Haiku 5.5 的 51.62；MRCR v2 为 75.50，同样低于 78.40；
- 对标模型的成绩由 Inception 自行测量，公告未披露运行环境与采样设置的细节。
为什么值得关注
过去两年，「扩散能不能随规模变强」一直是架构层面的开放问题。Mercury 系列给出的经验是：从 Mercury 1 到 Mercury 3，模型放大约 40 倍，速度没有塌陷，智能水平出现代际提升。如果这一结论在第三方复现中站得住，就意味着扩散路线不必在「快」与「聪明」之间二选一。
对智能体系统尤其关键：一次任务往往要重复调用模型几十次，单步延迟的复利效应大于单次回答的绝对质量。1,000 tokens/秒与 300 tokens/秒在同一条 50 步工具链上的差距，会直接决定产品是「感觉即时」还是「明显在等」。
现实约束
首版没有开源权重，参数规模、架构细节与实际推理硬件均未披露；1,068 tokens/秒是厂商在自有英伟达服务栈上的测量，早期开发者在真实会话中观察到约 300 至 400 TPS，仍属可用但明显低于标称值。同批发布的 Mercury Voice（面向语音首字延迟）与 Mercury Decide（高并发分类）目前只有方向性描述，缺少可评估的指标。企业若要把扩散模型放进生产，建议先用长上下文检索与长链编码两类任务做对照测试，这恰好是它当前相对薄弱的区间。
另一个待观察点是成本结构。扩散模型的并行去噪在短输出上优势明显，但输出越长，去噪轮次与显存占用的关系会变得复杂；厂商目前只给了单位 token 价格，没有给出不同长度分布下的实际账单。对批量文档处理类负载，这一点比峰值 TPS 更值得先做压测。