我们今天推出水星 3（Mercury 3），这是迄今发布的最强扩散型大语言模型。在多项基准测试中，水星 3 表现超过 GPT-6 卢娜（GPT-6 Luna）和克劳德 俳句 5.5（Claude Haiku 5.5），并以每秒 1,000+ token 的速度运行，快 4–8 倍。水星 3 证明文本扩散可扩展，它比水星 1（Mercury 1）大 40 倍以上，更智能，但速度同样快。早期试用伙伴已将其用于语音与聊天支持、实时辅导、数据工程和网页导航。

今天，我们推出 Mercury 3，这是迄今为止发布的能力最强的基于扩散的大语言模型（LLM）。在一系列基准测试中，Mercury 3 的表现优于 GPT-6 Luna 和 Claude Haiku 5.5，同时以每秒 1,000+ token 的速度运行，快 4–8 倍。

Mercury 3 证明文本扩散可以规模化。它比 Mercury 1 大 40 倍以上，智能程度大幅提升，但速度依旧一样快。

早期访问合作伙伴已经在语音和聊天支持、实时辅导、数据工程以及网页导航中使用 Mercury 3：

Mercury 3 一览

• 质量： 与 GPT-6 Luna、Claude Haiku 5.5 等前沿速度优化模型持平或更好。
• 速度： 在 NVIDIA GPU 上达到每秒 1,068 token。
• 上下文： 100 万 token，高于 Mercury 2.5 的 260K token。
• 价格： 每百万输入 token 0.20 美元，每百万输出 token 0.70 美元。
  • 发布期间，Mercury 3 五折优惠，每百万输入 token 0.10 美元，每百万输出 token 0.35 美元。缓存 token 在输入价格基础上优惠 90%。

规模化扩散

当我们发布 Mercury 1 时，它首次证明了扩散 LLM 可以商业化应用。当时 AI 社区悬而未决的问题是，扩散 LLM 能否规模化，以在复杂用例上与自回归模型竞争。

Mercury 3 回答了这个问题：能。我们将 Mercury 的总参数规模扩大了 40 倍以上，在一系列标准基准测试中的智能表现从 Mercury 1（mini）到 Mercury 3 提升了 3 倍。推动自回归模型进步的规模化定律，同样适用于扩散模型。

Mercury 3 投入生产

早期访问合作伙伴已经在用 Mercury 3 支持对延迟敏感的应用，例如浏览器使用智能体、互动教育、实时搜索智能体和客户支持。

浏览器使用智能体

智能体每一步都要等待模型，因此微小的延迟会迅速累积。Mercury 让每一轮传递都保持快速，无论智能体是在浏览网站、跨来源研究，还是分析日志和追踪事件。智能体能更快完成任务，并在回答前有时间尝试更多方法。

我们在生产环境的网络智能体框架中，用 Mercury 3 对比前沿模型跑了 50 个真实 Mind2Web 导航任务。Mercury 3 完成了其中 50%，显著高于 GPT-6.1-Sol。它使用的 token 量和智能体步数与前沿模型相同，但每 token 成本只是后者的一小部分。——Shuhao Zhang，TinyFish AI 联合创始人

互动教育

学习依赖快速反馈循环，任何延迟都会让学生脱离学习内容。无论是进行对话的语音导师、批改作业的助手，还是根据学生刚答错的题目调整下一题的应用，Mercury 都会推理每个请求并近乎实时地响应。

Mercury 3 让我们能够在不放弃推理能力的前提下，给每个学生即时反馈。提示、批改后的答案和定义现在大约一秒内就能返回，质量与之前运行的模型一样好甚至更好。当学生卡在一道题上时，这种速度能让他们继续学习而不是等待，而且它能直接替换我们现有的技术栈。——Michael Tong，General Learning（又名 RevisionDojo）联合创始人兼首席技术官

实时搜索智能体

搜索应用在延迟几秒后就会让人感觉反应迟钝。Mercury 3 的运行速度足够快，能够处理数十份文档，并在用户仍保持参与时给出回答。

在智能眼镜上，耗时五秒的回答感觉就像坏了。在我们的 Sense API 测试中，Octen 搜索耗时约 80 毫秒；模型生成是瓶颈。在我们测试过的快速模型中，Mercury 3 在速度和质量之间取得了最佳平衡，生成时间中位数为 0.9 秒，端到端响应时间中位数为 2.2 秒。——Kuan Zou，Octen AI 创始人兼首席执行官

客户支持

支持人员必须快速回答，而且通常是面向受监管的企业，错误的回答代价高昂。Mercury 在保持对话感的同时不牺牲准确性。

在 Lorikeet，我们帮助复杂且受监管的企业为客户打造覆盖语音、聊天和邮件的礼宾服务。在聊天和语音场景中，客户需要快速响应，但我们不能在准确性或正确解决问题上妥协。在早期测试中，Mercury 3 在延迟上优于其他模型，同时在评测（evals）和生产环境中的表现也更高。——Michael Gribben，Lorikeet 技术团队成员

实时产品组合

Mercury 3 是不断扩展的实时 AI 产品组合中的旗舰模型。

• Mercury Voice： 专为语音应用的极低延迟需求而定制，不仅优化端到端延迟，还致力于最小化首个回答 token 时间（TTFAT）。它已经在为 Audivi AI、Altur 和 OpenCall 的智能体提供支持。
• Mercury Decide： 为高吞吐量分类构建的决策模型。它在包括 JevBench 和 LegalBench 在内的基准测试中表现优于 Jev。

开始使用

Mercury 3 现已登陆 Inception API Platform，并通过 OpenRouter、Baseten 和 Vercel 提供服务。它兼容 OpenAI API，因此无需重写即可接入您现有的技术栈。企业部署支持专属容量、自动扩缩容、合规控制以及可配置的数据保留。

• 在聊天中试用 Mercury 3
• 试用 API，赠送 1 亿免费 token
• 阅读 API 文档
• 企业评估： 我们将与您合作，评估工作负载适配性、设计 eval，并测试在您的服务约束下的性能。联系我们。

Mercury 3 已上线。扩散模型可以规模化。

讨论气氛是“边试边疑”的谨慎兴奋：很多开发者被 Mercury 3 的速度、低价和 100M 免费 token 打动，纷纷上手试跑编码代理、HTML/SVG 生成等任务；官方称早期合作伙伴已把它用在浏览器代理、辅导应用、实时搜索和客服中。分歧主轴是，在缺乏相同训练数据与对齐的公平比较下，它的端到端延迟和智能是否真的超过了同期的 GPT-6 Luna、Claude Haiku 5.5 与 DeepSeek 等自回归模型；少数人还惋惜它不开源权重、不是多模态，或担心扩散范式让推理更难解释。

认为 Mercury 3 的速度、低价和实际输出已经进入实用区间

• 不少开发者亲自试跑后觉得它已经不是玩具：在代码仓库修改、HTML 渲染、SVG 生成等任务上比旧版 Haiku/Sonnet 更强，价格可接近 DeepSeek，有人已打算用它替代 GPT-Luna/Haiku 处理对延迟敏感的任务；100M 免费 token 也降低了门槛。主要顾虑只剩下首 token 延迟偏高，以及折扣结束后是否还划算。（较多人） > 我故意给了个模糊提示让它写 UML 图的 HTML 渲染器，成品不错，后续提问和改 HTML 也都正确（@GodelNumbering）

质疑跑分可比性和真实延迟，认为不能只看峰值吞吐

• 反对把官方跑分直接当成胜利：只有在相同训练数据、后处理和对齐下比较才有意义；在 OpenRouter 上 DeepSeek v4.1 Flash 仍在延迟和智能上占优，Mercury 3 的 TTFT 偏慢；还有人在固定数学题上觉得它不如 GPT-6.1-Sol。也有人提醒，发布期五折可能掩盖真实成本，折扣结束后竞争力仍待观察。（较多人） > 只有让 Mercury 和 Luna 用同样的训练数据、同样的后处理与对齐，比较才有意义（@jjaskulowski）

担心或好奇扩散范式下的可解释性、训练差异与编码代理行为

• 有人担心扩散模型通过并行去噪生成，而不是逐 token 产出，会让我们更难借助显式推理链判断模型在想什么；还有人好奇实际模型规模、训练流程与传统 LLM 的差异，以及在编码代理里做增量修改时需要读多少代码、工具调用是否可靠。（少数人） > 它非线性地产出 token，而我们平时又要靠模型“明面上”的推理来判断它在想什么，这会不会让理解变得更难？（@fraywing）

惋惜它没有开源权重、也不是多模态

• 不满集中在产品形态：有人一直在等这样的开源权重模型却仍未等到，也有人希望它支持多模态；目前社区能马上拿到的开源扩散模型只有 Diffusion Gemma 这类少数选择，因此即使认可其进步，部分人也不会马上切换。（少数人）

觉得大厂在扩散路线上要么藏着领先，要么浪费了先发演示

• 有人从竞争格局推断，主流大厂几乎肯定也在做扩散实验，凭其算力若被 Inception 这样的新团队领先反而奇怪；也有人翻出去年 Google 的 Gemini Diffusion 演示，觉得它又快又酷却没了下文，后来发布的 Diffusion Gemma 也没引起水花，因此对扩散技术的生态落地感到困惑。（少数人） > 大厂不太可能没做扩散实验；考虑到它们的算力，若另一家实验室反而领先会更让人惊讶，尽管我的直觉可能不准（@dumberquestions）

有价值的补充

• 官方给出的技术原理是：Mercury 3 这类扩散 LLM 通过迭代去噪并行生成 token，而不是自回归模型那样逐 token 产出；因此当回答需要更长推理时，同尺寸下相对自回归模型的速度优势会进一步放大。官方还称从 Mercury 1 以来总参数扩大了 40 倍以上，智能持续上升且没有牺牲速度（@volodia）。
• 一个容易混淆的点：峰值吞吐高不等于首字快。多名试用人提到 TTFT 仍然偏高，但后续生成速度和价格有吸引力；判断是否“更快”要看端到端延迟，而不是只看每秒 token 数。
• 发布信息里的实用细节：模型 OpenAI API 兼容，已上线 OpenRouter、Baseten、Vercel，并提供 1M 上下文、100M 免费 token；发布期输入每百万 token 0.10 美元、输出 0.35 美元，缓存输入还能再打折。
• 有人用画鹈鹕 SVG 这种社区传统方式快速试质量，觉得结果“不算差，就是有点怪”；这类看似玩闹的输出其实成了大家非正式比较模型的土办法。