Inception 发布扩散语言模型 Mercury 3，称多项基准超越 GPT-6 Luna 和 Claude Haiku 5.5

Inception 称其新语言模型 Mercury 3 在一系列基准测试中击败 GPT-6 Luna 和 Claude Haiku 5.5，同时速度快四到八倍。

在其 公告 中，该公司称 Mercury 3 是迄今发布的最强的扩散语言模型。

这种速度来自模型的构建方式。GPT 或 Claude 这类模型一次只写一个词，因此每个新词都要等前一个词完成。扩散模型因图像生成而广为人知。它们先勾勒出整个答案的大致版本，然后经过多轮迭代加以完善，一次生成多个词。Google 关于 DiffusionGemma 的技术报告解释了基本原理。

Mercury 3 的领先优势比公告所暗示的要小

Inception 自己的基准测试表讲述了一个更为喜忧参半的故事。在三个模型均以中等设置运行的情况下，Mercury 3 在 12 项测试中赢得 8 项。差距最大的是指令遵循。在 IFBench 上，Mercury 3 得分 76.84 分，比 GPT-6 Luna 高出 15 分。在 SWE-Bench Atlas 自主编码测试中，它也以 51.08 分明显领先，而对手分别为 33.33 和 32.26 分。

Claude Haiku 5.5 赢得了更长的编码测试 DeepSWE。它在长文本中查找信息方面也更胜一筹。GPT-6 Luna 在 Artificial Analysis 的两项测试中略微领先。Inception 的简短概述则更为谨慎，称 Mercury 3 的质量与之持平或更优。

据 Inception 称，Mercury 3 在 Nvidia GPU 上每秒生成 1,068 个 token。在该公司的对比中，Claude Haiku 5.5 约为 240，GPT-6 Luna 约为 130。目前尚无独立测试。

Inception 表示，Mercury 3 的参数量是 Mercury 1 的 40 多倍，但运行速度相同。自小型 Mercury 1 mini 以来，性能也提升了两倍。Inception 将此视为扩散模型在规模扩大时能像标准语言模型一样可靠提升的标志。确切参数量仍未公开。

Mercury 3 面向延迟会不断累积的应用

Inception 主要将 Mercury 3 推向 AI 智能体、搜索、客户支持和辅导等场景。AI 智能体分多个独立步骤完成任务，每一步都要等待模型。这些小的延迟会迅速累积。

抢先体验合作伙伴在公告中分享了他们的成果，其中大多数也侧重于速度。Octen AI 为智能眼镜构建搜索功能。“在智能眼镜上，需要五秒钟的回答感觉就像坏了，”创始人 Kuan Zou 说。他表示，搜索本身只花了约 80 毫秒，语言模型才是瓶颈。使用 Mercury 3 后，中位数响应时间为 0.9 秒。整个过程耗时 2.2 秒。

教育公司 General Learning 表示，现在能在约一秒内向学生提供提示和更正。客户服务提供商 Lorikeet 报告称响应时间更快，效果也更好。在 TinyFish AI，联合创始人 Shuhao Zhang 表示，他们给 Mercury 3 安排了真实网站上的 50 项导航任务。它解决了 25 项，击败了 GPT-6.1-Sol。Zhang 没有给出 OpenAI 模型的数字。

Mercury 3 低廉的发布定价可能难以持续

常规定价为每百万输入 Token 0.20 美元、每百万输出 Token 0.70 美元。Inception 在发布时将价格减半，但尚未说明折扣何时结束。折扣结束后，Mercury 3 的输出成本将高于 GPT-6 Luna 和 Claude Haiku 5.5，至少在较短输入下如此——这两者的定价均为 0.50 美元。不过，对于非常长的提示，这两家竞争对手的收费要高得多。Mercury 3 一次最多可处理 100 万个 Token。

该模型已在 Inception 自有平台以及 OpenRouter、Baseten 和 Vercel 上可用。它使用与 OpenAI 模型相同的 API，因此 Inception 表示开发者只需极少改动即可完成迁移。

今年 2 月，Inception 发布了Mercury 2，并称其为首个能在回答前通过中间步骤进行推理的扩散模型。在此之前，这家初创公司完成了5000 万美元的融资。投资方包括 NVentures、M12 和 Snowflake Ventures，它们分别是 Nvidia、Microsoft 和 Snowflake 的风险投资部门。

Google 也在研究同样的方法。在 Gemini Diffusion 演示之后，Google 于 6 月推出了开源模型 DiffusionGemma。Google 表示，其运行速度最高可达标准 Gemma 4 的四倍，但结果略差一些。

没有炒作的 AI 新闻 – 由人工精选

订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、每年六期的独家“AI Radar”前沿报告、完整档案访问权限以及评论区的访问权限。