扩散模型正面刚自回归：Mercury 3 每秒 1068 token，官方宣称跑赢 GPT-6 Luna

自回归模型一统天下两年多之后，扩散路线终于拿出了一份像样的成绩单。Inception Labs 10 月 19 日发布 Mercury 3，一家公司口径很猛：质量对标 GPT-6 Luna 和 Claude Haiku 5.5，速度快 4 到 8 倍。

数字先摆出来

Mercury 3 是扩散大语言模型（dLLM）——别家模型一个 token 一个 token 往外蹦，它并行生成一大片。官方数据：在 NVIDIA GPU 上每秒 1068 token；上下文窗口从上一代 Mercury 2.5 的 26 万直接拉到 100 万 token；总参数量比 2025 年 6 月的 Mercury 1 大了 40 倍以上，速度却没掉。Inception 联合创始人 Stefano Ermon 的判断很明确：扩散模型的Scaling上限是算力和数据，“不是算法层面的根本障碍”。

价格也压得狠：列表价每百万 token 输入 0.20 美元、输出 0.70 美元，上线期间五折，缓存输入再打一折。API 与 OpenAI 兼容，换模型不用改代码，已经上了 Inception、OpenRouter、Baseten 和 Vercel 四个平台。

宣称和实锤要分开看

必须说明：跑赢 GPT-6 Luna 和 Haiku 5.5 的说法是公司自己的口径，发布里没有给第三方评测，具体基准名和分数都没列。能看到的实测例子是 Inception 用自家网页智能体跑 50 个真实 Mind2Web 导航任务，Mercury 3 完成 50%——合作方 TinyFish 称明显高于 GPT-6.1-Sol，且消耗的 token 数和步骤数相同。这类合作方数据，听个方向就好。

为什么这条路线值得盯

扩散模型的价值点非常具体：延迟敏感的场景。浏览器智能体每一步都要等模型回话、语音助手对首字延迟斤斤计较、实时搜索要求秒回——这些场景里 4 到 8 倍的速度差是真金白银。Ermon 还透露下一代模型已经开始训练。扩散能不能继续往上 scale，Mercury 3 是第一份像样的证据，第二份很快会来。