Mercury 3：模型第一次不用一个字一个字写 (2026)

十月十九号，一家叫 Inception 的初创公司发布了 Mercury 3。它自称每秒能写一千零六十八个 token，是 OpenAI 的 GPT-6 Luna 和 Anthropic 的 Claude Haiku 5.5 的四到八倍，质量却不相上下。1 快并不是这一期真正要说的事。过去两年，扩散语言模型（diffusion LLM）的名声一直是“很快，但笨”，只能做小而快的活；而这一次，Inception 说他们把总参数做到第一代的四十多倍，综合智能涨了三倍，吞吐还留在一千以上。1 如果这句话成立，那么文字生成不必再一个字一个字地写，规模定律也不必只属于自回归模型。

为什么它能不等上一个字。 现在几乎所有大模型都是自回归的：一个字一个字往外吐，每个字都要等前一个字算完，一句话一千个 token 就是一千次排队。扩散模型换了个做法——先摊开一整段答案的草稿，再一遍一遍通读，每一遍同时改很多位置，几轮之后收敛。图像能这么做是因为像素连续、可以加噪；文字是一堆离散的词，糊不了，所以早年的办法是先把整段盖成空格，再让它一起填回去，填得动但填不准，只在小模型上跑得通。这次的赌注就是把这套“盖了再填”放大四十倍，看质量还守不守得住。2

厂商自报的那张表，和它藏起来的前提。 十二项基准里，Mercury 3 赢了八项，另外四项没赢。赢得最多的是智能体编码基准 SWE-Bench Atlas，五十一分，两个对手都在三十三分上下；细粒度指令的 IFBench 是七十六点八，比 Luna 高十五分；通用知识题八十九点二。输掉的是长上下文检索的 MRCR v2（七十五点五，Haiku 是七十八点四）和长链编码的 DeepSWE v1（四十六点三，Haiku 五十一点六）。2 读这张表要先看两个前提：它挑的对手不是最强那一档，是两家的小模型；以及整张表由厂商自己跑、统一用中档设置、对手分数也由他们自己标。1

第三方只测到了这一步。 截至发稿，独立的综合评测榜上还没有 Mercury 3 的分数，它的输出速度也没有被第三方测过——每秒一千零六十八，是厂商在自家显卡上量出来的。3 能查到的独立材料只有一家媒体的手测：八次调用共花四分钱。4 这轮手测里，它守得住大方向、守不住小约束——要求正好两百五十个词、限两个说话角色、只在一间屋子里，它写了两百七十四个词，场景也跑到了屋子外面；面对一个虚构的 1987 年 NASA 任务，它识破了假前提，却顺手补了一句“1986 到 1988 年没有别的航天飞机发射”，这句是错的。数学题和编码反而漂亮：咖啡店的毛利、月节省、净收益都算对，还自己给了盈亏平衡点；让它写一个单文件的网页小游戏，两千次随机生成地图，房间数、连通性和初始位置零失败。4

快买到了什么，代价在哪里。 一次五百个 token 的回答，按对手每秒一百三要将近四秒，它半秒；二十步的智能体任务，光这一项就差一分多钟。但省的是时间，不是钱：它输出每百万 token 收 0.70 美元，比 Haiku 5.5 和 Luna 的 0.50 都贵；现在上线半价（输入 0.10／输出 0.35），促销一停就比对手贵四成。2 两条硬限制：它只吃文字，不接受图片和视频；权重不公开，下载不到本地。3 还有一个数它没公布——首字延迟。而语音客服和实时搜索里，用户等的恰恰是第一句。

对你手上的活，这意味着什么。 做开发的人，现在是一个便宜的试跑窗口：半价、新账号送一亿 token、接口与 OpenAI 兼容，改一行地址就能接上。1 试的时候别只跑一遍：同一个提示跑十次，把字数、格式、禁用词写进验收，因为它的短板正是悄悄越界一步。做产品的人，可以把“每秒多少 token”从参数表里挪出来，换成三个问题——第一句话多久出来、失败一次多贵、这个任务从头到尾要多久；流式输出按“一个字一个字追加”写的前端，也要跟着改。4 做内容的人接下来会看到一批“每秒一千字”的宣传，要问的只有两句：跟谁比，谁测的。

能自己核的，和还不能核的。 能核的是发布、价格、上下文、它只吃文字、它不开权重；不能核的是它在长任务里稳不稳，以及每秒一千零六十八在别的链路上还剩多少——这要等第三方把它跑旧。5 在它被独立评测之前，你自己那套题就是唯一的独立评测。