分母站得住，分子没人量过 (2026)

10 月 19 日，Inception 发布 Mercury 3，官方开头那句话就是它的定位：「在一个基准范围内超过 GPT-6 Luna 与 Claude Haiku 5.5，同时快 4–8 倍，每秒 1,000 个 token 以上」1。

这句话里，只有「4–8 倍」是一个可以拆的断言。它是一个分数：分母是两个对手的速度，分子是它自己的 1,068。这篇文章要做的，就是把这两个数分别拿去过一遍秤。

一、同一格读数，四代没离开千位

先把 Inception 自己给过的速度抄齐。四份材料，四个数：

Mercury 1 时期的 Coder Mini 是每秒 1,109 个 token，跑在 H100 上；Mercury 2 是 1,009，跑在 NVIDIA Blackwell 上；Mercury 2.5 是 1,107，「widely-available NVIDIA GPUs」；Mercury 3 是 1,068，「NVIDIA GPUs」——这一句没有交代是哪一代卡1 2 3。

二十个月，四代，参数量涨了四十倍，读数一直在 1,000 到 1,110 这条带子里。相对上一代，Mercury 3 低了 3.5%。

这既是它的证据，也是它的处境。证据的部分是：扩散模型的解码方式决定了速度不必跟着参数一起变慢，官方那句「more than 40x larger than Mercury 1 … but just as fast」在它自己的数字序列上成立1。处境的部分是：这条线已经平了二十个月，而它的对手还在往上走。

更麻烦的是，官方自己画的那张「智能 vs 规模」曲线，横轴的参数是相对量，纵轴的智能是十二个基准的平均，唯独速度那一栏是倍数——M1 是「约 5 倍快于 Gemini 2.0 Flash Lite」，M2「约 10 倍快于 Claude Haiku 4.5」，M2.5「约 10 倍快于 GPT-5.6 Luna」，M3「约 8 倍快于 GPT-6 Luna」1。倍数的分子几乎没动，分母在往上抬。这一点后面还会回来。

二、分母：两个对手的速度，第三方量过

官方对照表的第一行是速度：Mercury 3 是 1,068，GPT-6 Luna 约 130，Claude Haiku 5.5 约 240，三列都标着「Medium」推理档1。

这两个约数没有脚注，但可以核。Artificial Analysis 对同一批模型有中位输出速度的连续测量：GPT-6 Luna 在 Max 档是 122.9 token/秒，Claude Haiku 5.5 在 Max 档是 232.24。

对照下来，官方那两个数字与第三方差 3% 到 6%，方向与量级都对得上。所以分母这一块是站得住的——它没有把对手往慢了写。

顺带说明一件事：这两个第三方读数取自 Max 档，而官方表里的三列都取自 Medium 档。档位不同，不能直接相减，但用来判断「量级有没有离谱」，这个误差范围内是够的。

三、分子：1,068 没有被第三方复现过

同样的核法用在分子上，结论就不一样了。

Artificial Analysis 到今天还没有 Mercury 3 的页面。探测结果很干净：/models/mercury-3、/models/mercury-3-medium、/models/mercury-3-high 三个地址都返回 404，而同一批请求里 /models/gemini-3-pro、/models/claude-haiku-5-5、/models/gpt-6-luna 都是 200——站点正常，是这一个模型没收录。更能说明问题的对照是：同一个站收录了 Mercury 2.5 和 Mercury 2，200 都正常4。所以不是「不收录这家公司」，是「还没评到这一代」。

唯一在连续测它的是 OpenRouter。10 月 19 日 18:00（UTC）读到的数据是：过去三十分钟内 3,762 次请求，中位吞吐 282.5 token/秒，p75 是 200，p90 是 135，p99 是 425。

而且这家平台上只有一家 provider，就是 Inception 自己——provider_name 写的是 Inception，端点的内部名是 inception/mercury-3-20261019。所以 282.5 不是「别家托管得慢」，是它自家机器在真实流量下的中位数5。

1,068 与 282.5 之间是 3.8 倍。这个差不能直接判成造假，因为两者量的不是同一件事：官方的四位数是「在一块或一组 GPU 上跑一条流」，平台的数字含长 prompt、工具调用、排队与并发。但有一点可以说清：把分子换成第三方的实测，官方的「4–8 倍」就变成 1.2 到 2.3 倍——282.5 对 Haiku 5.5 的 232.2 是 1.2 倍，对 Luna 的 122.9 是 2.3 倍4 5。

分布这一段比中位数更值得看。p90 是 135，意思是九成的请求跑不到 135 token/秒——而 135 正好是它拿来对照的那个对手的速度。p99 是 42，最慢的那一成，比绝大多数自回归模型在普通云上的表现还要慢。也就是说，这条曲线在真实负载下的上半段，并没有兑现成「四到八倍」。

有一条对比可以说明这不是「尺子测不出快」。同一支尺子给 Celeris-1 量到 1,521 token/秒，给 K2 Horizon 375B A23B 量到 1,104——两家都在四位数上，工具本身没有天花板4。Celeris 是今年 7 月另一家做扩散模型的公司的产品，官方稿称 1,664、第三方量到 1,521，回收率 92%；Inception 上一代 Mercury 2.5 官方写 1,107、同一支尺子量到 706，回收率 64%；到了 OpenRouter 这一支，Mercury 3 的回收率是 26%2 4 5 6。

三支尺子，三个回收率。所以这一格该记的不是「快」或「不快」，而是「谁量的」。

四、机制：为什么四位数在原理上说得通

Inception 的技术主张值得单独说，因为它不是营销话术。

自回归模型一次前向出一个 token，输出越长，等待越久，速度与长度绑死。扩散模型的解码是另一个形状：先生成一整块草稿，再迭代若干次去噪收敛，每次迭代覆盖整块。这意味着单位时间产出的字数与输出总长度不是线性关系1。

官方的 API 文档里有一个 diffusing 参数，但它不改变解码方式——文档写得很清楚，它只是把中间的去噪步骤回放出来，供人观察模型如何一步步把噪声修成文本7。所以看到「扩散模式」这个词，不要理解成另一条推理路径。

真正在工程上有意义的，是它对「长度」的解耦。这解释了为什么参数量涨四十倍、读数还能待在千位：扩散的解码步数由采样设定决定，不随参数同比例增长。这也是 Inception 敢把「diffusion scales」做成标题的原因1。

但同一件事也是它的天花板。速度这一格二十年没动（按它自己的序列），意味着这条路线当前卖的不是「越来越快」，而是「在同样的快里，越来越聪明」。官方给的另一个数字印证了这一点：从 Mercury 1（mini）到 Mercury 3，智能涨了约三倍1。

对做产品的人，这个区别很实际：如果你要的是「比别人快一个数量级」，今天的数字不支持；如果你要的是「在千位速度上有一个够用的模型」，它成立，而代价在下面两节。

五、十二格：赢八输四，输的那格最要紧

官方对照表有十二项，三列都是 Medium 档。Mercury 3 领先八项，落后四项1。

领先的八项里有几处差距很大：IFBench 76.84 对 61.82 与 54.65；τ³-bench Banking 30.24 对 23.00 与 13.06；DeepSearchQA 71.33 对 60.00 与 65.22；BrowseComp+ 55.18 对 50.50 与 45.78。浏览类任务上的优势尤其明显。

落后的四项是：AA-Omniscience 46.44 对 Luna 的 46.94；AA-LCR v1.1 77.67 对 Luna 的 78.30；MRCR v2 75.50 对 Haiku 5.5 的 78.40；DeepSWE v1 46.31 对 Haiku 5.5 的 51.62。

前两项差得很少，可以当平手看。后两项差得不少，而且都落在它主推的场景里：长上下文召回，和 agentic coding。

尤其 DeepSWE。这一项测的不是补全一行代码，是在多文件仓库里改对一处逻辑，正是「coding subagent」这个卖点对应的能力。这一格上，赢的是一张 $0.10/$0.50 价目表上最便宜的那一档。

对照表外还有一项官方说法：在 50 道 Mind2Web 导航任务上完成了 50%，「显著多于 GPT-6.1-Sol」1。这句话有两个问题——没有给对手的具体数字，而比对的对象是 GPT-6.1-Sol，不是表里的那两个模型。于是这一条既不能证伪也不能证实，只能记作厂商自述。

社区当日也盯住了档位这件事。Hacker News 上一条评论问：「为什么基准用 medium？我没见过多少人在便宜模型上用 medium 以外的档位」8；X 上一条回复更直接：「说『超过 Claude Haiku 5.5』却只比 medium 档，相当误导」9。

这个批评在方法上不完全成立——三列都是 medium，至少是同档对比。但它指向一个真问题：Haiku 5.5 是 Haiku 系列里第一个 effort 可调的模型，按平台描述它的思考默认开着10；Mercury 3 的默认档位则是 low11。默认值不同，两个模型在真实产品里的表现，未必等于表上的那一行。

六、价签上有两个时间

先说数字。

Mercury 3 的标价是每百万 token 输入 $0.20、输出 $0.70。上市期五折：$0.10 / $0.35，缓存输入 $0.0112。两个对照模型都是 $0.10 / $0.50，且都是标准价，不是促销价13 14。

所以按标价算，Mercury 3 的输入是同价带的两倍，输出贵四成；按五折算，输入打平、输出便宜三成。官方博文的对照表里，价格那一栏写的是 $0.10 / $0.35——也就是五折价1。

促销本身不是问题，问题是它没有截止日。文档、官网模型页、平台三处都写了「50% off」，都没有写哪一天结束。上一代 Mercury 2.5 上市时是八折（$0.04 / $0.15）2。同一个公司，两次发布的折扣从八折收到五折；标价则从 $0.20 / $0.75 变成 $0.20 / $0.70，输出降了 6.7%。

还有一层结构性差异容易被价目表抹掉：两个对手都在长 prompt 上跳价。GPT-6 Luna 的输入超过 27.2 万 token 时整单跳到 $0.20 / $0.75；Claude Haiku 5.5 的 prompt 超过 10 万时整单跳到 $0.50 / $2.50——五倍，而且它是 Anthropic 现行模型里唯一不享受「1M 内统一标准价」的例外13 14。

Mercury 3 不分段，1M 上下文内一个价。

于是同一个模型，在不同的负载上给出相反的结论：10 万 token 以下的短 prompt，它的标价是对手的两倍；27 万以上的长 prompt，它和 Luna 打平输入，比 Haiku 便宜一半。把这两个结论压成一句「它更贵」或「它更便宜」，都是错的。

七、有效期：三个日期

这套材料里最容易漏掉的是日期。

第一个日期是发布日。 官方博文与 X 帖都落在 10 月 19 日；但 OpenRouter 把同一个模型的上架日记在 10 月 16 日（created 时间戳 1792158337），Vercel 的网关写 10 月 19 日5 15。同一件事三个渠道三个日期，说明这一代在正式发布前已经静默上线了几天。

第二个日期是上一代的死期。 官网模型页底部有一行脚注：Mercury 2 与 Mercury 2.5 已不再对新用户开放，在 2026 年 10 月 19 日之前有使用记录的客户可以继续用到 11 月 15 日，企业客户按合同另行安排16。

Mercury 2.5 是 9 月 8 日发布的2 4。从发布到停止新用户使用，六个星期；从新一代发布到上一代彻底下线，二十七天。

第三个日期是空的。 五折哪天结束，没有人写。

对一个要在生产里用它的团队，这三个日期的排序应该反过来：先问 11 月 15 日之后我的代码指向哪一代，再问折扣什么时候结束、结束之后账单变成多少，最后才问它多快。

八、额度：速度换成并发

官方速率限制页给的是每分钟的请求数、输入 token 与输出 token：免费档 1,000 次请求 / 100 万输入 / 10 万输出，按量档 3,000 次 / 300 万 / 30 万，企业档按合同17。

把输出额度除以 60 再除以 1,068，得到的是：免费档大约 1.5 条、按量档大约 4.7 条全速流。这是推导值，不是官方数字，但它说明一件事——1,068 是单条流的速度，你能同时跑几条，由每分钟的输出预算决定，不由那个数字决定。

对语音这类短回合的应用，这个天花板很远；对一个持续产出长文本的 agent 集群，它比速度更早成为瓶颈。

另外几条工程约束顺手记下：温度只能取 0.5 到 1.0，越界会被静默重置；没有 seed 参数，不保证逐位可复现；没有微调接口；没有 embedding 端点；上下文缓存自动生效，但官方不提供 TTL，也不提供失效与检查的办法；数据保留政策「按个案商定」18。企业部署支持专属容量、自动伸缩、合规控制与可配置的数据保留，可走自有 API、AWS Bedrock 与 Azure Foundry19。

九、外部世界当天知道什么

发布后一小时内，英文一线媒体没有一家发稿。TechCrunch、The Verge、Ars Technica、CNBC、FT、Bloomberg、The Register 的 RSS 逐条检索，均无 Mercury 3 或 Inception 的条目；Reuters 与 VentureBeat 被反爬挡在门外，无法判定1。

真正在传播的是通稿。Business Wire 在 16:48（UTC）发出《Inception Launches Mercury 3》，Morningstar 转载页明确标注未经审核；通稿写的速度是「more than 1,000 tokens per second on widely available NVIDIA GPUs」——和博文的 1,068 不是同一个精度20。

时间线因此是这样的：16:42 创始人 Stefano Ermon 发推，16:48 通稿上线，16:54 OpenRouter 发推，17:22 Reddit 出现帖子，17:27 Hacker News 提交，17:37 官方账号发帖。四万七千次浏览、六十三个 HN 分数、四十一个 Reddit 分数——被看见了，但没有被验证。

中文侧只有一篇，来自网易号自媒体，正文骨架是 Vercel 的接入文档，速度与基准一律写作「按照 Inception 公布的说法」，唯一一句保留是「这些基准成绩在实际负载中能兑现多少，还要看开发者把它放进真实系统后的表现」21。

Reddit 上唯一一条实质反驳，也不是关于速度，而是关于价格：「没有订阅的话，它比 Haiku 或 Luna 贵多了」22。这条与第 6 节的算式对得上——按标价，它确实更贵。