扩散模型不玩 demo 了：Mercury 3 每秒吐 1068 个 token，还敢对标 GPT-6 Luna

扩散式 LLM 终于交出第一份“快且能打”的成绩单。Inception Labs 10 月 19 日发布 Mercury 3，官方数字很激进：NVIDIA GPU 上 1068 token/秒、1M 上下文，规模是 Mercury 1 的 40 倍以上（参数量没披露）。

基准测试部分要打引号：12 项里 8 项自报超过 GPT-6 Luna 和 Claude Haiku 5.5，比如 SWE-Bench Atlas 51.08（领先约 18 分）。但这是公司自出题自改卷（官方标注 “medium settings”），媒体已经在质疑——选型别拿这个当依据，等第三方实测。

另外两个关键信息：定价 $0.10/$0.35 每百万 token（发布价 5 折），只提供 API、无开源权重；已上线 OpenRouter、Baseten、Vercel。

独立分析：扩散 LLM 过去的形象一直是“快但不够聪明”，Mercury 3 第一次给出“规模上去速度不掉”的证据。如果属实，直接利好语音 agent、实时搜索 agent——这些场景里延迟是生死线，聪明但慢的模型反而没法用。同天发布的 MiniMax M3.1 Flash 也在打“速度档”，“速度优先”档已经成红海。对学员的实操启示：选 agent 底座模型，别只看榜单分数，先算“单任务总成本”——Mercury 这类快模型真正的战场是高频调用场景。

可信度分级：发布事实（时间/速度/上下文/定价/渠道）——官方新闻稿实锤；benchmark 成绩——公司自报，存疑，待第三方验证。