扩散语言模型不再只是快：Mercury 3 参数扩40倍，千token每秒下质量追平前沿速度模型
核心概要
扩散式语言模型能否在复杂任务上与自回归模型竞争，此前一直是开放问题。Inception 发布的 Mercury 3 把参数规模扩大到 Mercury 1 的40倍以上，在 NVIDIA GPU 上以每秒1,068个token运行，官方称其在多项基准上与 GPT-6 Luna、Claude Haiku 5.5 持平或更好，速度快4至8倍。在50个 Mind2Web 实时导航任务中，它完成50%，明显多于 GPT-6.1-Sol，且token用量与智能体步数相同。
深度剖析
扩散式语言模型被推到可与前沿速度优化模型同台比较的规模，同时保持每秒千token级的生成速度。 Mercury 1 曾证明扩散语言模型可用于商业应用，但能否扩展到复杂用例与自回归模型竞争仍是开放问题。 官方称 Mercury 3 在多项基准上优于 GPT-6 Luna 与 Claude Haiku 5.5，并在 NVIDIA GPU 上达到每秒1,068个token，比这两者快4至8倍。
速度优势被放进真实智能体流程里检验，而不只是单次生成计时。 智能体在每一步都要等待模型返回，小延迟会快速累积。 在生产级网页智能体环境中跑50个 Mind2Web 实时导航任务，Mercury 3 完成50%，明显多于 GPT-6.1-Sol，token量与智能体步数相同，单token成本更低。
实现方式是继续沿扩散路线扩大模型，而不是改用自回归解码。 此前扩散语言模型多停留在小规模验证，规模与智能是否同步增长缺乏证据。 总参数扩大40倍以上，从 Mercury 1（mini）到 Mercury 3 在多项标准基准上的智能水平提升3倍，官方称驱动自回归模型进步的缩放规律在扩散模型上同样成立。
启示与展望
报道范围限于 Inception 发布的 Mercury 3 及其官方给出的基准、生产智能体测试和早期合作伙伴反馈。适用读者是关注实时推理与智能体部署的研究人员和工程师，关注点在速度、质量与上下文长度的组合。官方给出的下一步入口是 API 平台与100百万免费token的试用，以及面向企业的负载适配评估。
官方称缩放规律在扩散模型上同样成立，但这一判断建立在自身基准与3倍智能提升的表述上。生产智能体测试只覆盖50个 Mind2Web 导航任务，完成率为50%。合作伙伴反馈为早期测试与生产观察，未给出统一评测口径。