Inception 的 Mercury 3 以每秒 1,068 个代币的速度削弱了速度优化前沿

Inception Labs 的 Mercury 3 于 2026 年 10 月 19 日发布，在 NVIDIA GPU 上每秒处理 1,068 个令牌，建立了新的性能基准，使现有的快速廉价的前沿模型层变得过时。通过利用基于扩散的架构，该模型通过去噪过程并行生成令牌，而不是现有者使用的顺序自回归方法。这种架构转变使 Inception Labs 报告的速度比同类前沿模型快 4-8 倍，尽管这些性能指标和基准测试结果（包括声称其性能优于 GPT-6 Luna 和 Claude Haiku 5.5）仍由供应商报告。

Mercury 3 的定价结构同样激进。按照每百万输入代币 0.20 美元和每百万输出代币 0.70 美元的标准费率，目前的启动定价分别为 0.10 美元和 0.35 美元，该模型迫使对推理定价下限进行重新评估。与我们之前对每次调用定价动态分析中绘制的情况相比，GPT-5.6 Sol 等模型每百万代币的价格为 5 美元/30 美元，而 Sonnet 5.5 的价格为 2/10 美元，Mercury 3 引入的成本压缩是显而易见的。该模型还为缓存令牌提供 90% 的折扣，进一步激励大容量、重复的代理工作流程。

快速廉价层以前由 GPT-6 Luna 和 Haiku 5.5 等模型占据，其建立的假设是速度和成本是较低参数数量或降低推理能力的权衡。 Mercury 3 打破了这一现状，与前身 Mercury 1 相比，总参数增加了 40 倍，同时在价格和速度上低于现有产品。这给那些将较小模型定位为高吞吐量代理基础设施默认模型的提供商带来了结构性问题。

市场现实是，建设者和运营商不再需要在智能和延迟之间进行选择。这种转变的实际效用已经在生产环境中得到测试。在供应商报告的浏览器使用测试中，Mercury 3 完成了 50 个实时 Mind2Web 导航任务中的 50%，Inception Labs 报告的性能水平明显高于 GPT-6.1-Sol。凭借 100 万个代币的上下文窗口以及跨主要平台（包括 Inception API、OpenRouter、Baseten 和 Vercel）的可用性，部署这些代理功能的进入门槛已大大降低。

由于扩散架构使得快速廉价层变得过时，推理定价底线正在崩溃。情报成本与计算成本脱钩。随着扩散模型保持这一轨迹，市场正在不再为速度优化的自回归模型支付溢价。该行业现在被迫在这样的环境中运营：底线不仅被降低，而且还被从根本上重新设计。

验证说明：本文中引用的所有基准声明和性能指标均由 Inception Labs 供应商报告。定价数据已根据 Inception 博客文章和 OpenRouter 列表进行验证。