2026 年 10 月 21 日——Inception 于 10 月 19 日发布扩散语言模型 Mercury 3。官方博客称，该模型在多项基准上超过 GPT-6 Luna 与 Claude Haiku 5.5，速度为二者的 4 至 8 倍，在英伟达 GPU 上每秒输出 1068 个 token；上下文窗口由 Mercury 2.5 的 26 万 token 扩至 100 万。标准价格为每百万 token 输入 0.20 美元、输出 0.70 美元，上线优惠减半至 0.10 美元与 0.35 美元。
官方博客称，Mercury 3 的总参数超过 Mercury 1 的 40 倍，一组标准基准上的成绩约为 Mercury 1（mini）的 3 倍，速度仍在每秒 1000 token 以上。模型可通过 Inception API 调用，博客同时称已接入 OpenRouter、Baseten 与 Vercel，接口兼容 OpenAI API。API 文档将工具调用与结构化输出列为 Mercury 3 的功能；官方模型页写明，新建 API Key 附带 1 亿 token 免费额度。
规格与生成方式
Mercury 3 是 Inception 的扩散语言模型，官方称 dLLM。官网说明，这类模型用由粗到细的扩散过程并行生成多个 token，而不是像自回归模型那样逐 token 解码。API 文档对 Mercury 3 的流式输出作了对应说明：流式接口按块返回，一块是解码过程中吐出的一段已精炼文本，而不是一次一个 token；打开扩散模式后，可以看到带噪声的中间文本被逐步去噪为最终答案。
文档与博客给出的规格如下。绝对参数量未披露。每秒 1068 token 来自官方博客与模型页，两处都未写明 GPU 型号。
| 项目 | Mercury 3 | Mercury 2.5 |
|---|---|---|
| 上下文 | 100 万 token | 26 万 token |
| 最大输出 | 131072 token | 65536 token |
| 官方速度 | 每秒 1068 token（英伟达 GPU） | 每秒 1107 token（英伟达 GPU，2.5 发布说明） |
| 推理档位 | instant、low、medium、high，缺省 low | 同四档，缺省 medium |
| 温度 | 0.5 至 1.0 | — |
| 功能 | 工具调用、结构化输出 | 工具调用、结构化输出 |
| 接口 | v1/chat/completions，模型名 mercury-3 |
v1/chat/completions |
工具调用文档写明，Mercury 3 在对话补全接口上支持与 OpenAI 兼容的工具调用，包括并行工具调用：需要调用函数时，模型返回一个或多个带 JSON 参数的 tool_calls，由调用方执行后再把结果送回。文档的「支持格式」列对 Mercury 3 标为 Text，功能列另行列出工具调用与结构化输出。
价格与获取方式
价格以官方文档模型表为准，单位为美元/百万 token。右侧为上线优惠价。官方写明上线期间五折，未给出截止日期。缓存输入标价约为对应输入价的一成，与博客「缓存 token 较输入价优惠 90%」一致。
| 项目 | 标价 | 上线优惠价 |
|---|---|---|
| 输入 | 0.20 | 0.10 |
| 缓存输入 | 0.02 | 0.01 |
| 输出 | 0.70 | 0.35 |
文档中的 Mercury 2.5 仍为输入 0.20 美元、缓存输入 0.02 美元、输出 0.75 美元每百万 token，没有五折标注。Mercury 2 为输入 0.25 美元、缓存输入 0.025 美元、输出 0.75 美元。
模型页写明，新建 API Key 附带 1 亿 token 免费额度，免费方案可使用全部模型；开发者方案按量计费；企业方案包含自定义速率限制、服务等级协议、安全与隐私选项，以及按用量议价。接口地址为 https://api.inceptionlabs.ai/v1/chat/completions，模型页称可通过 AISuite、LiteLLM 与 LangChain 调用，聊天入口为 chat.inceptionlabs.ai。官方博客称，Mercury 3 还可在 OpenRouter、Baseten 与 Vercel 使用，企业部署支持专属容量、自动扩缩、合规控制与可配置的数据保留期限。
官方评测口径
官方博客称，Mercury 3 在多项基准上超过 GPT-6 Luna 与 Claude Haiku 5.5，并以 4 至 8 倍的速度运行。模型页的表述更窄：质量与 GPT-6 Luna（medium）、Claude Haiku 5.5（medium）相当；同页另写扩散模型具备 5 倍速度，未点名这 5 倍的对照对象。两处都是官方文本，博客没有附逐项分数。
博客中可核对的任务数字来自官方自测：在自有网页智能体框架里、对 50 项 Mind2Web 在线导航任务，Mercury 3 完成 50%，官方称显著高于 GPT-6.1-Sol；token 用量和智能体步数与对照的前沿模型相同，单 token 成本只占该前沿模型的一小部分。早期使用场景包括语音与文字客服、实时辅导、数据工程和网页导航。完成率与场景描述均出自官方博客，截至发稿未见独立复现。
每秒 1068 token、相对 GPT-6 Luna 与 Claude Haiku 5.5 快 4 至 8 倍，都是官方口径。公告没有说明测试用的 GPU 型号、输出长度，以及对照模型的推理档位是否与 Mercury 3 对齐。
旧模型停用安排
模型页注明，Mercury 2 与 Mercury 2.5 不再向新用户开放。2026 年 10 月 19 日前已有调用量的存量客户可继续用到 2026 年 11 月 15 日，企业客户按原有协议获得支持。Mercury 2.5 于 2026 年 9 月 8 日发布，当时官方给出的上下文为 26 万 token、速度为每秒 1107 token，并已包含可调推理、并行工具调用和符合 schema 的 JSON 输出。
举手提问