北京
硅基观点｜扩散大模型终于“长大”了：Mercury 3 以 1000+ tokens/秒碾压速度天花板，开启 AI 推理新范式
diffusion扩散模型并不是新事物，几乎所有的图片和视频模型底层框架就是该技术！与LLM大语言模型所用的Transformer自回归架构，只能逐个生成token相比，扩散模型架构可以同时生成大量token！
由此，扩散模型技术的效率极高，有望大幅降低大模型成本，实现 token自由免费
日前，斯坦福 AI 教授、扩散模型核心贡献者 Stefano Ermon（@StefanoErmon）在 X 上连发四条推文，正式官宣 Mercury 3 发布。
这不是一次普通的模型迭代。
这是扩散语言模型（Diffusion LLM）第一次真正意义上证明：规模可以涨、智力可以涨，速度却几乎不掉。
事件详细回顾
2026 年 10 月 19 日，Inception Labs（由 Stefano Ermon 联合创立）发布了旗舰扩散大模型 Mercury 3。
官方核心数据拉满：
- 速度：在 NVIDIA GPU 上实测 1068 tokens/秒，比 GPT-6 Luna 和 Claude Haiku 5.5 快 4-8 倍
- 质量：在多项基准上 优于或持平 GPT-6 Luna 与 Haiku 5.5
- 规模：参数量是 Mercury 1 的 40 倍以上，智力综合指标提升约 3 倍，速度却基本持平
- 上下文：从 Mercury 2.5 的 26 万直接拉到 100 万 tokens
- 价格：正式价 $0.20 / $0.70（输入/输出百万 tokens），上线即 五折——$0.10 / $0.35，缓存命中再便宜 90%
已接入 Inception 官方 API、OpenRouter、Baseten、Vercel，OpenAI 兼容接口，改个 base_url 就能直接用。早期合作伙伴包括 TinyFish、Lorikeet、RevisionDojo、Bauplan、OctenAI、Croux 等，已经在代码审查、实时教育、浏览器 Agent、语音客服等场景落地。
为什么这事儿重要？
传统自回归大模型（GPT、Claude、Gemini 们）是“一个字一个字往外蹦”。
扩散模型则完全不同——它先扔出一整段“噪声草稿”，然后并行地一轮一轮“去噪精修”，最终一次性把完整答案定型。
这就像：
自回归是“手写一笔一画”，
扩散是“先画个草图，再集体修改润色”。
之前业界最大的质疑是：扩散语言模型能不能规模化？
能不能在参数量暴涨后，依然保持极致速度优势？
Mercury 3 用实际行动给出了回答：可以。而且优势还在放大。
当智力提升 3 倍、参数涨 40 倍，速度几乎不掉——这意味着扩散路线真正打开了一条“智力与延迟解耦”的新路径。未来模型可以继续变聪明，却不必再让用户多等几秒甚至几十秒。
硅基观点
- 速度才是 Agent 时代的真正护城河
在语音交互、实时导航、代码补全、浏览器操作这些场景里，延迟直接决定体验生死。Mercury 3 把“又快又聪明”从口号变成了可落地的产品形态。 - 扩散路线从“实验”正式进入“规模验证”阶段
从 Mercury 1 到 Mercury 3，Inception 用两年时间完成了从“证明可行”到“证明可扩展”的跨越。这可能是 2026 年 AI 架构层面最重要的信号之一。 - 价格战与效率战同步打响
上线五折 + 超高吞吐，直接把成本压到极低。对于高频调用的企业级应用来说，这已经不是“备选”，而是“必选项”级别的诱惑。
当然，也有冷静的声音：复杂长链推理、深度工具调用上，扩散模型目前仍可能输给顶尖自回归模型。但这不妨碍它在“高并发、低延迟、中高智力”的黄金区间里迅速占领市场。
一句话总结：
自回归模型还在卷“下一个 token 预测得更准”，扩散模型已经在卷“整段答案同时修得更快”。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
