10 月 19 日,Inception 放出 Mercury 3。这家公司两年前用 Mercury 1 证明过一件事:文本也能像画图那样"扩散"着生成。当时没人把它当正经对手——参数量小、只能干些轻活。这次不一样,Mercury 3 的参数规模是 Mercury 1 的 40 倍以上,官方说智力涨了 3 倍,速度却没掉。
真正让人停下来看的是三个数字:1,068 tok/s、100 万 token 上下文、每百万 token $0.20 输入 / $0.70 输出,而且首发直接打五折。放在 10 月这张价目表里,这是第一个"又快又便宜、还能写代码"的非自回归模型。
但发布页的数字和你实际拿到的数字,中间隔着一条读入瓶颈。这篇只回答三个问题:它到底是什么、账怎么算、你该不该接。
一、它到底是什么:换掉的不是尺寸,是写法
- 主流模型是一个字一个字往外挤。Claude、GPT、DeepSeek 都是自回归:第 100 个 token 必须等第 99 个写完。所以速度上限基本锁在硬件带宽上,想快只能变小、变笨。
- Mercury 3 是先起草一整块,再回头改。它一次并行生成一片文本,然后像修图一样迭代几轮:哪句不对就整块重写。这解释了为什么它能把参数堆到 40 倍还保持速度——并行度换来的时间,被拿去换参数了。
- 上下文从 26 万涨到 100 万。上一代 Mercury 2.5 是 260K,Mercury 3 翻了近四倍,和 GPT-6 Luna、Claude Haiku 5.5 的 105 万基本同一档。
- 输入输出都只有文本。没有图像输入,也没有图像生成;官方的说法是多模态还在内部原型阶段。
一句话定位:它是"执行层"模型——任务已经被拆好、验收标准清楚、需要模型在一秒内给出下一步的那类活。不是拿来跟 Opus 5.5、GPT-6 Astra 抢旗舰位置的。
二、传闻与实锤:五条得先分清
| 流传的说法 | 判定 | 实际情况 |
|---|---|---|
| “1,068 tok/s” | 半对 | 这是 Inception 在自家 NVIDIA GPU 上量到的数字。OpenRouter 线上 P50 是 247 tok/s、延迟 0.87 秒;bito.ai 拿真实编码会话测,中位 198 tok/s、峰值 512 |
| “跑分赢 GPT-6 Luna 和 Haiku 5.5” | 自家口径 | 发布页 12 项里赢 10 项,但全是自测。截至 10 月 21 日,Artificial Analysis 的模型库里还没有 Mercury 3 的条目 |
| “开源、可以自己部署” | 错 | 闭源。权重不放,参数量也不公布,只能走 Inception API、OpenRouter、Baseten、Vercel 四家托管 |
| “半价” | 真,但没期限 | 挂牌 $0.20/$0.70,首发 $0.10/$0.35,缓存读取 $0.02 → $0.01。官方页面只写 50% OFF,没给结束日期 |
| “比 Luna 便宜” | 只在折扣期 | 挂牌输出价 $0.70,比 Luna 和 Haiku 5.5 的 $0.50 贵 40%;输入价也是两倍 |
还有一条和钱包直接相关:Mercury 2 和 2.5 已经不卖给新用户了。10 月 19 日之前有使用记录的老客户能用到 11 月 15 日,之后要么迁到 Mercury 3,要么换别家。如果你两三个月前接过 Mercury 2 做压缩或改写,迁移窗口只剩三周多。
三、价格横评:它的便宜有保质期
每百万 token 美元价,括号内是首发促销价:
| 模型 | 输入 | 输出 | 缓存读取 | 备注 |
|---|---|---|---|---|
| Mercury 3 | 0.20(0.10) | 0.70(0.35) | 0.02(0.01) | 100 万上下文,单一价,无长上下文加价 |
| Claude Haiku 5.5 | 0.10 | 0.50 | 0.01 | 超 10 万 token 涨到 0.50 / 2.50 |
| GPT-6 Luna | 0.10 | 0.50 | 0.01 | 超 27.2 万 token 涨到 0.20 / 0.75 |
| DeepSeek V4.1 Flash 1017 | 0.30 | 1.20 | 0.006 | 谷时全部对折 |
| MiniMax M3.1 Flash | 0.15 | 0.60 | 0.015 | 权重 10 月 23 日放,OpenRouter 限时免费 |
| Gemini 4 Argon | 2.00 | 10.00 | — | 12 月 1 日起回到 4 / 20 |
同一份活,六种账单。 假设你有个客服 / 搜索 Agent:每次请求带 4 万 token 上下文、写 700 token,一天 5,000 次,一个月就是 6,000 百万输入 + 105 百万输出:
| 方案 | 月账 |
|---|---|
| Mercury 3(首发价) | $637 |
| GPT-6 Luna / Haiku 5.5 | $653 |
| Mercury 3(挂牌价) | $1,274 |
| DeepSeek V4.1 Flash(谷时) | $963 |
| MiniMax M3.1 Flash | $963 |
| DeepSeek V4.1 Flash(峰时) | $1,926 |
| Gemini 4 Argon | $13,050 |
三个不能跳过的结论:
- 半价期它只便宜 2.5%,因为这类活的开销压倒性在输入,而输入价它并没有优势。折扣一停,它立刻变成同档最贵。
- 缓存是它最弱的一项。缓存读取 $0.02,是 Luna 和 Haiku 的两倍。同样 70% 命中率重算上面那张单:Mercury 3 挂牌价 $518、首发价 $259,而 Luna / Haiku 是 $275。也就是说,长系统提示、固定知识库这类"大部分输入都能命中缓存"的场景,它打完折才勉强追平对手的原价。
- 100 万上下文不分段加价是真优势。Haiku 5.5 过了 10 万就涨五倍,Luna 过了 27.2 万翻倍。你把一份 30 万 token 的代码库丢进去反复问,Mercury 3 按原价算,这两家要加价。这一项的价值比单价差大得多。
四、速度什么时候才值钱
扩散模型加速的是写,不是读。这一点决定了它在 Agent 里到底能省多少。
- 每一次工具调用都要重读全部上下文。编码 Agent 的一轮请求经常带 5 万到 15 万 token,模型得先把这些读完才能开口。写入再快,读入那一段省不掉。bito.ai 的实测很能说明问题:同样一段自主编码,Mercury 3 用了 5.8 分钟,Claude Opus 5.5 用了 17.2 分钟,快了三倍,但离发布页的"4 到 8 倍"还差一截。
- 输出越长,优势越明显。官方联合创始人的说法是,推理模型想得越久,并行起草省下的时间越多。短问答里你几乎感觉不到差别,一次写两千字的需求文档才看得出来。
- 流式是按块推的,不是逐字。Inception 的流式文档写明响应分块返回——屏幕上会安静一会儿,然后突然冒出整句。如果你的前端默认"来一段就 append 一段",接上去不会报错,但会看到文字跳。发布当天的讨论里也有人抱怨首字延迟偏高,这跟"tok/s 很高"并不矛盾:吞吐讲的是写完多快,不是多久看到第一个字。
- 质量换速度的边界很清楚。bito.ai 的一轮编码测试里,单次问答 76%,Haiku 5.5 是 79%,差距不大;但长多轮只有 65%,Sonnet 5.5 是 77%、Opus 5.5 是 87%。差了 12 到 22 个百分点。The Neuron 的试用结论类似:写作和中等难度编码够用,精度和"自信地讲错"仍是毛边。
五、怎么用起来:四步,十分钟
- 拿 key。注册 Inception 平台账号,在 API Keys 页面建一个,新 key 自带 1 亿免费 token。按首发价折算,全走输出约值 $35,全走输入约值 $10。
- 改一行 base URL。端点是
https://api.inceptionlabs.ai/v1/chat/completions,模型名mercury-3,OpenAI 兼容。LangChain、LiteLLM、AISuite 都能直接指过去;不想自己接,OpenRouter、Baseten、Vercel 三家已经上架,换个 slug 就行。 - 显式写推理档位。文档里分 instant、low、medium、high 四档。第三方核对文档后指出
mercury-3不指定档位时默认走 low,而发布页的跑分是在 medium 档跑的——照默认设置复现,数字一定对不上。要比质量,先写死reasoning_effort: "medium"。 - 结构化输出必须自己校验。JSON Schema 模式是支持的,但 OpenRouter 的线上统计里结构化输出错误率有 2.51%、工具调用错误率 0.58%。下游要直接消费的字段,加一层 schema 校验再入库。
两个容易踩的坑:温度最低只能设 0.5,靠 temperature: 0 做确定性抽取的流水线要改设计(要么换 Mercury Decide,要么加校验);工具调用支持并行,但要给每个函数定义加 strict: true,否则参数不一定贴合 schema。
六、六条限制,下单前先看
- 闭源、参数未公开。不能自部署,不能做权重层的合规审计。医疗、金融这类要求模型留在家里的场景,直接出局。
- OpenRouter 上只有一家供应商。没有多路由冗余,那家一抖你就抖。官方给出的三天可用率是 99.55%,比同页其他模型低半个点。
- 只有文本。图片、PDF 扫描件、屏幕截图都得先过 OCR 或视觉模型,多一道工序。
- 缓存不便宜。$0.02 是这一档里最贵的,而这恰恰是 Agent 场景占比最高的一项。
- 折扣没有期限。做预算按 $0.20/$0.70 算,别按半价立项;促销一停,同一份活的账会翻倍。
- 长文档召回没有第三方验证。100 万上下文是能力上限,不是"塞满还能记住"的承诺。真要用,自己拿三份长文档做一次召回测试。
七、我的判断
今天就该上的人:在做搜索 Agent、浏览器 Agent、客服首响的——延迟直接等于体验,Mercury 3 的首发价加上并行工具调用,是这一档里少见的组合;把大模型当"编排层"用的——上下文压缩、意图路由、工具参数生成、日志摘要,这些活模型只需要快和基本正确,不需要旗舰智力;手里有 30 万 token 以上的固定语料要反复问的——它是唯一不加长上下文价的。
再等等的人:做长链自主编码的,第三方实测掉 11 到 22 个百分点,省下的时间会赔在返工上;需要图像输入的;需要自部署或权重合规的;流水线依赖 temperature: 0 的。
别碰的人:指望它替代 Opus 5.5 或 GPT-6 Astra 做复杂推理的——它连 Sonnet 5.5 的长多轮都没追上;以及把发布页的 1,068 tok/s 写进 SLA 的——线上 P50 是 247。
一句话:Mercury 3 证明了扩散这条路能走通,但它现在卖的是"半价的速度",不是"更低的成本"。 11 月 15 日老模型退场、促销随时可能结束,这两件事比跑分表更值得写进你的迁移计划。
本文由拾光札记编辑部整理,勘误请联系我们