Inception 推出 Mercury 3：基於擴散架構的 AI 效能超越 GPT-6 Luna，每秒生成超過 1,000 個 Token

人工智慧新創公司 Inception 宣布推出 Mercury 3，這是一款基於擴散架構（diffusion architecture）的新型語言模型，而非業界領導者所使用的標準自迴歸（auto-regressive）方法。根據該公司說法，Mercury 3 在多項關鍵基準測試的速度與準確性上，皆超越了 GPT-6 Luna 和 Claude Haiku 5.5 等頂級模型，運行速度是競爭對手的四到八倍。

架構轉型：從逐字生成到草稿精煉

不同於 GPT 或 Claude 等傳統模型採用逐字生成（自迴歸）的方式，Mercury 3 利用了擴散過程。這種方法通常與圖像生成模型相關，其運作方式是先建立整個回覆的粗略草稿，再透過多次同步處理進行精煉。

這種架構轉變使 Mercury 3 在 NVIDIA GPU 上每秒能生成超過 1,000 個 Token。在內部比較中，Inception 報告指出 Mercury 3 達到了每秒 1,068 個 Token，顯著領先於 Claude Haiku 5.5（約每秒 240 個 Token）和 GPT-6 Luna（約每秒 130 個 Token）。

基準測試與效能表現

Inception 的內部測試顯示，Mercury 3 在 12 項測試中的 8 項領先對手。該模型在指令遵循（instruction following）和自主程式碼編寫（autonomous coding）方面展現了顯著優勢：

• IFBench（指令遵循）： Mercury 3 獲得 76.84 分，超越了 GPT-6 Luna 的 61.84 分。

• SWE-Bench Atlas（程式碼編寫）： Mercury 3 達到 51.08 分，而競爭對手的得分則介於 32.26 至 33.33 分之間。

• 網頁導覽： 在 TinyFish AI 的測試中，Mercury 3 在真實網站上完成了 50 項導覽任務中的 25 項，據報導擊敗了 GPT-6.1-Sol。

然而，結果並非全面勝出。Claude Haiku 5.5 在 DeepSWE 長程式碼測試和長文本資訊檢索方面仍保持領先。此外，GPT-6 Luna 在 Artificial Analysis 進行的兩項測試中也略佔優勢。

即時應用與 AI 代理

Inception 將 Mercury 3 定位為延遲（latency）為關鍵瓶頸之應用的首選解決方案，例如自主 AI 代理、智慧眼鏡和即時客戶支援。

早期存取合作夥伴強調了這種速度帶來的影響。智慧眼鏡公司 Octen AI 創辦人 Kuan Zou 指出，先前的語言模型是穿戴式科技的瓶頸，在這種應用場景下，5 秒的延遲會讓人感覺功能「壞了」。使用 Mercury 3 後，中位數回應時間降至 0.9 秒。同樣地，教育公司 General Learning 報告稱，他們能在約 1 秒內向學生提供提示和修正建議。

價格與可用性

Mercury 3 具備 100 萬個 Token 的上下文視窗，並使用與 OpenAI 相容的 API，讓開發者只需更改極少量的程式碼即可切換模型。

標準定價設定為每百萬輸入 Token 0.20 美元，以及每百萬輸出 Token 0.70 美元。在發布初期，Inception 提供 50% 的折扣，但該公司尚未說明此促銷期間何時結束。雖然折扣後的輸出價格高於 GPT-6 Luna 和 Claude Haiku 5.5 在短輸入時收取的 0.50 美元，但對於極長提示而言，Mercury 3 仍然更具成本效益。

該模型目前可透過 Inception 的平台，以及 OpenRouter、Baseten 和 Vercel 取得。Inception 先前已籌集 5,000 萬美元，其投資者包括 NVIDIA 的 NVentures、Microsoft 的 M12 以及 Snowflake Ventures。