Mercury 3 每秒吐出上千 token，扩散模型开始点名 Claude Haiku 5.5

它和 Haiku 不是同一种“生成方式”

市面上绝大多数大模型，包括 Claude 全系，都是自回归生成：一个 token 接一个 token 往后写，前一个没出来，后一个就没法算。Mercury 走的是另一条路，借用图像扩散的思路，先给出一段粗糙的整段文本，再多轮并行地改写细化。好处是一次可以同时“动”很多位置，吞吐量天然高；代价是长链条推理、严格格式输出这类任务，过去一直被认为是扩散路线的短板。

Inception 由斯坦福等高校的研究者创办，2025 年先推出偏代码的 Mercury Coder，同年 11 月据 TechCrunch 报道完成 5000 万美元融资。Mercury 3 是它第一次把文本扩散做到“旗舰”规模，官方原话的意思是：这一代证明了文本扩散也能 scale。

纸面参数

• 参数总量约为 Mercury 1 的 40 多倍，标准基准上的“智能水平”约为 Mercury 1 mini 的 3 倍（官方口径）
• 上下文 100 万 token，上一代 Mercury 2.5 为 26 万；OpenRouter 标注单次最多输出约 13.1 万 token
• 标准价：输入每百万 token 0.2 美元、输出 0.7 美元；首发期间半价，缓存命中的输入再便宜 90%
• 上线渠道：Inception 自家 API、OpenRouter、Baseten、Vercel，接口兼容 OpenAI 格式
• 对比模型：GPT-6 Luna、Claude Haiku 5.5；OpenRouter 转述的基准包括 IFBench、GPQA Diamond、SWE-Bench Atlas

发布日期上有个小出入：OpenRouter 的模型页写的是 10 月 16 日，Inception 博客落款是 10 月 19 日，大概率是渠道先灰度、官方后公告。

为什么偏偏挑 Haiku 5.5

挑对手本身就是一种定位声明。Mercury 3 没有去碰 Opus、Sonnet 这一档，而是对准了 Anthropic 最便宜、最快的 Haiku。Haiku 这一档在实际业务里扮演的角色很固定：客服分流、批量分类、日志摘要、子代理里跑腿的小任务——量大、单次要求不高、对延迟和单价极敏感。

这恰好是扩散路线最能发挥的地方。Inception 自己列的场景也几乎全落在这里：语音应用、实时搜索、客服、数据清洗、高吞吐分类。它们在一个浏览器代理测试里给出的成绩是 50 个 Mind2Web 真实导航任务完成一半，用来说明“快”之外也能干点需要多步决策的活，但样本量不大，参考意义有限。

反过来看，Anthropic 这两年给 Haiku 的定位一直是“够用的小模型 + 和大哥同一套安全与工具生态”，卖的不只是单价，还有和 Claude Code、Agent SDK 一套调用方式的一致性。一个兼容 OpenAI 接口的第三方扩散模型，能抢走的主要是那些只看每百万 token 成本、不在乎生态绑定的流量。

厂商跑分之外还缺什么

目前能看到的全部对比都是 Inception 自报，基准选择也由它决定，这在新模型发布时很常见，但不该被当成定论。真正值得等的是两类数据：一是第三方在相同硬件、相同提示下的速度与质量对照；二是长上下文实际召回率——100 万 token 的窗口写在纸面上不难，扩散模型在超长输入下是否还能稳定输出，过去几乎没有公开验证。

如果这些数据站得住，小模型这一档的比较维度就会从“谁更聪明一点”变成“同样够用时，谁一秒钟能多吐几百个字”。到那一步，压力不只落在 Haiku 身上，所有靠自回归硬堆推理速度的小模型都得重新算账。