# 千Token/秒极速狂飙且反超GPT-6！Inception Labs重磅发布扩散大模型Mercury3：百万长文本、并行生成范式与Agent极速执行深度拆解

- Link: https://paooo.com/ai-tool/40405/
- Published: 2026-10-26T20:08:40+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * Mercury3 以扩散式并行去噪替代逐字自回归，峰值吞吐突破 1,000+ Tokens/秒。
 * 支持 100 万 Tokens 超长上下文，在知识问答、复杂格式与代码解析上表现更强。
 * 更适合浏览器[智能体](https://paooo.com/trends/)、端侧交互与批量处理，定位为高
   频执行器而非慢思考大脑。

> **💡 站外导读：**长期以来，基于自回归（Autoregressive, AR）机制的“逐字生成”模式
> 几乎统治了整个大语言模型行业，但其因果依赖链条也导致推理吞吐遭遇硬性瓶颈，成为
> 智能体（Agent）多步长程规划与实时流式调用的最大延迟痛点。近日，专注于前沿生成架构
> 的 Inception Labs 正式发布新一代文本扩散大模型 **Mercury3**。该模型将参数规模扩大
> 逾 40 倍，不仅突破了扩散模型以往“生成速度虽快但逻辑推理薄弱”的性能魔咒，在多项
> 核心基准测试中力压 GPT-6Luna 与 Claude Haiku5.5，更凭借每秒千 Token 级的超强并行
> 吞吐与 100 万超长上下文窗口，彻底改写了高效能推理底座的技术版图。

## 一、自回归的瓶颈与扩散模型的逆袭：为什么“逐字蹦字”不再是唯一解？

在现有主流大模型（如 GPT-6、[Claude](https://paooo.com/aigc-news/) 等）所依赖的自
回归架构中，文本生成的本质是一个严格依赖前序词的马尔可夫链。系统必须计算出当前 Token，
才能作为下一步输入继续推演。这种单向因果链条在生产级工程中带来了不可调和的 SRE 级
困境：

阅读目录

 * [一、自回归的瓶颈与扩散模型的逆袭：为什么“逐字蹦字”不再是唯一解？](https://paooo.com/ai-tool/40405/#%e4%b8%80%e8%87%aa%e5%9b%9e%e5%bd%92%e7%9a%84%e7%93%b6%e9%a2%88%e4%b8%8e%e6%89%a9%e6%95%a3%e6%a8%a1%e5%9e%8b%e7%9a%84%e9%80%86%e8%a2%ad%e4%b8%ba%e4%bb%80%e4%b9%88%e9%80%90%e5%ad%97%e8%b9%a6%e5%ad%97)
 * [二、Mercury3 架构三维透视：百万上下文、并行去噪与极端吞吐能效](https://paooo.com/ai-tool/40405/#%e4%ba%8cmercury3-%e6%9e%b6%e6%9e%84%e4%b8%89%e7%bb%b4%e9%80%8f%e8%a7%86%e7%99%be%e4%b8%87%e4%b8%8a%e4%b8%8b%e6%96%87%e5%b9%b6%e8%a1%8c%e5%8e%bb%e5%99%aa%e4%b8%8e%e6%9e%81%e7%ab%af%e5%90%9e%e5%90%90)
 * [三、工业级 Agent 落地生门：从浏览器智能体到端侧高频检索中枢](https://paooo.com/ai-tool/40405/#%e4%b8%89%e5%b7%a5%e4%b8%9a%e7%ba%a7-agent-%e8%90%bd%e5%9c%b0%e7%94%9f%e9%97%a8%e4%bb%8e%e6%b5%8f%e8%a7%88%e5%99%a8%e6%99%ba%e8%83%bd%e4%bd%93%e5%88%b0%e7%ab%af%e4%be%a7%e9%ab%98%e9%a2%91%e6%a3%80)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/ai-tool/40405/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

 * **KV Cache 内存墙与带宽受限：**随着序列长度增加，庞大的键值缓存对 GPU 显存带宽
   形成严苛挤压，单批次处理并发量难以拉升；
 * **时延线性累加放大：**在复杂多智能体协同（Multi-Agent Workflow）中，一个需要 
   10 步工具调用和 2000 Token 中间推演的任务，若端到端耗时数秒甚至数十秒，用户交互
   体验将呈断崖式下跌；
 * **扩散生成范式的弯道超车：**与图像扩散同理，文本扩散模型（Diffusion for Text）
   将序列生成视为“全局噪声去噪重构”。它可以**在极少的时间步长内直接并行输出整个文本
   块**，天然具备打破自回归时延枷锁的物理潜力。然而初代模型常因参数量小导致逻辑断层，
   而 Mercury3 则正式补齐了这一短板。

## 二、Mercury3 架构三维透视：百万上下文、并行去噪与极端吞吐能效

Inception Labs 在 Mercury3 的工程演进中做出了多项核心架构创新。相较初代实验性版本，
Mercury3 将模型容量扩充 **40 余倍**，全面吸纳了海量预训练代码与多语言语料，从而在
技术机理上达成了三大跨越：

  |  核心技术指标 |  Mercury3 (扩散架构) |  GPT-6Luna / Claude Haiku5.5 (自回归) |  
   |  生成范式 (Generation Paradigm) |  全局并行连续流去噪 (Non-autoregressive Diffusion) |  因果自回归逐字推导 (Causal Autoregressive) |  
 |  峰值生成吞吐 (Peak Throughput) |  1,000+ Tokens/秒 (最高达 GPT-6Luna 的 8 倍) |  120~180 Tokens/秒 (受限于自回归步进) |  
 |  有效上下文窗口 (Context Window) |  1,000,000 Tokens (100万超长支持) |  128K ~ 200K Tokens |  
 |  首字/整段首响时延 (TTFT & Latency) |  亚秒级整段瞬时呈现，平滑消除流式卡顿感 |  首字迅速，但长文本整体输出耗时较长 |  
 |  综合推理跑分胜率 (Benchmark Win Rate) |  在知识问答、复杂格式与代码解析上全面胜出 |  轻量级闭源基线水平 |

## 三、工业级 Agent 落地生门：从浏览器智能体到端侧高频检索中枢

在生产级微服务和智能化工程中，Mercury3 的定位并非替代超大参数量的慢思考逻辑专家（
如 GPT-6 深度推理版），而是成为**吞吐量与响应时效至上的高频执行器（Fast-tier Worker）**：

 * **浏览器自动化智能体（Browser Agents）：**在网页 DOM 解析、多步骤表单自动填充
   和跨页面高频数据聚合中，Mercury3 能够在毫秒级内完成数百个字段的清洗与动作结构
   化，使自动化流水线不再停留在等待 API 响应上；
 * **智能眼镜与端侧实时穿透：**在可穿戴设备和车机交互中，用户对语音回答的容忍时延
   通常在 500ms 以内。Mercury3 的千 Token 吞吐完美吻合了全双工语音管道的即时要求；
 * **API 成本暴降与批量处理：**官方测算显示，得益于极高的并行生成吞吐与低开销调度，
   其 API 综合计费显著低于当前市面同能力[大模型](https://paooo.com/ai-study/)，使
   大批量文档知识库向量重排与离线蒸馏成本降低 70% 以上。

#### 📝 站长洞察 (Editor’s Insight)

Inception Labs Mercury3 的突破性进展，向产业界释放了一个极具颠覆性的信号：大语言
模型的物理终局绝不仅限于自回归 Transformer 的单轨狂飙。在 Agent 架构日益普及的当下，
一次复杂决策往往伴随数十次内部子调用与海量上下文检索，若继续沿用传统逐字生成的闭
源顶尖模型，无论是 Token 账单还是端到端延迟都将不堪重负。扩散模型凭借非因果依赖的
全局并行去噪能力，在单位时间吞吐上展现出数量级的代际压制。随着 Mercury3 跑分跨越
GPT-6Luna 这一临界点，我们预计未来智能体系统将全面演化为“自回归重逻辑大脑 + 扩散
模型高吞吐快执行器官”的异构双核格局，大模型推理的能效与实时性天花板已被彻底打破。

🧭 文中关联 AI 工具官网与参数卡（语宙 AI 导航）

**Claude ↗**

Anthropic 打造的新一代安全人工智能模型，具备超长上下文理解能力，最强代码伴侣。

❓ 常见问题解答（FAQ）

Mercury3 为什么比自回归模型更快？

因为它采用非自回归扩散生成范式，不需要按 Token 逐字串行推导，而是通过全局并行去噪
一次性生成整段文本，因此在长文本输出和批量任务中吞吐更高、时延更低。

Mercury3 的 100 万上下文适合什么场景？

适合超长文档分析、跨章节知识问答、代码库理解、批量检索重排以及多步骤 Agent 工作流。
超长上下文能减少分段切换和信息丢失，提升整体推理连续性。

Mercury3 能替代 GPT-6 这类深度推理模型吗？

不能简单替代。文章定位显示它更像高吞吐快执行器，适合实时响应、自动化和高频调用；
而复杂慢思考、深度规划类任务仍更适合重逻辑推理模型。

🔬 语宙深潜追问 · 进阶实操拆解

扩散式生成适合哪些Agent任务？

最适合对速度敏感、可并行修正的任务，比如批量改写、草稿生成、工具调用规划和多候选
搜索。它的优势在于并行生成和快速收敛，但对强约束格式、逐字精确输出的场景，仍要配合
校验器和后处理。

百万上下文会带来哪些工程代价？

代价主要在显存、检索、缓存和延迟控制上。上下文越长，注意力和传输成本越高，所以必须
配合分块检索、摘要压缩、分层记忆和命中缓存。否则看似能装下更多信息，实际吞吐和成本
会先崩。

🗳️ 读者观点微投票 · 您的实战立场是？

扩散大模型千Token/秒，最可能先颠覆谁？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[⚡ 所属权威专题：OpenAI GPT 与 Sora 生态 →](https://paooo.com/topics/openai-gpt-sora/)

 * [Mercury扩散语言模型深度解析：Inception Labs革新AI生成速度，实现聊天应用极致低延迟](https://paooo.com/aigc-news/14557/)
 * [Mercury Coder – Inception Labs 推出的商业级扩散大型语言模型](https://paooo.com/aigc-news/21215/)
 * [MiniMax-01 – MiniMax开源的全新系列模型](https://paooo.com/aigc-news/22902/)
 * [9B小参数逆袭27B巨兽！商汤重磅开源循环多模态大模型SenseNova Loop-9B：首创权重复用双流mHC架构、256K上下文与Agent长程推理全景实测](https://paooo.com/trends/40601/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/ai-tool/40405/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
