Inception Mercury 3 发布：扩散 LLM 放大 40 倍、1M 上下文，实测吞吐 254 tokens/s
本栏目每天汇总近 1–2 天全球新发布 / 新开源的大模型，信息来自官方公告与多家媒体交叉核验；性能数据会区分「官方口径」和「已复测 / 第三方实测」，没复测的明确标注。配图为原创示意插画。
今日最重磅：Inception Mercury 3（10 月 20 日发布）
美国 Redwood City 的 Inception 发布了 Mercury 3。它是这家公司自 2025 年 6 月 Mercury 1 以来的第四代模型，也是目前规模最大的扩散语言模型（dLLM）。
它和常见的 ChatGPT 类模型不一样：主流模型是「一个字一个字往后写」，扩散模型则是「先糊出一整段草稿，再同时修改很多个位置」，像画图软件反复去噪。好处是并行，坏处是过去一直做不大。Mercury 3 想证明的就是：扩散模型也能规模化，而且速度不掉。
核心数据（官方口径，尚未被独立复现）
- 规模：总参数比 Mercury 1 大 40 倍以上，官方称标准基准上的智能水平约为 Mercury 1 mini 的 3 倍；具体参数量未披露。
- 速度：在常见英伟达 GPU 上达到 1,068 tokens/s，官方称比 GPT-6 Luna、Claude Haiku 5.5 快 4–8 倍。
- 上下文：从 Mercury 2.5 的 26 万 Token 直接拉到 100 万 Token。
- 基准：官方称在 GPQA Diamond、IFBench、SWE-Bench Atlas 等测试中不输上述两款速度型模型，12 项里赢 8 项；但在部分长代码和长上下文检索上，Claude Haiku 5.5 仍然更好。
- 价格：标准价 $0.20 / $0.70 每百万 Token（输入 / 输出），首发五折 $0.10 / $0.35，缓存命中按输入价再打一折。
- 可用性：Inception API、Baseten、OpenRouter、Vercel 均可调用，接口兼容 OpenAI 格式；权重不开源，参数量未公开。
第三方实测：和官方数字差多少
第三方测评站 explainx 在单一 OpenRouter 渠道做了交叉测试：中位数约 254 tokens/s、P50 延迟 1.91 秒，大约是官方 1,068 tokens/s 的四分之一。这个数字只代表一个渠道、样本有限，不能等同于全部部署环境，但提醒得很及时：官方的「峰值速度」和你自己网关里跑出来的「日常速度」通常不是一回事。真要迁移，先拿自己的提示词压测，再决定。
生产侧，Inception 公布的早期客户数据同样属于官方口径：Mind2Web 50 个真实网页导航任务完成率 50%；智能眼镜公司 Octen AI 的中位生成时间 0.9 秒；教育公司 RevisionDojo 的反馈生成约 1 秒。同批还发布了 Mercury Voice（首个 Token 延迟低于 170 毫秒）和 Mercury Decide（高并发分类）。
今日其他新发布（5 款）
| 模型 | 日期 | 类型 | 要点 |
|---|---|---|---|
| Mistral Voxtral 3 | 10-20 | 语音模型族 + Agent SDK（商用） | 一次给齐「耳朵、嘴和接线」：Small / Mini（4B）/ Mini Realtime 三档转写，加 Voxtral Speech 3 合成（35+ 语言、50+ 方言），再加基于 LiveKit 的语音 Agent SDK，可在通话中查系统、调工具。转写覆盖 50+ 语言，带说话人分离、热词偏置、端点检测。官方口径：45 种 FLEURS 语言宏平均 WER 4.1%，说话人分离 cpWER 18.4%（对比 Gemini 3.5 Transcribe 38.4%）；转写 $0.0035/分钟起，合成 $13/百万字符，实时档延迟低于 500 毫秒。EU 托管或私有化部署。 |
| 蚂蚁百灵 Ming-3.0 语音系列（开源） | 10-20 | 开源权重，5 款 | 三条线五款模型：tts-0.5B / tts-tiny（7.9B 总参、1.3B 激活）、audio-flash（126B / 6.5B 激活）/ audio-tiny（9.3B / 2.7B 激活）、asr-tiny（8.6B / 2B 激活）。TTS 支持「导演模式」，用自然语言指定情绪、重读和节奏，还能插入 [Laughter] 等副语言标签。第三方 Artificial Analysis：tts-0.5B 英文发音鲁棒性 93.2% 并列第一，Controlled Voice 榜 1069 Elo 列开放权重第一；官方口径：audio-flash 的 BigBenchAudio 99.40 第一，asr-tiny 四类场景平均错误率 4.41%。权重已上 Hugging Face / ModelScope。 |
| DeepSeek DeepInfer（开源） | 10-20 | 开源推理框架 | 把自家服务 V4.1 Flash 的推理框架整个开源：支持分布式推理、推测解码、SWA Bounded Replay、结构化输出，兼容英伟达与华为昇腾；配套开源 deepseek-recipe，和官方 API 的 Token 编解码逻辑对齐。官方披露：单集群吞吐 155 万亿 Token/天，按谷电价单卡每小时收入 38 美元。Prefill 与 Decode 分离部署，Decode 用 64–128 卡超节点。 |
| Bark 3.0（Conway Research） | 10-21 | 开源权重（CC-BY 4.0） | 只有 163MB，基于英伟达 Parakeet 构建，官方称平均基准与 Parakeet 持平。超小体积语音模型，适合端侧、边缘和离线场景。 |
| Inception Mercury Voice / Decide | 10-19/20 | 商用 API | 与 Mercury 3 同批：Mercury Voice 首个 Token 延迟低于 170 毫秒，适合语音机器人；Mercury Decide 面向高并发分类与判别任务。补齐「实时语音 + 批量决策」两个场景。 |
行业资讯
- Anthropic 招股书数字曝光（10-21）：媒体援引草案称，Anthropic 2026 年上半年净亏损 807 亿美元，其中约 720 亿来自可转换票据等金融工具的公允价值变动，属于非现金会计项目；上半年算力与基础设施投入接近 90 亿美元，是去年同期 23 亿的近四倍。未来 7–10 年已签算力合同约 4500 亿美元（Google Cloud 1110 亿、AWS 1100 亿、微软 310 亿），未来数年新增算力投入可能高达 7500 亿美元。IPO 预计数周内公开递交。（来源：智通财经援引招股书草案，属媒体口径）
- 英伟达 GTC 柏林大会（10-20 至 10-22）：黄仁勋 21 日发表主题演讲，100 多场专题，重点从「卖 GPU」转向「卖 AI 工厂」，覆盖 Agentic AI、物理 AI、机器人、开源模型与 AI 基础设施。对国内开发者的实际影响是：接下来一周会有大量推理卡、超节点和推理软件栈的更新，选型时留意显存与互联规格，不只看单卡算力。
- 三家旗舰在排队（传闻，未官宣）：The Information 称 Anthropic 有一款新模型已到测试者手中，特点是能推断用户「没说出口的意图」，例如修一个 Bug 时会主动指出同类底层问题；Google 内部在跑 Gemini 4 Carbon；OpenAI 将在数周内推出更便宜的 Terra 系列。三条都未公布名称与时间，先当作管线信号。
- ChatGPT 浏览器扩展大升级（10-21）：新增 Chat / Work 两种模式，Work 模式可直接操作标签页、发消息、下载文件、按主题整理标签并代填表单，提交前需人工确认；在 ChatGPT 里输入 @Chrome 就能调用。Chromium 系浏览器免费开放，Firefox 与 Safari 暂不支持。浏览器正在成为 Agent 的默认入口。
- 江苏印发物理 AI 与世界模型数据计划（2026–2028）：重点攻关多源异构语义对齐、本体建模、多模态数据合成与仿真增强，建设覆盖能源、路网等场景的高质量数据集，并向中小企业、高校、初创团队授权使用。地方政策开始从「建算力」转向「建数据」。
- 工具链侧的两条开源消息：Google 把 TorchTPU（PyTorch 原生 TPU 后端）开源，可直接 pip 安装；PyTorch 基金会的 TorchNeuron 在 Trainium2/3 上公测，Apache 2.0，支持 eager、torch.compile、分布式训练和自定义 NKI kernel。非英伟达硬件的软件门槛在快速下降。
一句话趋势
竞争正从「谁的分数高」转向「同样一度电、同样一秒里能交付多少可用智能」：扩散架构抢延迟（Mercury 3），语音全栈抢入口（Voxtral 3、Ming-3.0），推理框架与硬件后端开源抢成本（DeepInfer、TorchTPU / TorchNeuron）。模型本身越来越像标准件，真正拉开差距的是单位成本、响应速度和能不能接进业务流程。
（数据来自官方公告与公开报道，2026-10-21；官方口径与第三方实测已分别标注。模型能力强弱会影响选型，但实际价格以本站模型广场实时报价为准。）