扩散LLM逆袭：Mercury 3速度超GPT-6 Luna八倍

10 月 19 日，斯坦福大学教授 Stefano Ermon 联合创办的 Inception Labs 发布 Mercury 3。该模型规模较初代扩大 40 多倍，生成速度仍达每秒 1068 Token，最高约为 GPT-6 Luna 的 8 倍；首发期每百万输入/输出 Token 收费 0.10/0.35 美元，正式价为 0.20/0.70 美元。官方基准中，Mercury 3 在 GPQA Diamond 得 89.23 分，高于 GPT-6 Luna 的 86.36 分和 Claude Haiku 5.5 的 84.51 分；SWE-Bench Atlas 得 51.08 分，对比两者为 33.33 和 32.26；IFBench 得 76.84 分。其上下文窗口扩至 100 万 Token，上一代 Mercury 2.5 为 26 万。

主流自回归模型逐 Token 生成，扩散模型则同时预测多个位置并多轮迭代调整，从粗到细完成文本，从而减少串行步骤、保持高速。难点在于平衡并行程度与生成质量。Mercury 3 相对 Mercury 1 参数量扩大 40 多倍，综合能力较 Mercury 1 mini 提高约 3 倍，速度仍维持千 Token 每秒量级，验证了扩散 LLM 的规模化潜力。

在 Agent 场景中，速度直接影响任务完成效率。浏览器 Agent 公司 TinyFish 在 50 项 Mind2Web 导航任务中测试，Mercury 3 完成 25 项，完成率 50%，明显高于 GPT-6.1 Sol，且 Token 消耗和执行步骤相当、单位成本更低。实时搜索公司 Octen AI 的 Sense API 测试中，搜索约需 80 毫秒，换用 Mercury 3 后模型生成耗时中位数降至 0.9 秒，端到端响应中位数 2.2 秒。

FlashAttention 作者 Tri Dao 评论称，希望将足够聪明的“协调者/架构师”模型与极快的“执行者”模型组合，扩散 LLM 或可担任后者。这提供了新视角：Agent 系统未必每步都由最强模型完成，规划模型重能力，执行模型重速度、可靠性和成本。Mercury 3 的定位正是 Agent 系统中既足够聪明又能快速响应、持续执行的角色。