AREX Feed Article
Mercury 3 上线 OpenRouter：帖文称 1,000+ tok/s，模型页显示 261 tok/s
10 月 19 日 16:54 UTC（北京时间 20 日 0:54），称，Inception 的新扩散模型 Mercury 3 已在该平台上线：生成速度 1,000+ tok/s，即每秒 1,000 个 token 以上，上下文 1M（100 万 token），发布期输入每百万 token 0.10 美元、输出 0.35 美元，为标价的一半。帖文还说，据 Inception 报告，Mercury 3 在 IFBench、GPQA Diamond 与 SWE-Bench Atlas 上胜过 GPT-6 Luna 和 Haiku 5.5。
同一款模型在 上，吞吐一栏写的是 261 tok/s，标注为 P50（中位数）、取各供应商中的最佳值，延迟 1.76 秒。OpenRouter 页面给出的这一数字，在数值上约为帖文所述 1,000+ tok/s 的四分之一。
模型页上的 261 tok/s
模型页给 Mercury 3 标的上下文是 1.0M，价格每百万输入 0.20 美元、输出 0.70 美元，五折后显示 0.10/0.35；缓存读取从 0.02 美元降到 0.01 美元。供应商只有 Inception 一家，OpenRouter 的说明是每个请求都直接转给它，「无需做路由决策」。
页面把吞吐定义为模型「写多快」，单位是每秒 token 数，注明是跨供应商最佳的 P50 值。Inception 的 1,068 tok/s 则写在的规格摘要里，限定为「在 NVIDIA GPU 上」；在 中自述为 Inception 联合创始人兼首席科学家的 Volodymyr，把条件写得更具体：广泛可得的 NVIDIA Blackwell GPU。
两个数字的口径并不一样：一个是平台侧统计的中位吞吐，一个是厂商在指定 GPU 上给出的输出速度。
模型页的分享卡片（本文封面图）印着「Released Oct 16, 2026」，比上线帖早三天；Inception 博文标注的日期是 10 月 19 日。
260K 到 1M，与「4 倍」
「4x more than Mercury 2.5」是帖文的原话，直译是「比 Mercury 2.5 多 4 倍」，但帖文没有写清 4 倍指速度还是上下文。Inception 的博文给了两个可对照的变化：上下文从 Mercury 2.5 的 260K 提高到 1M，约 3.8 倍；速度方面，博文说的是比 GPT-6 Luna 和 Claude Haiku 5.5 快 4～8 倍，比较对象不是 Mercury 2.5。
按博文附表的数字复算，1,068 tok/s 对 GPT-6 Luna 的约 130 tok/s 是 8.2 倍，对 Claude Haiku 5.5 的约 240 tok/s 是 4.5 倍，与「4～8 倍」的说法接近。
博文还称，Mercury 3 的参数总量比 Mercury 1 大 40 倍以上，从 Mercury 1（mini）到 Mercury 3 在多项标准基准上的智能水平提升约 3 倍，并写道，驱动自回归模型进步的那些缩放定律（scaling laws）对扩散模型同样成立。至于扩散模型为什么能快，Volodymyr 的解释是：扩散通过迭代去噪并行生成 token，而不是一次一个，所以推理模型在单次回答里想得越久，相对同尺寸自回归模型的速度优势越大。
三项领先，四项落后
博文附的对比表把 Mercury 3、GPT-6 Luna、Claude Haiku 5.5 都放在 Medium（中等推理强度）档比较。帖文点名的三项，Mercury 3 在表里都排在第一：
| 基准（Medium 档） | Mercury 3 | GPT-6 Luna | Claude Haiku 5.5 |
|---|---|---|---|
| IFBench | 76.84 | 61.82 | 54.65 |
| GPQA Diamond | 89.23 | 86.36 | 84.51 |
| SWE-Bench Atlas | 51.08 | 33.33 | 32.26 |
| AA-Omniscience-Public | 46.44 | 46.94 | 37.22 |
| AA-LCR v1.1 | 77.67 | 78.30 | 74.70 |
| MRCR v2 | 75.50 | 62.72 | 78.40 |
| DeepSWE v1 | 46.31 | 37.76 | 51.62 |
IFBench 领先 GPT-6 Luna 15.02 分、领先 Haiku 5.5 22.19 分；GPQA Diamond 的优势收窄到 2.87 分和 4.72 分；SWE-Bench Atlas 则高出 17.75 分和 18.82 分。
另外四项，Mercury 3 都低于两家竞品中的较高者：AA-Omniscience-Public 得 46.44，比 GPT-6 Luna 低 0.50 分；长上下文项 AA-LCR v1.1 得 77.67，低 0.63 分；MRCR v2 得 75.50，比 Claude Haiku 5.5 低 2.90 分；DeepSWE v1 得 46.31，低 5.31 分。1M 上下文写在帖文开头，而在 Inception 自己列出的两项长上下文测试上，Mercury 3 都没有排在第一。
分数由 Inception 提供；Volodymyr 在 Hacker News 上说，比较是在相同推理强度下做的。
五折价、缓存折扣与上线渠道
Mercury 3 的标价是每百万输入 0.20 美元、输出 0.70 美元；发布期五折为 0.10/0.35。缓存命中另算：Inception 说缓存 token 按输入价减 90%，OpenRouter 页面对应的缓存读取价从 0.02 美元降到 0.01 美元。
对照表里，GPT-6 Luna 与 Claude Haiku 5.5 的价格都是每百万输入 0.10 美元、输出 0.50 美元。Mercury 3 的输入价与它们相同，输出价低 0.15 美元。
OpenRouter 页面显示，过去三天的可用性为 99.52%，并注明该模型目前无法通过欧盟区域内路由（EU in-region routing）访问。Inception 博文说，模型当天上线 Inception API Platform、OpenRouter、Baseten 与 Vercel，兼容 OpenAI API，平台送 1 亿免费 token。Hacker News 上有人找不到 Baseten 的公开入口，讨论串里有回复说，需要直接联系 Baseten 开通。
Inception 不发布权重，也不公布参数量
Inception 不发布 Mercury 3 的权重。Hacker News 上有人问会不会放出权重，Volodymyr 的回答是「目前不会」，并说未来会通过技术博客和技术报告披露更多信息。Inception 没有公布模型总参数量，他的说法是目前不公开，但可以拿智能水平相近的模型做速度对比。
被问到批量大小与吞吐的关系时，他谈的是模型在自家 API 上以合理成本运行。1,068 tok/s 仍是厂商给出的结果。
子代理层的使用边界
Hacker News 上有人直接问 DeepSWE v1 为什么低于 Haiku 5.5。Volodymyr 说，他们可能无法精确说明这一项上的差距；他给 Mercury 3 的定位是子代理：在他们自己的日常使用里，模型大致是 Haiku 或 Luna 的水平，可以放进子代理，但「还不能取代 Opus 或 Fable 作为代理运行框架的主控模型」。
Volodymyr 还说，模型正在接受第三方的进一步评测，任务完成时间等数据会在「不久的将来」分享。