AREX Feed Article
OpenRouter 独家上线 Inception Mercury 2.5 Preview，官方称 1,107 tokens/s
OpenRouter 官方 X 账号于 UTC 时间 9 月 1 日 14:21（北京时间 22:21），Inception 的 Mercury 2.5 Preview 已在其平台独家上线，并称这是「最快的推理 LLM」：通过并行 token 生成（parallel token generation）达到 1,107 tokens/s，支持可调推理强度（tunable reasoning）、并行工具调用（parallel tool calls）与 schema 对齐 JSON（schema-aligned JSON）输出，面向延迟敏感型工作负载。
32 分钟后，转发确认「Mercury 2.5 Preview 已在 OpenRouter 独家上线」，并宣布 80% off 促销价（相当于原价两折）。显示，该模型发布于 8 月 31 日。上述性能与质量表述均为发布方口径。
65,536 完成 token 与单一供应商托管
模型页列出的规格包括：260,000 token 上下文窗口、最多 65,536 个完成 token；输入、输出价格分别为每百万 token $0.04 与 $0.15（原价 $0.20 与 $0.75），折扣期内缓存读取价格为每百万 token $0.004。函数调用支持 tools 与 tool_choice 参数，结构化输出通过 response_format 传入 JSON schema 实现，即官方所称的 schema 对齐 JSON。限时 80% off 折扣由 Inception 提供，模型页标注截至 UTC 时间 9 月 8 日 07:00（北京时间 9 月 8 日 15:00）结束。
托管方面，模型页注明该模型由单一 provider（供应商）承载，OpenRouter 将每个请求直接转发给 Inception，不做路由选择。Inception 官网同步挂出「Mercury 2.5 (Preview) is live on OpenRouter」横幅，标注列表价为输入 $0.20、输出 $0.75 每百万 token。 自称是覆盖 400 多个模型的统一 API 接口。
不逐个出词：扩散模型如何把速度提上去
Mercury 2.5 与 Mercury 2 同属扩散语言模型（diffusion LLM，dLLM）。模型页的解释是：Mercury 2.5 不按顺序生成 token，而是并行产出并精炼多个 token。Inception 在 Mercury 2 上线 Azure Foundry 时同一套机制：不按顺序解码，而是通过「并行精炼」生成回复，同时产出多个 token，在少量步骤内收敛。其用「从串行到并行」的对比说明这一点：其他 LLM 一次生成一个 token，Mercury 系列并行生成 token，「提高速度并最大化 GPU 利用率」。
模型页将 1,107 tokens/s 标注为「标准 GPU 上的并行生成速率」，适用场景是「延迟会累积的生产负载」：搜索 agent（智能体）、语音管线与编码 subagent（子智能体）。
比 Mercury 2 更聪明，首发价反而更低
Mercury 2.5 是 Inception 扩散模型产品线的最新一代。显示，2025 年 4 月与 6 月先后发布 Mercury Coder 与 Mercury，2026 年 3 月发布 Mercury 2，Mercury 2.5 Preview 于 2026 年 8 月 31 日发布。
按 OpenRouter 模型页的表述，Mercury 2 是首个 reasoning 扩散模型，速度超过 1,000 tokens/s，比 Claude 4.5 Haiku 和 GPT 5 Mini 快 5 倍以上。Mercury 2.5 的官方增量是：智能水平比 Mercury 2 高出 10+ 分，质量与 GPT-5.6 Luna (Low)、Gemini 3.5 Flash-Lite、Claude Haiku 4.5 等成本优化前沿模型相当。
价格反而更低：Mercury 2.5 列表输入价 $0.20，低于 Mercury 2 的 $0.25，输出同为 $0.75。Inception 官网称它是「最智能的推理 LLM，也是最低的价格」。分发方式也变了：Mercury 2 此前通过 Azure Foundry 与 等渠道提供，这一次 Mercury 2.5 Preview 由 OpenRouter 独家承载。
14.5 亿 tokens 与一句「谁拿到了 benchmark」
截至本文写作时，OpenRouter 的 Inception 模型页显示 Mercury 2.5 Preview 已累计处理 14.5 亿 tokens；模型页的「Apps」榜单显示，Panwright（1.6 亿 tokens）、omp、编码 agent 应用 pi、Ante 与交易策略应用 NexusTrade 等公开应用已在向该模型发送大量请求。
Inception 团队的三名成员先后转推了公告。联合创始人兼 CTO Aditya Grover（UCLA 人工智能教授）的称「为即将推出的扩散语言模型 Mercury 2.5 的预览感到兴奋，它面向交互式 agent，继续跑出 1,000+ tokens/秒」；联合创始人兼首席科学家 Volodymyr Kuleshov（康奈尔大学教授）的称「Mercury 2.5 在 agentic 工作负载上有大幅提升，生产中仍保持 1,000+ tok/s」。
创始团队成员 Samar Khanna 的称「再一次帕累托超越了上一代，质量（尤其是 agentic 任务）大幅提升而且更快，达到 1,100 tok/s」。团队之外，NVIDIA AI 产品合作负责人、曾任 Groq 合作业务负责人的 Jacob Loewenstein 称大家「别走，跑着去试这个 80% off 的模型」；另一名用户 joply 则在中直接问：「谁拿到了 benchmarks？」目前官方推文与模型页对质量的表述是「与 GPT-5.6 Luna (Low) 等成本优化前沿模型质量相当」这类定性对比。
同一模型页上的两组速度
同一张模型页的监控面板给出了另一组数字：OpenRouter 实测该模型吞吐 P50 为 166 tok/s，端到端延迟 P50 为 1.03 秒（模型页对吞吐的定义是「模型写入速度」，即每秒 token 数）。
官方宣传的 1,107 tokens/s 标注为「标准 GPU 上的并行生成速率」，与监控面板的 166 tok/s 并排出现在同一张模型页上，两者之间没有对照说明。「最快的推理 LLM」的头衔，目前由发布方自己的口径支撑。