AI 新創公司 Inception 發布咗新一代語言模型 Mercury 3，架構基於擴散（diffusion）技術。呢個模型唔係逐個字寫答覆，而係先產生一份草稿再逐步修訂，一次過生成多個詞，故 Inception 稱其速度遠超傳統自回歸模型。
公司宣稱 Mercury 3 係「迄今最強大嘅擴散式語言模型」，喺自家基準測試入面，12 項測試贏 8 項，並號稱速度比 GPT-6 Luna 快 4 至 8 倍。喺 Nvidia GPU 上，Inception 引述數據稱 Mercury 3 每秒可生成 1,068 tokens，而 Claude Haiku 5.5 約為 240 tokens/秒，GPT-6 Luna 約為 130 tokens/秒。
但 Inception 自家嘅跑分表呈現嘅圖景比官方公告更複雜。喺 IFBench（指令跟隨）上，Mercury 3 得 76.84 分，比 GPT-6 Luna 高 15 分；喺 SWE-Bench Atlas（自動編程）上，Mercury 3 得 51.08 分，對手分別為 33.33 同 32.26 分。惟 Claude Haiku 5.5 喺較長編程測試 DeepSWE 同長文資訊檢索上表現較佳，而 GPT-6 Luna 喺兩項來自 Artificial Analysis 嘅測試上亦佔優。Inception 喺自家簡短總結中，將 Mercury 3 嘅品質描述為「持平或更優」，措辭比標題保守。
模型可處理高達 100 萬 tokens 嘅上下文，並提供 OpenAI 相容 API。Inception 稱 Mercury 3 參數數量為初代 Mercury 1 嘅 40 倍以上，運行速度不變，性能較小號 Mercury 1 mini 提升三倍。公司視此為擴散模型隨規模可靠進步嘅證據，但具體參數數量尚未披露。
喺實際應用方面，Inception 主打 AI agent（自動代理）、搜尋、客服同教育輔導。智能眼鏡搜尋公司 Octen AI 創辦人 Kuan Zou 稱，佢哋嘅搜尋本身只需約 80 毫秒，語言模型先係瓶頸；改用 Mercury 3 後，中位回應時間為 0.9 秒，全流程 2.2 秒。教育公司 General Learning 稱，而家畀學生嘅提示同糾正約一秒內完成。
模姐驗嚇貨：
呢單嘢最緊要嘅一句係「No independent tests exist yet」。所有跑分、所有速度數據、所有客户案例，全部來自 Inception 自己同佢哋嘅早期接入夥伴。廠商自評唔代表獨立驗證。
模型架構嘅差異（自回歸 vs 擴散）係真實嘅技術路徑分歧，Google 嘅 DiffusionGemma 報告有闡述基本原理，呢個唔係虛構技術。但「4 至 8 倍更快」「最強大擴散模型」呢啲定性結論，要有第三方重測先至有説服力。目前所有數據點都指向同一個數據源：Inception。讀者應該將「廠商聲稱」同「獨立結果」分清楚。
100 萬 tokens 上下文、OpenAI 相容 API，呢啲係可以核對嘅具體規格，方便開發者評估。但「1,068 tokens/秒」呢個速度係喺 Nvidia GPU 上測得，batch size 同 prompt 長度等測試條件未見披露，缺乏完整測試條件嘅速度數字，參考價值有限。
模姐｜深度調教
