Inception 在 9 月 8 日發表了 Mercury 2.5，這是一款以擴散方式取代傳統逐字生成的大型語言模型。生成速度達每秒 1,107 個 token，官方表示智慧水準較 Mercury 2 提升 40%。一直以速度作為賣點的這個系列，如今在品質上也開始與成本最佳化的前沿模型正面比拚。
不是一個個吐字，而是並行落子
多數大型語言模型都是從頭到尾一個 token 接著一個 token 產生文字。Mercury 系列拿掉了這個前提，把影像生成常見的擴散手法帶進語言領域：模型先給出一份粗略草稿，再並行改寫其中的 token，直到結果收斂。由於 token 不必排隊逐一產出，GPU 空轉的時間變少，同樣的硬體也能更快回應。
Inception 表示，Mercury 2.5 是目前市面上能力最強的擴散式大型語言模型，就其所知也是至今訓練規模最大的擴散語言模型。這個速度是在供應廣泛的 NVIDIA GPU 上量測而得，並非仰賴特殊加速器，這一點對實際導入相當重要。
服務條件不變，只把能力往上加
公開的數據說明了它的定位。生成速度為每秒 1,107 個 token，脈絡長度為 260,000 個 token。智慧水準較 Mercury 2 提升 40%，與 GPT-5.6 Luna（Low）、Gemini 3.5 Flash-Lite、Claude Haiku 4.5 等成本最佳化的前沿模型處於同一水準。
價格方面，每 100 萬個輸入 token 為 0.20 美元（約 31 日圓），每 100 萬個輸出 token 為 0.75 美元（約 115 日圓）。發表期間享 80% 折扣，輸入降為 0.04 美元（約 6 日圓），輸出降為 0.15 美元（約 23 日圓）。新增功能包含可調整深度的推理、並行工具呼叫，以及符合 schema 的 JSON 輸出。
※1 美元 = 153 日圓
Inception 指出，這一輪改進來自實際的正式環境，而非追逐跑分。自 Mercury 2 上線以來，使用量成長超過一個數量級，涵蓋搜尋、語音、程式撰寫等對延遲敏感的工作負載。團隊把客戶回饋與真實的失敗案例納入評測集，並據此收斂訓練方向。NVIDIA 方面也表示，這次發表顯示新架構成熟為可上線系統的速度有多快。
真正見效的，是反覆呼叫模型的環節
速度的價值不在單次看得見的回答，而在背後隱藏的數十次模型呼叫。一次搜尋請求可能觸發一連串工作：擬定檢索計畫、改寫查詢、重新排序結果、把事實結構化、摘要來源、驗證答案。只要其中一環變慢，整體就會超出使用者願意等待的時間。
在語音場景中，延遲就是來電者聽到的沉默。開發 AI 電話客服的 OpenCall 改用 Mercury 之後，模型回應延遲的中位數降到約 170 毫秒。該公司表示，最慢的那一段回應從數分鐘降到約 1 秒，中位數也從 0.4 秒降到 0.2 秒以下。
程式輔助工具也是同樣的結構。Augment Code 把 Mercury 用於脈絡壓縮、模型路由與 MCP 工具檢索。將壓縮流程移轉之後，耗時從約 150 秒降到 27 秒，縮短 82%，成本也下降 90%。工具檢索的摘要能在 1 秒內回傳。
Mercury Voice 與 Mercury Router 同步開放預覽
與 Mercury 2.5 一同亮相的還有兩款衍生模型。Mercury Voice 針對語音代理最佳化，首個 token 的回應時間控制在 170 毫秒以內。Mercury Router 則以擴散模型解讀收到的提示，再把任務分派給品質、速度與成本組合最好的模型，候選範圍同時涵蓋開放與封閉模型。
Mercury 系列除了自家 API，也可透過 Baseten 與 OpenRouter 使用。其 API 相容 OpenAI 介面，現有程式碼幾乎不必改動就能替換。企業導入還提供專用容量、自動擴縮、法遵控制以及可設定的資料保留期間。Inception 已著手訓練下一款模型，並表示那將是自家規模最大的一款。
總結
Mercury 2.5 在維持前一代速度與價格結構的前提下，把智慧水準往上推了 40%。每秒 1,107 個 token、260,000 token 的脈絡長度、每 100 萬個輸入 token 0.20 美元的組合，讓它站上與成本最佳化前沿模型相同的起跑線。在搜尋、語音以及程式輔助工具的支援性呼叫中，一次互動往往擴散成數十次模型呼叫，這裡的速度與價格會不斷累積，最後變成體驗上的差距。這次的數據說明，選擇擴散不再等於為了吞吐量而犧牲品質。
