Mercury 3 扩散模型速度是 GPT-6 Luna 的 8 倍？和站内几款快模型怎么选
结论先说：Mercury 3 值得关注，但不值得你现在专门去折腾。 它用扩散架构把生成速度拉到每秒 1068 个 token，官方称比 GPT-6 Luna、Claude Haiku 5.5 快 4～8 倍，在 12 项自测里赢 8 项；但它没有接入 chat.bumo.cc，也没有接入不墨的其它站，想用只能走 Inception 官方 API、OpenRouter 等海外渠道。眼下在站内，日常问答、写文案、改代码，用 DeepSeek V4.1 Flash 就够快够省；要读整仓、啃长文档，换 Kimi K3 更稳。
Mercury 3 到底新在哪
GPT、Claude、DeepSeek 这类模型都是「自回归」：一个字一个字往外写，后一个字要等前一个字。Mercury 3 是「扩散式」语言模型，先草拟整段答案的粗稿，再分几轮同时把很多字一起打磨出来，所以快。
Inception 官方给的数据是 1068 token/秒（NVIDIA GPU），对比 Claude Haiku 5.5 约 240、GPT-6 Luna 约 130。这个倍率来自厂商自己的对比，目前没有第三方独立复测，实际速度还要看你用的服务商、批量大小和提示词长度。
它主要不是为了让聊天框回得快一点，而是给「要连续调用很多次」的场景用：网页操作智能体、多步工具调用、实时搜索、语音客服、在线辅导。每一步都等模型几百毫秒，几十步下来差距就很大。
跑分不是全赢，要分开看
Inception 自己的 12 项对比里，Mercury 3 赢 8 项，最明显的是两块：
- 指令遵循：IFBench 得分 76.84，比 GPT-6 Luna 高约 15 分。
- 自主编程：SWE-Bench Atlas 51.08 分，对手分别是 33.33 和 32.26。
但同一张表里也有它输的项目：
- 更长的编程测试 DeepSWE，Claude Haiku 5.5 赢。
- 在长文本里找信息，Claude Haiku 5.5 更强。
- Artificial Analysis 的两项测试，GPT-6 Luna 领先。
所以准确的说法是：Mercury 3 在「快速指令跟随」和「智能体式编程」上很能打，不是全面碾压。厂商跑分也替代不了你自己的题目，真要把业务切过去，先拿真实的提示词和失败案例各跑一遍。
价格：别按打折价做预算
Mercury 3 标准价是 输入 $0.20 / 百万 token，输出 $0.70 / 百万 token；发布期五折，输入 $0.10、输出 $0.35，缓存输入再打一折。官方没说折扣什么时候结束。
按标准价算，短提示词场景下它输出比 GPT-6 Luna、Claude Haiku 5.5 的约 $0.50 还贵；只有在很长的上下文场景，对手的长文本计价更高，它才重新便宜。做预算请按 $0.70，不要按 $0.35。
现在站内该怎么选
Mercury 3 不在站内，但「快模型」这件事站内已经有成熟选择，按任务挑就行：
| 你的任务 | 建议用 | 原因 |
|---|---|---|
| 日常问答、写文案、翻译、改单个文件 | DeepSeek V4.1 Flash | 快、便宜，中文表达稳，足够应付大多数日常活 |
| 读整个项目、跨文件改逻辑、翻几千行日志 | Kimi K3 | 百万级上下文，长材料不容易丢前文 |
| 中文写作、改写、偏正式的文案 | 通义千问 3.8 Flash / 3.8 Max | 中文语感好，长文结构清楚 |
| 写代码、做小工具 | MiniMax M3 / DeepSeek V4.1 Flash | 编程表现好，试错成本低 |
一句话：Mercury 3 是「未来可能更好」的选项，站内这几款是「现在就能用」的选项。 除非你在做对延迟极度敏感的智能体产品、并且愿意自己接海外 API，否则不必为它专门折腾。
想直接对比站内快模型的回答质量，打开 chat.bumo.cc，同一个问题分别发给 DeepSeek V4.1 Flash 和 Kimi K3，看哪个更对你的活。
接下来值得盯什么
Mercury 3 真正的看点不是这一版的跑分，而是「扩散模型能不能随规模持续变强」。Inception 说 Mercury 3 参数量比 Mercury 1 大 40 多倍、速度却没变慢，智能水平涨了约 3 倍。如果这条路走通，后面每一代都可能继续又便宜又快。
在那之前，把它当成一个需要观察的新方向就好。等它进了 OpenRouter 之外更稳定的渠道、或者有第三方独立评测，再决定要不要迁移也不迟。