Inception 发布 Mercury 2.5：扩散大模型提速，单秒 1107 token、260k 上下文

Inception正式推出Mercury 2.5，官方将其定义为目前能力最强的扩散式大语言模型，同时也是当前训练规模最大的扩散模型。对比上一代Mercury 2，新版本智能能力提升40%，并且保留了原方案低延迟、低成本的服务特性，综合质量可以对标多款成本优化的前沿模型，包括GPT-5.6 Luna、Gemini 3.5 Flash-Lite与Claude Haiku 4.5。

• 地址：http://chat.inceptionlabs.ai

Inception Labs 发布 Mercury 2：扩散式 LLM 打破自回归瓶颈，推理速度提升 10 倍

Mercury 2.5在通用NVIDIA显卡上可实现每秒1107令牌的生成速度，上下文窗口最高支持26万token。模型自带可调推理、并行工具调用，还支持对齐规范的JSON输出。定价方面，标准价格为每百万输入token 0.2美元、输出token 0.75美元；上线阶段提供8折优惠，优惠后输入仅0.04美元/百万token，输出0.15美元/百万token。

本次迭代建立在Mercury 2的落地经验之上。上一代模型已经积累数千开发者进行开发，数十家企业落地生产，调用规模实现十倍级增长。来自真实业务场景的用户反馈与线上故障案例，成为Mercury 2.5调整评测标准与训练目标的依据，这也是这套反馈闭环产出的首个新版本。

模型主打对延迟高度敏感的场景：搜索、语音交互与代码系统。搜索类智能代理往往需要连续数十轮调用，完成任务规划、查询改写、结果重排、事实整理、来源摘要和答案校验。OpenCall就使用Mercury处理实时客户通话，整体响应中位数延迟接近170毫秒；P99响应耗时从数分钟缩短至1秒，P50延迟（包含推理）从0.4秒压到0.2秒以内。

另一个案例来自Augment Code，团队用Mercury完成上下文压缩、模型路由和MCP工具检索。把上下文压缩任务迁移到该模型后，延迟直接下降82%，由原来150秒缩短到27秒，成本削减90%，输出质量没有衰减，工具检索摘要任务可以在1秒内完成。

除主模型外，Inception同步放出Mercury Voice与Mercury Router的预览版本。Mercury Voice面向语音代理场景，首token生成时间低于170毫秒；Mercury Router负责分析用户提示词，在开源与闭源模型之间做调度，平衡质量、速度与开销。

Mercury 2.5可以通过Inception自有聊天产品、API，以及Baseten、OpenRouter平台调用。官方提供1亿免费API令牌供试用，企业客户还能申请专属算力、自动扩缩容、合规管控以及自定义数据留存策略。与此同时，Inception已经启动下一代更大规模模型的训练，计划在未来数月发布，并且不会牺牲扩散模型本身的速度与token效率优势。