Inception 推出 Mercury 2：全球首例基于扩散模型的推理大模型，是否将超越 Transformer 架构？

发布时间：2026-02-25 13:09:32 | 责任编辑：吴昊 | 浏览量：99 次

人工智能初创公司 Inception Labs 近日宣布推出 Mercury2，这不仅是一个性能强劲的推理模型，更在底层架构上实现了一次大胆的“范式转移”。
该模型彻底弃用了目前主流的 Transformer 架构，转而采用扩散模型（Diffusion-based）来生成文本，试图打破传统大模型的性能瓶颈。
与传统模型逐个生成 Token（字符）的方式不同，Mercury2的工作原理更像是一位经验丰富的编辑。它不再是一个字一个字地往外蹦，而是能够同时对多个文本块进行全局优化和重写。这种并行处理的逻辑，让 Mercury2在处理复杂逻辑推理任务时，展现出了令人惊叹的速度优势。
根据 小编 获取的实测数据，在英伟达 Blackwell GPU 的驱动下，Mercury2的生成速度达到了惊人的每秒1009个 Token。在端到端延迟测试中，该模型仅需1.7秒即可完成响应，这一表现比谷歌的 Gemini3Flash 快了8倍以上，更是远超 Anthropic 的 Claude Haiku4.5。尽管速度极快，但在 GPQA Diamond 和 AIME 等权威推理基准测试中，它的质量依然能与当前顶尖的轻量化推理模型并驾齐驱。
在商业策略上，Inception Labs 采取了极具竞争力的定价方案，其输入与输出成本仅为同类竞品的四分之一。目前，Mercury2已正式开放 API 接口，并支持12.8万 Token 的超长上下文及工具调用功能。对于追求极致响应速度的语音助手、搜索系统及编程工具而言，这款“不走寻常路”的扩散推理模型无疑提供了一个极具吸引力的新选择。
概要:
🌀 架构底层革新:摒弃传统的逐字生成模式，采用扩散模型技术，支持同时对多个文本块进行全局优化，实现推理逻辑的质变。
⚡ 极致性能表现:在最新硬件加持下实现秒级响应，生成速度破千 Token/s，延迟表现大幅优于 Gemini3和 Claude4.5。
💰 高性价比商用:以极低的价格成本挑战现有市场格局，支持长文本与 API 接入，重点瞄准延迟敏感型的企业级 AI 应用。