Inception "Mercury 3", 1000 tok/s 扩散模型大语言模型
Inception Releases Mercury 3 Diffusion LLM at 1,068 Tokens per Second
事件综合
Inception 发布了 Mercury 3 扩散大语言模型，宣称具备每秒 1,068 个 Token 的推理速度与百万级上下文能力。这一进展表明非自回归架构正从实验性方案走向商业化落地，可能迫使传统主流大模型厂商在速度与成本优化上采取更激进的策略。
事件进展
- Inception 正在通过扩散架构推动大语言模型向千兆吞吐和极低延迟方向演进。
- Inception 正在通过非自回归架构向主流大语言模型的推理速度极限发起挑战。
前瞻信号
后续应重点观察 Mercury 3 的公开 API 评测表现及独立第三方的质量基准验证，评估扩散大语言模型在复杂任务中的实际稳定性。
信息来源 · 2
Inception 发布 Mercury 3 Diffusion 大语言模型，速度达每秒 1,068 个 Token
Inception发布Mercury 3扩散大语言模型，其宣称的高达每秒1,068个Token与百万级上下文能力，意味着非自回归生成架构正在特定性能维度向传统主流大语言模型发起挑战。这种极端优化的推理速度如果经市场验证，可能迫使主流大模型厂商在速度与成本优化上采取更激进的策略。
Inception 正在通过非自回归架构向主流大语言模型的推理速度极限发起挑战。后续应重点观察 Mercury 3 的公开 API 评测表现及独立第三方的质量基准验证，评估扩散大语言模型在复杂任务中的实际稳定性。查证原文 →Inception "Mercury 3", 1000 tok/s 扩散模型大语言模型
Inception 发布 Mercury 3 表明扩散大语言模型正在突破效率瓶颈，非自回归架构正在从实验性方案走向大规模商业化落地。这不仅在推理速度上实现了数量级的跃升，也对传统自回归模型的性能与成本结构构成了潜在挑战。
Inception 正在通过扩散架构推动大语言模型向千兆吞吐和极低延迟方向演进。后续应重点观察 Mercury 3 在复杂推理任务中的稳定性及大规模生产环境下的实际调用表现，以验证扩散模型在通用任务中的可靠性。查证原文 →