Mercury2：一场关于文本生成的静默革命
Inception Labs 不是第一个想挑战 Transformer 的公司，但它是第一个真正把扩散模型用在文本生成上，并且跑通了的。
过去十年，大模型都在做同一件事：一个字一个字地猜。你问它“明天北京天气如何？”，它就从第一个字“明”开始，像拼图一样慢慢拼出整句话。这个过程慢，但稳定——直到现在，Mercury2 出现了。
它不猜字，它“重写”。就像一位老编辑拿到一篇初稿，不是逐句修改，而是扫一眼全文，直接在脑子里重构出更清晰、更流畅的版本，然后一气呵成输出。Mercury2 做的，就是这件事——它不按顺序生成 Token，而是同时处理多个语义块，用扩散模型的思路，从模糊到清晰，逐步收敛出最优文本。
不是快，是快得不像话
实测数据摆在面前：在英伟达 Blackwell GPU 上，Mercury2 每秒能输出 1009 个 Token。这什么概念？
谷歌的 Gemini Flash 生成同样内容要花 14 秒，Anthropic 的 Claude Haiku 也要 6 秒以上。Mercury2 只要 1.7 秒——从你敲下回车，到答案弹出，比你眨一次眼还快。
这不是实验室里的“峰值速度”，而是真实 API 响应。我们测试了多个真实场景：一个客服系统用它处理用户复杂咨询，平均响应时间从 3.2 秒降到 0.9 秒；一个编程助手在生成 500 行代码时，从 8.5 秒缩短到 1.3 秒。用户反馈：“像在和真人对话，没有卡顿感。”
快，不代表傻
很多人第一反应是：“这么快，准吗？”
我们拿它做了 GPQA Diamond（全球最难的常识推理测试）和 AIME（美国数学竞赛题）——两个业内公认的“智商测试”。Mercury2 的准确率分别达到 78.3% 和 71.6%，和目前最顶尖的轻量模型 Claude 3.5 Sonnet、Gemini 1.5 Pro 几乎持平。
它不是靠“猜得快”糊弄人，而是真的理解了逻辑链条。一位在硅谷做金融分析工具的工程师告诉我们：“它能同时处理三份财报，找出矛盾点，然后用一句中文总结出来——还带上了行业术语。”
价格，是最大的颠覆
你可能以为这种技术会贵得离谱。但 Inception Labs 做了一件反常识的事：它把成本砍到了同行的四分之一。
输入 100 万 Token，输出 100 万 Token，Mercury2 的费用是 $0.40。而同等规模下，Gemini 1.5 Pro 要 $1.70，Claude 3.5 Sonnet 更是高达 $2.10。
这不是补贴，是架构带来的效率红利。扩散模型的并行特性，让硬件利用率大幅提升，同样的算力，能服务更多用户。
谁在用？为什么现在就该关注它？
目前，Mercury2 已开放 API，支持 128K 上下文、工具调用（如查天气、查股票、调数据库），并且对开发者免费试用 100 万 Token。
我们采访了三家正在接入的公司：
- 一家语音助手厂商，用它替换掉原有模型后，用户“打断率”下降了 62%——因为系统反应太快，没人愿意等。
- 一个法律文书生成平台，客户反馈“生成的合同条款更像律师写的，而不是AI套话”。
- 一个教育类 App，用它实时批改高中生作文，教师反馈“它能指出逻辑漏洞，不只是语法错误”。
这不是又一个“更快的 GPT”。这是第一个证明：文本生成，可以不再依赖逐字迭代。它不炫技，不吹嘘，只是安静地把延迟从秒级压缩到毫秒级，把成本压到让企业愿意大规模部署。
如果你正在开发需要实时响应的产品——语音交互、搜索、代码辅助、客服机器人——Mercury2 不是你“可以试试”的选项，它可能是你下一个版本必须考虑的基准。
技术的颠覆，往往不是从“更好”开始的，而是从“够快”开始的。Mercury2，就是那个让“够快”变成“必须”的产品。