2026 年 9 月 8 日，加州 AI 初創公司 Inception 正式發布 Mercury 2.5——目前市場上最快的生產級推理語言模型。該公司宣稱，Mercury 2.5 在真實部署環境中達到 每秒超過 1,100 個 tokens 的吞吐量，遠超傳統自回歸（autoregressive）模型的典型速度。
這一數字本身即是戰略信號——在 2026 年 9 月密集的模型發布潮中，Mercury 2.5 選擇以架構差異化和推理成本作為競爭切入點，而非單純追求參數規模或基準分數。
擴散式語言模型：從「逐詞預測」到「並行精煉」
Mercury 2.5 的核心差異在於其擴散式架構（dLLM），從根本上改變了文字生成的計算流程：
| 特性 | 傳統自回歸模型（GPT、Claude、Gemini） | 擴散式模型（Mercury 2.5） |
|---|---|---|
| 生成方式 | 逐 token 順序預測 | 整段文字並行精煉 |
| 推理瓶頸 | 序列依賴，無法平行化 | 可高度平行化 |
| 吞吐量上限 | 受限於 token 序列長度 | 理論上可大幅提升 |
| 典型應用 | 長文本推理、法律文件、數學證明 | 高吞吐場景、即時編碼輔助、客服 |
擴散式模型借鑑了 Stable Diffusion 等圖像生成技術的思路：從一個帶噪聲或遮罩的完整回應出發，透過多次迭代逐步去噪，最終形成清晰的文字輸出。這一機制天然有利於平行計算，這也是 Mercury 2.5 能達到 1,100 tokens/sec 的結構性原因。
同步推出 Mercury Voice 與 Mercury Router
Inception 在發布主模型之餘，還推出了兩款預覽級產品：
- Mercury Voice：將擴散式架構應用於語音互動場景的產品原型
- Mercury Router：任務級模型調度層，可根據請求特性自動選擇最適合的 Mercury 變體執行
Mercury Router 的設計思路尤其值得關注——它暗示 Inception 的策略不僅是賣一個模型，而是提供一套推理成本優化層。高吞吐、低延遲的 Mercury 2.5 處理常規任務，複雜推理則交給更重的模型後端。這一「路由即產品」的定位，精準對應了 2026 年企業 AI 基礎設施團隊最頭痛的算力成本管控問題。
2026 年 9 月第一週：模型發布的密集交鋒
Mercury 2.5 並非孤例。2026 年 9 月的第一週經歷了年度最密集的基礎模型發布：
| 日期 | 發布方 | 模型 | 核心差異點 |
|---|---|---|---|
| 9 月 1 日 | Anthropic | Claude Fable 5.1 / Mythos 5.1 | 雙安全層級機制，快取讀取降價 75% |
| 9 月 2 日 | Gemini 3.8 Flash | 入門級定價，Cyber 安全變體 | |
| 9 月 3 日 | IFM | K2 Horizon（六款全開源模型） | 0.9B 至 375B 參數，完整開放權重 |
| 9 月 3 日 | OpenAI | GPT-6 Astra | 通用推理旗艦，100K GPU 訓練 |
| 9 月 7 日 | iFlytek | Spark X2.5（293B） | 代碼生成與代理工作流專注 |
| 9 月 8 日 | Inception | Mercury 2.5（dLLM） | 擴散式架構，1,100+ tokens/sec |
這一密集度反映出行業格局的深刻變化：頂尖實驗室仍佔據通用推理的話語權，但中規模實驗室正逐步以特定維度（開源、專精任務、架構創新）建立差異化壁壘。Inception 選擇的「架構 × 速度」路線，正是這一趨勢的典型代表。
企業採用：從「更聰明」到「更便宜、更快」
Mercury 2.5 的潛在影響不在於取代 GPT-6 Astra 或 Claude，而在於改變企業對推理成本的計算方式。
對於高吞吐量、低延遲敏感的場景——即時客服、編輯器內編碼補全、語音助理——一個能以數倍吞吐量完成推理任務的模型，直接影響 GPU 時數 / 每次回應的經濟帳。在 2026 年 AI 算力成本仍是產品擴張最大瓶頸的背景下，這一定位對平台團隊與 FinOps 團隊具有強烈吸引力。
然而需要指出的是，Inception 的 1,100 tokens/sec 數字目前為廠商自報數據，尚未有第三方在統一硬件與提示詞條件下進行獨立驗證。擴散式模型在長篇幅連貫性與多步推理任務上與自回歸模型的差距，仍需更多基準測試來釐清。
Mercury 2.5 的 API 定價、上下文窗口大小及雲平台可用性（目前尚未登陸 AWS/GCP/Azure Marketplace）亦有待公布。這些因素將直接影響其實際落地速度。
本文信息來源：Inception Business Wire 公告、Shattered.io 分析報導。