1068 tok/s 的扩散模型进了聚合货架：Mercury 3 把 0.10/0.35 美元摆上 API 价目表

货架上多了一张速度牌

10 月 19 日，Inception 发布第四代扩散语言模型 Mercury 3，官方称在 NVIDIA GPU 上跑到 1068 tokens/秒，比同档速度优先型前沿模型快 4 到 8 倍，上下文从 Mercury 2.5 的 26 万扩到 100 万。对做模型分发的人来说，真正值得记的不是跑分，而是它已经出现在聚合平台上：OpenRouter 的 inception/mercury-3 页面标价 0.10 美元/百万输入、0.35 美元/百万输出，上下文 100 万，chat/completions 接口即调即用。开发者接入的门槛，从谈商务降到换一个 model 字符串。

价格要分两层读：5 折是首发价，不是常态价

官方博客与 API 文档一致写明：Mercury 3 挂牌价 0.20/0.70 美元每百万输入输出 tokens，首发期打 5 折即 0.10/0.35 美元，缓存命中的输入价再降 90%，约 0.01 美元/百万。同一货架上仍挂着前代 Mercury 2，价格 0.25/0.75 美元。两组数字对齐，新一代在输入侧便宜 60%、输出侧便宜 53%，上下文扩大 3.85 倍，属于少见的加量还降价。但折扣到期时间官方没有给死线，做年度预算时应按 0.20/0.70 报，把折扣当缓冲而不是基础。

按任务算账：一次调用到底多少钱

用一个典型在线客服口径测算：每次请求 2000 输入、600 输出 tokens，日均 10 万次。按首发价 0.10/0.35 计算，单次成本约 0.00041 美元，日均 41 美元、月约 1230 美元；按挂牌价 0.20/0.70 计算，单次翻到 0.00082 美元，月约 2460 美元。若把系统提示与知识库前置做成缓存命中、命中率做到 80%，输入侧成本压到十分之一，月成本可落到 798 美元上下。

成本结构的敏感点：输出越长，这套价格的优势越薄

按首发价，输出单价是输入的 3.5 倍。前面那个 2000 输入、600 输出的客服请求里，输出只占 token 量的 23.1%，却贡献了 51.2% 的账单；换成 2000 输入、4000 输出的长文生成任务，单次成本从 0.00041 升到 0.0016 美元，输出占比抬到 87.5%。也就是说，Mercury 3 的定价对短输出、高并发场景最友好，做报告改写、长文档摘要这类活儿，加速省下的是等待时间而不是账单，成本优势会明显收窄。选型时先把输出 tokens 的口径量出来，再对比同货架其他模型，比只看输入单价靠谱。换算成速度：产出 1000 tokens 约 0.94 秒，这是它在语音、实时检索这类延迟会累加的场景里最值钱的地方。

选型判断：三类场景先用，两类先别碰

适合先上的：一是语音客服与实时问答，首 token 与整段生成都短，速度直接换成体验；二是浏览器与检索型 agent，单步快意味着同样时长内能多试几条路径；三是教育类即时反馈，答案短、要求秒回。不建议急着上的：一是长链深度推理与复杂多文件重构，官方自家基准里 DeepSWE v1 为 46.31，落后 Claude Haiku 5.5 的 51.62；二是需要私有化、权重可审计的合规场景，Mercury 3 只提供 API，没有开放权重也没有量化版本，这反而正是它对分发平台最大的价值，没有自建这条路，货架就是唯一入口。另外官方 12 项基准中 8 项领先 GPT-6 Luna 与 Haiku 5.5，但数据是厂商在 medium 设置下自报，采购前应拿自有评测集复跑。

货架层的三个观察点

一是折扣窗口会带来一波集中接入，随后回落到挂牌价，留存曲线要看回落后三周；二是扩散架构仍按 token 计费，速度红利归用户而不归账单，所以比价表里它的位置取决于单价而不是吞吐；三是 API-only 模型的生命周期由厂商单点决定，建议在聚合层做同名多供应商冗余，把切换成本压到一次配置变更。对聚合平台而言，这类只上架、不开源的速度型模型，恰好是差异化选型的抓手。

数据来源：Inception Labs 官方博客与 API 文档、OpenRouter 模型页、MarkTechPost（2026-10-19/20）；跑分为厂商自报口径。