Inception Mercury 3 是甚麼：速度、價格、跑分與 API（2026）

Inception Mercury 3 是一款快速、便宜、純文本的模型，面向 Agent、語音和搜尋類工具——這些場景裏，等模型返回就是最大的成本。它有 1M token 上下文窗口，最多輸出 131,072 個 token，支援工具調用和結構化輸出，API 兼容 OpenAI。Inception 新帳號贈送 1 億免費 token。完整介紹見 Inception 的發佈公告；價格和限制見模型頁。

要點：

1. 2026 年 10 月 19 日發佈，是 Inception 的旗艦模型；Mercury 2 和 2.5 已停止向新用户開放。
2. 輸出速度 1,068 tokens/s。
3. 1M token 上下文（Mercury 2.5 為 260K）；最大輸出 131,072 token。
4. 首發價每百萬 token 輸入 $0.10 / 輸出 $0.35，是原價 $0.20 / $0.70 的一半。
5. 可在 Inception API、OpenRouter、Baseten 和 Vercel 上使用。

1. Inception Mercury 3 參數一覽

Inception 沒有公佈參數量，只説 Mercury 3「比 Mercury 1 大 40 倍以上」。沒有開放權重，只能通過 API 使用。

2. 擴散 LLM 和 GPT、Claude 有什麼不同

GPT、Claude 和 Gemini 都是自迴歸模型：預測下一個 token、拼接上去、再重複，所以 1,000 個 token 的回答要一步接一步地走 1,000 步。

擴散 LLM 先生成整段回答的粗略草稿，再在固定輪數內同時細化所有位置，這個過程叫去噪（denoising）。每一輪同時更新大量 token，GPU 利用更充分，長輸出所需步數少得多。在 Inception 的聊天應用程式裏打開「Diffusion Effect」就能看到：回覆先是一堆亂碼，然後逐漸清晰成文字。

過去最大的疑問是：擴散模型規模變大後會不會繼續變聰明。Mercury 3 給出了答案：參數約為 Mercury 1 的 40 倍，在 Inception 標準基準集上得分約提高到 3 倍，速度不變。

3. Mercury 3 速度與跑分

真實應用程式中的速度。首發合作伙伴的數據：

• Octen AI（智能眼鏡上的搜尋）：生成中位數 0.9 秒，端到端 2.2 秒。
• RevisionDojo（輔導）：提示和批改答案約 1 秒返回。
• TinyFish AI（網頁 Agent）：50 個真實 Mind2Web 任務完成 50%，在相同 token 和步數預算下明顯領先 GPT-6.1-Sol。

跑分。在 medium 設置下，Mercury 3 對比 GPT-6 Luna 和 Claude Haiku 5.5，12 項測試中領先 8 項：

圖上的主分數是 Inception 自己對 12 項基準（包括 GDPval、SciCode、Tau3-Banking、Terminal-Bench v2.1 和 BrowseComp+）取的平均分，現在標為「Model Quality」，與 Artificial Analysis 的 Intelligence Index 不是一回事。

Mercury 3 最強的是指令遵循和 Agent 程式開發，長上下文檢索和較長的程式開發任務略微落後。如果你的場景主要是 50 萬 token 級的文件召回，先測這一項。

X 上早期用户怎麼説

• Serafim Batzoglou 用他的歸納推理基準測試（訓練集 9%、留出集 5%），結果「與 Gemini 3.5 Flash 大致持平」，並稱以這個價格而言「令人難以置信地出色」。
• 開發者認為它作為 Agent 模型很強，在德語法律任務上「非常快且準確」。
• 批評者希望看到 high 檔位而非只有 medium 的對比；有用户實測同一任務的思考 token 是 Luna 的 7.7 倍——成本上值得留意。
• 常見問題：20 萬 token 提示和高併發下的速度，以及開放權重（尚未宣佈）。

4. Mercury 3 價格

按首發價，Mercury 3 的輸出比 Haiku 5.5 和 GPT-6 Luna 便宜 30%（每百萬 $0.35 對 $0.50），輸入價格相同。按原價，輸出貴 40%。長期優勢在速度。

免費額度：新帳號 1 億 token，無需綁卡。每分鐘速率限制：Free 1,000 次請求 / 1M 輸入 / 100K 輸出 token；Pay As You Go 3,000 / 3M / 300K；Enterprise 可訂製。

還在用 Mercury 2 或 2.5？兩者都已停止向新用户開放。2026 年 10 月 19 日前有用量的老客户可用到 2026 年 11 月 15 日；企業合同照常。

5. 如何使用 Mercury 3 API

API 兼容 OpenAI：模型 id 為 mercury-3，base URL 為 https://api.inceptionlabs.ai/v1。使用官方 Python SDK：

# pip install inceptionai ; export INCEPTION_API_KEY=...
from inceptionai import Inception

client = Inception()  # reads INCEPTION_API_KEY
resp = client.chat.completions.create(
    model="mercury-3",
    messages=[{"role": "user", "content": "Summarize this incident log in 5 bullets: ..."}],
    reasoning_effort="low",      # instant | low | medium | high
    temperature=0.75,            # allowed range 0.5–1.0
    max_completion_tokens=8192,
)
print(resp.choices[0].message.content)

注意事項：

• reasoning_effort 在 Mercury 3 上預設為 low（Mercury 2/2.5 預設 medium）。語音場景用 instant，多步推理用 high。
• temperature 範圍是 0.5 到 1.0，不能設為 0。
• 工具調用、結構化輸出（response_format）和串流輸出都可在 chat completions 中使用。
• 在 OpenRouter 上 id 為 inception/mercury-3。
• Inception 文件提供了 Claude Code（通過 LiteLLM 橋接）、Cursor、OpenCode、Kilo Code、LangChain、ElevenLabs 和 Vapi 的接入指南。

6. 切換前要知道的 Mercury 3 限制

• 僅支援文本。不支援圖像或音頻輸入（圖像輸入在 Mercury Decide 裏，那是一個獨立的分類模型）。
• 長上下文是最弱項。儘管有 1M 窗口，在 MRCR v2 和 AA-LCR 上仍落後。
• 閉源模型。沒有開放權重，除企業合作外不能自行部署。
• 首發定價。50% 折扣沒有公佈結束日期。
• temperature 範圍窄（0.5–1.0），會影響需要確定性輸出的評測流水線。

7. Sumus 的位置：快模型 + 團隊群聊裏的 AI 隊友

Sumus 讓 Mercury 3 這樣的快模型在你的團隊群聊裏幹活。團隊成員和 AI 隊友在同一個群聊裏：你用大白話交代任務，AI 隊友再拉其他 Agent 分擔子任務，大家在同一個討論串裏一起檢查結果。Mercury 3 每一步約 1 秒就能回應，多個 Agent 可以並行嘗試不同方案，幾分鐘內就能對比結果。

比如對 AI 隊友説：「用 Mercury 3 和 Haiku 5.5 跑一遍我們的 20 條客服提示，總結各自在哪裏出錯。」它會把工作拆給多個 Agent，然後發出一份全隊都能審閲的對比總結。你已經在本機跑的程式開發 Agent，比如 Claude Code 或 Codex，也能作為隊友加入同一個群聊。想要一個每週幫你跑這種對比的？在 Sumus 請一個 AI 員工。

讓 Mercury 3 和一隊 AI Agent 在你的群聊裏幹活 → 免費開始，請一個 AI 員工

我們接下來關注什麼

• OpenRouter 和 Artificial Analysis 上的第三方吞吐數據。
• 50% 首發折扣何時結束，是否早於 Mercury 2 在 11 月 15 日的停用。
• 大規模長上下文的實測結果。

資料來源

• Inception，Diffusion at Scale：Introducing Mercury 3，2026 年 10 月 19 日。
• Inception，X 上的發佈帖，2026 年 10 月 19 日。
• Inception 文件，Models and pricing。
• OpenRouter，inception/mercury-3。
• 另參考：Inception 文件（Quick Start、Reasoning Efforts、Rate Limits）、Business Wire、MarkTechPost、Unite.AI、Artificial Analysis，以及 Stefano Ermon、OpenRouter、Vercel 和 Serafim Batzoglou 在 X 上的帖子。