先了解这件事
2026年9月29日,Inception Labs发布扩散式推理语言模型Mercury 2,称其为全球最快的推理语言模型。该模型采用扩散式并行精炼而非自回归逐 token 解码,官方称生成速度提升超过5倍,在NVIDIA Blackwell GPU上达到1,009 tokens/sec。定价为每百万输入token 0.25美元、每百万输出token 0.75美元,支持可调推理、128K上下文、原生工具调用和schema对齐的JSON输出,并兼容OpenAI API,面向编码补全、智能体循环、实时语音和搜索RAG等延迟敏感场景,现已可用。同日,Inception Labs宣布Mercury 2上线Azure AI Foundry,目前在美国和加拿大区域提供。
AI 根据公开报道生成
事件进展
2 个已确认进展
- 来源：Inception Labs Blog
- 来源：Inception Labs Blog
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
9月29日
Inception Labs Blog一手精选
Inception 在 Azure AI Foundry 上线 Mercury 2 推理模型
Inception Labs 宣布 Mercury 2 上线 Azure AI Foundry，该模型采用扩散架构并行生成 token，官方称生成速度提升超过 5 倍，在 NVIDIA Blackwell GPU 上达到 1,009 tokens/sec。模型定价为每百万输入 token 0.25 美元、每百万输出 token 0.75 美元，支持 128K 上下文、原生工具调用和 JSON schema 结构化输出，API 兼容 OpenAI，目前在美国和加拿大区域提供。
Inception Labs Blog一手
Inception 将 Mercury 2 免费 token 提升至 1 亿，速率限制提高 10 倍
Inception 宣布每个新 API key 的免费 token 从 1000 万提升至 1 亿，免费层速率限制提高 10 倍，并持续改进 Mercury 2 的首 token 时间、端到端延迟和工具调用可靠性。Mercury 2 已在 Baseten 上线，面向实时语音、搜索、编程智能体和多智能体工作流。
Inception Labs Blog一手精选
Inception 发布扩散式推理模型 Mercury 2
Inception 发布 Mercury 2，称其为全球最快的推理语言模型，采用扩散式并行精炼而非自回归逐 token 解码，生成速度提升超过 5 倍。官方数据为 NVIDIA Blackwell GPU 上 1,009 tokens/sec，定价 $0.25/1M 输入 token、$0.75/1M 输出 token，支持可调推理、128K 上下文、原生工具调用和 schema 对齐的 JSON 输出，并兼容 OpenAI API。该模型面向编码补全、智能体循环、实时语音和搜索 RAG 等延迟敏感场景，现已可用。
Inception Labs Blog一手
Inception Labs 更新 Mercury 系列扩散 LLM 产品线
Inception Labs 在其产品博客集中列出 Mercury 系列扩散 LLM 的进展：Mercury 2 面向搜索场景，可在既有延迟预算内为每次查询执行五十到一百次 LLM 调用；Mercury 2 用于语音智能体时 TTFT 低于 300 ms，并已上线 Azure AI Foundry。Mercury 2.5 被称为市面上能力最强的扩散 LLM，运行速度 1,107 tokens/sec，智能水平较 Mercury 2 提升 40%。此外，Mercury 2 新 API key 可获 100M 免费 tokens，速率限制提升 10 倍。