Mercury 3 正式發表：每秒生成千字的擴散式 AI，台灣企業應用解析（2026）

Inception Labs 於 2026 年 10 月 19 日正式發表旗艦模型 Mercury 3，這是目前最大規模的擴散式語言模型（dLLM）。Mercury 3 採用與主流大型語言模型截然不同的運算架構，在 NVIDIA GPU 上每秒可生成超過 1,068 個字元，依官方公告，速度是同等級競爭模型的 4 到 8 倍；情境視窗則從前一代 Mercury 2.5 的 26 萬 token，一舉擴大到 100 萬 token。目前 Mercury 3 已透過 Inception API、OpenRouter、Baseten 及 Vercel 等平台開放使用，新帳號可獲得 1 億個免費 token 供測試。這篇文章整理 Mercury 3 的核心規格、定價與企業應用場景，並說明台灣企業主現在最值得做的三件事。

Mercury 3 是什麼？Inception Labs 是哪家公司？

Inception Labs 是一家由史丹佛大學、加州大學洛杉磯分校與康乃爾大學的研究人員共同創辦的 AI 新創公司，核心技術方向是擴散式語言模型（diffusion language model，簡稱 dLLM）。與大多數 AI 新創不同，Inception Labs 不是在現有模型基礎上做微調或封裝，而是從底層架構重新設計生成流程。

Mercury 3 是該公司第三代旗艦模型，2026 年 10 月 19 日正式發布。依官方說明，Mercury 3 的參數規模是第一代 Mercury 1 的 40 倍以上，在多項基準測試中的表現提升了三倍，但仍維持與早期版本相近的生成速度。這意味著 Inception Labs 在「把模型做大」的同時，沒有犧牲速度，這對追求實時應用的企業來說是關鍵賣點。

Mercury 3 的核心規格是什麼？

生成速度：每秒超過千字

Mercury 3 在 NVIDIA GPU 上的生成速度達每秒 1,068 個 token，約等於每秒輸出約 750 到 800 個中文字。相較之下，主流旗艦模型在高流量時每秒通常落在 100 到 300 個 token 之間。速度差距之所以重要，在於「等待 AI 回覆」這件事本身會影響使用者體驗：客服場景中，如果對話機器人的回覆需要 5 到 10 秒，使用者會感到不耐；若縮短到 1 秒以內，互動感受就完全不同。

教育平台 RevisionDojo 是 Inception Labs 公布的合作夥伴之一，該平台表示，使用 Mercury 3 之後，學生在提問後收到回饋的時間縮短到大約 1 秒。這是目前可找到的第三方實際應用案例。

情境視窗：100 萬 token

Mercury 3 的情境視窗為 100 萬 token，對比前一代 Mercury 2.5 的 26 萬 token，擴大了將近 4 倍。100 萬 token 大約等於 80 萬到 100 萬個中文字，相當於可以一次讀入十幾本書的篇幅，或是一整年的客服對話記錄。這讓需要處理大量文件的企業，可以不必拆分資料、分多次送出，而是一次送入整批內容，請 AI 做整合分析或摘要。

相容性與部署方式

Mercury 3 的 API 格式與 OpenAI 相容，這意味著現有使用 OpenAI API 的應用程式，理論上只需要更換 API 金鑰和模型名稱，就能切換到 Mercury 3 進行測試，不需要重寫程式碼。目前 Mercury 3 提供以下幾種使用管道：

• Inception 自家 API 平台（支援企業專屬部署容量）
• OpenRouter（第三方 API 聚合平台，已於 10 月 19 日上線）
• Baseten（企業級模型部署平台）
• Vercel（網頁開發部署平台）

Mercury 3 的定價怎麼算？

以下為官方公布的定價資訊，以每 100 萬個 token 計算。目前適用發布促銷期五折優惠，促銷期結束時間官方尚未公布。

快取輸入享有 90% 折扣，這對於需要反覆讀入相同背景資料的應用特別有利，例如每次對話都要載入公司知識庫或產品目錄的客服機器人。

情境示範：假設一家零售業者要讓 AI 每天讀入 10 萬 token 的商品說明與政策文件，再回覆 1 萬次客戶提問，每次回覆平均 200 個 token。若這 10 萬 token 的背景文件使用快取，依促銷期計算，每天費用大約是輸入快取 0.001 美元 + 輸出 0.7 美元，一個月合計不到 25 美元，換算新台幣約 800 元。實際費用仍需依流量與用量調整，此處僅作概念試算。

新帳號可獲得 1 億個免費 token，可供企業在正式付費前先行測試。

擴散式 LLM 的技術原理是什麼？企業不需要懂，但要知道這件事

一般讀者不需要深入了解技術細節，但有一點值得知道：擴散式語言模型與傳統自回歸語言模型（例如 GPT 系列、Claude 系列）的差異，不只是速度，而是生成方式的根本不同。

傳統模型像打字機，每次只能輸出下一個字元，前一個字元決定後一個字元，因此速度受制於序列長度。擴散式模型則是先生成一個「全部字元都是雜訊」的草稿，再透過多輪精煉，把草稿同步修整成有意義的回覆，整個過程是並行的，因此速度可以大幅提升。

這個架構差異也帶來一些現實限制。傳統模型在複雜的邏輯推理與長鏈思考方面有更長時間的驗證，而擴散式語言模型目前仍是相對新興的技術路線，在某些需要嚴格逐步推理的任務上，表現還有待觀察。企業在選用時，最好先用自己的真實工作任務測試，不要只看廠商公布的基準數字。

Mercury 3 的基準測試數字可信嗎？

依官方公告，Mercury 3 在多項評測中優於同等速度定位的競爭模型。但需要特別說明：目前所有公布的基準測試數字均來自 Inception Labs 自身，尚未有獨立第三方機構的評測結果。包括與 GPT-6 Luna、Claude Haiku 5.5 的比較數據，均為公司自行測試並公告的結果。

這不代表數字一定不準，但意味著企業在決策前，應該用自己公司的實際任務親自測試，而非直接採信廠商提供的比較數字。這也是本文在引用相關數字時，均標注「依官方公告」或「依公司聲稱」的原因。

Mercury 3 適合哪些台灣企業應用？

速度優勢最明顯的場景，是那些「等待超過一秒就讓使用者不舒服」的應用。以下幾類企業值得優先評估：

客服與即時對話

台灣中小企業的客服機器人最常見的問題之一，就是回覆速度慢、對話感不連貫，導致使用者寧可改打電話。Mercury 3 每秒超過千字的生成速度，能夠做到回覆幾乎即時出現，對話體驗更接近真人，可以減少使用者放棄對話的機率。這類應用適合電商、旅宿、零售等每天有大量重複性詢問的業者。

語音 AI 與即時字幕

語音轉文字後再由 AI 生成回覆的場景，對速度極度敏感。例如語音客服、即時口語輔助工具、課堂即時問答系統，若 AI 生成環節的延遲超過 1 到 2 秒，整體使用體驗就會大幅下降。Mercury 3 的速度讓這類應用有更多餘裕。

大量文件的快速整理

Mercury 3 的 100 萬 token 情境視窗，搭配高速生成，讓「一次讀入大量文件、快速產出摘要或分析」這類任務的執行時間大幅縮短。例如法律、會計、製造業每月需要整理大批報告的部門，可以把文件批次送入，數秒內取得初步整理結果，再由人工審核。

教育科技與線上學習

Inception Labs 公布的合作夥伴 RevisionDojo 屬於這個類別。對線上學習平台來說，學生送出問題後能在 1 秒內看到個人化回饋，遠比等待 5 到 10 秒的體驗更能維持學習動機。台灣的線上教育、補教業、企業內訓平台都可以考慮評估。

Mercury 3 對台灣企業有哪些具體影響？

影響一：「速度」正式成為 AI 選型的關鍵指標

過去企業選擇 AI 模型，主要看「聰明程度」，也就是回答品質。Mercury 3 的出現，說明 AI 領域已進入「速度也是競爭力」的階段。未來各家模型可能在品質接近的情況下，靠速度拉開差距。企業在評估 AI 工具時，除了問「回答對不對」，也要問「多快能回答」。

影響二：即時互動應用的門檻降低

過去，在客服機器人或語音 AI 應用中達到「幾乎即時」的回覆速度，需要專門的工程優化、昂貴的基礎設施，或是犧牲回覆品質。Mercury 3 如果在台灣業者的實際場景中也能維持這個速度，代表這類應用的技術門檻大幅下降，中小企業也能用相對低的成本建立快速回應的 AI 客服。

影響三：多模型策略更重要

Mercury 3 的出現提醒企業：AI 模型不是「一家通吃」，不同任務適合不同工具。速度優先的客服場景可能適合 Mercury 3，需要複雜推理的財務分析或合約審查，可能仍適合其他更成熟的旗艦模型。企業應建立多模型比較的習慣，而不是把所有 AI 工作都交給同一個模型。

影響四：API 成本持續下降

Mercury 3 的定價進一步壓低了速度優先型模型的成本，尤其是快取輸入享有九折折扣，讓需要反覆讀入固定背景資料的應用，每日運算成本可以壓得很低。這對想用 AI 每天自動化處理重複性工作的台灣中小企業而言，是正面訊號。

台灣企業老闆現在可以怎麼做？

Inception Labs 是一家規模較小的 AI 新創，Mercury 3 也是全新的技術路線，建議企業採取「小步快試、邊測邊評」的策略，而不是立刻全面押注。

1. 先領取免費額度，指定一個真實任務測試：新帳號可獲得 1 億個免費 token，相當於約 5 萬到 8 萬個回覆，足夠做一到兩個場景的小規模測試。選一個公司真實的速度敏感任務，例如客服對話自動回覆或報告快速摘要，實際跑一遍，比較與現有工具的差異。

1. 速度測試不只看規格，要看台灣的實際延遲：廠商公告的 1,068 token/秒是 NVIDIA GPU 上的速度，透過 API 呼叫時，還要加上網路延遲。台灣用戶實際的端到端等待時間，需要自己測試才能確認，不能直接套用官方數字。

1. 把 Mercury 3 納入多模型比較名單，不要全押：同一個任務分別試跑 Mercury 3 與現有使用的模型，比較品質、速度、成本三個維度，再決定哪類工作最適合轉移過來。不需要立刻全面換掉現有工具。

1. 速度敏感場景優先，複雜推理場景觀望：即時客服、語音 AI、大量文件批次摘要，是 Mercury 3 最可能有優勢的場景。需要嚴格逐步推理（例如合約分析、財務建模）的任務，建議繼續用經過更多實戰驗證的模型，等待 Mercury 3 的獨立評測結果出來後再決定。

1. 現在沒有在做 AI 的老闆，這是一個評估的好時機：如果你的公司還沒有開始用 AI 工具，Mercury 3 的免費額度提供了一個低成本的切入點。先透過 AI 企業健診，釐清公司最適合用 AI 改善的工作流程，再針對性地選擇工具，效果會比漫無目的地「先試試看」更好。

如果你的公司已經在用某個 AI 模型，但不確定現有工具是否還是最適合的選擇，也可以參考 AI 企業內訓課程，讓團隊學會評估不同工具的方法，而不是每次新模型出來都被行銷說服換掉。

對於想要系統性規劃公司 AI 策略、而不只是單點採用工具的企業，可以考慮 AI-SEO 與內容策略服務，把生成式 AI 的能力整合到品牌內容與客戶接觸點，而不是只用在內部作業。

常見問題

Mercury 3 和 ChatGPT 有什麼差別？

兩者的核心差異在架構：ChatGPT 使用自回歸語言模型，一個字接一個字生成；Mercury 3 使用擴散式語言模型，同步精煉整段回覆。這讓 Mercury 3 在速度上有明顯優勢，但在複雜邏輯推理任務上，自回歸模型目前有更長時間的實戰驗證。兩種模型各有適用場景，建議依任務性質選擇。

Mercury 3 的基準測試可信嗎？

目前所有公布的比較數字均由 Inception Labs 自行測試並公告，尚未有獨立第三方機構的驗證報告。這不代表數字一定不準，但企業應以自己公司的真實任務實際測試為準，而不是直接採信廠商比較數據。

Mercury 3 的促銷定價何時結束？

官方尚未公布促銷期結束時間。目前促銷期為標準定價的五折：每百萬輸入 token 0.10 美元、輸出 0.35 美元。在估算長期使用成本時，建議以標準定價（輸入 0.20 美元、輸出 0.70 美元）試算，以避免預算低估。

台灣企業現在就能使用 Mercury 3 嗎？

Mercury 3 已透過 Inception API、OpenRouter、Baseten 及 Vercel 開放使用，沒有地區限制公告，台灣企業可以直接申請帳號測試。新帳號提供 1 億個免費 token，足夠進行多輪測試評估。

資料來源

• Inception Labs 官方部落格：Diffusion at Scale: Introducing Mercury 3
• Unite.AI：Inception Releases Mercury 3, Its Flagship Diffusion LLM
• Interesting Engineering：New Mercury 3 model claims 8-fold speed edge over GPT-6 rivals
• Startup Fortune：Inception Labs claims Mercury 3 beats Haiku and GPT-6 Luna at 1,068 tokens a second