Mercury 2

Mercury 2 是 Inception 的扩散语言模型，也是把该公司「并行解码」路线真正推进生产使用的一次发布。Inception 在 2026 年 2 月推出它，官方博客把卖点写得很清楚：这是一条不一样的曲线，而不只是一个更高的分数。自回归模型逐个 token 从左写到右，Mercury 一次生成一大片再由少几步迭代收敛，官方形容它更像编辑改稿，而不是打字机。

这一点在循环里最值钱。生产环境的 Agent、检索管线、抽取任务，每个任务要调用几十次模型，延迟会在每一步、每个用户、每次重试上叠加。Mercury 2 的主张是：把推理级质量塞进实时延迟预算里，你能跑得起的步数就变了。

Mercury 2 已被 Mercury 2.5 接替，后者于 2026-09-08 发布，上下文扩大到 260K。Mercury 2 目前仍以同样的标价在 API 上提供，也仍是第三方延迟评测最常引用的那一版。

模型规格

定价

Inception 官方文档给出的 Mercury 2 价格：

Mercury 2 今天没有促销价，Inception 目前宣传的 8 折优惠只针对 Mercury 2.5。Mercury 2 兼容 OpenAI API，把现有客户端指向 https://api.inceptionlabs.ai/v1 属于改配置，不是重写代码。

第三方评测怎么说

Artificial Analysis 在 2026-09-25 的页面把 Mercury 2 的发布月份标为 2026 年 2 月，并已把它标记为 deprecated，建议改用 Mercury 2.5。但它实测的数字仍是最好用的参照：

• 速度：每秒 761.4 个输出 token，在 174 个模型中排第 3。
• 智能：Artificial Analysis 智能指数 14 分，174 个模型中排第 77，高于中位数 13。
• 价格：输入 $0.25、输出 $0.75，缓存折扣 90%。
• 上下文：128K token，纯文本输入输出。

Inception 自己宣称在 NVIDIA Blackwell 上能跑到每秒 1,009 token，第三方实测 761，这个差距是常见的厂商数据与跑分差异。看趋势即可，不必纠结具体数值。

速度用在了哪里

官方发布文里收集了一批生产案例，都是厂商自述，当作方向性参考：

• Zed 用它做 next-edit 建议与重构，开发者一旦等待就会断掉心流。
• Wispr Flow 用它做实时转写清理与交互式应用。
• Skyvern 表示 Mercury 2 至少比 GPT-5.2 快一倍，称这对浏览器自动化是改变游戏规则的一件事。
• Viant 用它优化由几十次链式推理组成的广告投放执行。
• SearchBlox 在客服、合规、电商搜索上跑亚秒级智能。
• OpenCall 的语音 Agent 报告模型响应延迟中位数接近 170 毫秒。

NVIDIA 的 Shruti Koparkar 也在文中背书，把这项跑分和 Blackwell 基础设施绑在一起。

快速开始

1. 在 Inception 控制台创建 API key，导出为环境变量 INCEPTION_API_KEY。
2. 请求 https://api.inceptionlabs.ai/v1/chat/completions，model 填 mercury-2，并带上 reasoning_effort 与 max_completion_tokens 上限。
3. 找出管线里重复最多的调用：路由、上下文压缩、查询改写、重排、工具结果摘要。这些才是快模型划算的地方。
4. 比较改动前后的「每任务」端到端延迟与成本，而不是单次调用的数字。

限制与风险

• 已被接替。 Mercury 2.5 的上下文翻倍、智能指数更高，还有促销价。新接入应该直接用它。
• 智能不是第一梯队。 智能指数 14 分高于平均，但不是前沿模型。硬推理仍应交给前沿模型。
• 纯文本、128K 上下文。 不支持图像与音频输入，500K 到 1M token 的长上下文任务需要换模型。
• 速度是厂商自述。 每秒 1,009 token 是 Inception 自己的测量。
• 输出上限。 单次请求最多 50,000 个输出 token，Mercury 2.5 是 65,536。

常见问题

Mercury 2.5 出来了，Mercury 2 还能用吗？

能。Inception 仍在 v1/chat/completions 上以 $0.25 / $0.75 每百万 token 提供它，Artificial Analysis 也继续为默认负载做速度评测。

需要换客户端吗？

不需要。它兼容 OpenAI API，多数 SDK 只要改 base URL 和模型名。

扩散语言模型是什么？

大多数 LLM 按顺序一次解一个 token；扩散语言模型并行生成一批 token，再用几步迭代收敛。这就是 Inception 敢说「曲线不同」而不只是「硬件更快」的原因。

能替代前沿模型吗？

不能。它的价值是围绕那个贵调用的一圈高频调用的吞吐与成本，而不是难题上的最终答案质量。

替代方案

• Mercury 2.5：接替者，260K 上下文，当前的折扣也在它身上。
• Claude Opus 5.5：质量比延迟更重要的调用交给它。
• Grok 4.7：同代选项之一，上下文窗口大得多。

使用技巧

1. 把系统提示词和稳定的长上下文放在请求最前面，吃满 90% 的缓存折扣。
2. 路由、分类这类调用把 reasoning effort 调低，可调的推理档位是成本曲线保持平坦的关键。
3. 正式接入前先和 Mercury 2.5 做一次对比，接替者在性价比上更划算。

总结

Mercury 2 证明了扩散语言模型能扛真实生产流量，而不只是赢一个延迟榜，Zed、Skyvern、SearchBlox 的案例就是证据。它已经不是起步首选，因为 Mercury 2.5 出现了；但如果你已经在跑它，或者想看清这场速度论证从哪里开始，它依然值得留在词条库里。