Erik Voorhees：扩散文本模型 Mercury 3 上线，速度远超 GPT-6 Luna

扩散文本模型 Mercury 3 已正式上线。加密研究者 Erik Voorhees 在社交平台披露，新模型的生成速度显著超过 GPT-6 Luna，再次把“扩散语言模型能否进入高频应用”推上行业讨论中心。

Mercury 3 的核心变化，不是简单增加参数，而是从生成机制上改写延迟结构。传统自回归大模型需要按顺序逐个生成 Token，模型规模越大、输出越长，计算等待通常越明显。扩散模型则通过多轮去噪并行修正整段文本，在保持上下文连贯的同时压缩生成时间。对于搜索摘要、实时客服、代码补全和批量内容生产等场景，吞吐量往往比单次回答的最高质量更重要。

从产品指标看，用户感知最直接的提升是首字返回与完成时间。速度差距还会继续传导至服务器成本：同一硬件承载更多请求，意味着单位 Token 成本下降，云端 API 更适合按量付费，应用方也能把实时交互从“等待生成”变成“边生成边使用”。

不过，现有公开信息尚未完整披露 Mercury 3 与 GPT-6 Luna 在同一硬件、相同提示词和相同输出长度下的 Tokens/s、延迟、吞吐量及准确率。因此，“远超”目前更适合作为发布方给出的定性结论，而非可复现实验结论。真正决定商业价值的，不只是跑分，还包括长文本一致性、复杂推理、中文表现、事实准确率以及开发者调用价格。

Mercury 3 已上线，扩散文本路线也从研究演示进一步走向可用产品。若后续实测能够在速度领先的同时保持接近闭源模型的输出质量，GPT-6 Luna 面临的压力将不只来自参数竞争，而会来自架构效率、推理成本与实时体验的全方位竞争。

#扩散语言模型 #Mercury #GPT #大模型 #文本生成