Inception Labs 的 Mercury 2 AI 在 Google 的 DiffusionGemma 擅长的领域击败了它（4分钟阅读）

# Inception Labs 的 Mercury 2 击败谷歌 DiffusionGemma，重现其成功模式 来源：https://decrypt.co/371722/inception-labs-mercury-2-ai-beats-googles-diffusiongemma #### 简讯 - Inception Labs 的 Mercury 2 每秒生成约 1000 个 token，在 AIME 2026 上得分 90 - 谷歌最新的 DiffusionGemma 速度相近，但在基准测试中表现较差。 - DiffusionGemma 在 Hugging Face 上免费开源权重。Mercury 2 是付费的闭权重 API 模型。 Inception Labs 于周四发布了 Mercury 2，称其为全球最快的推理语言模型。根据公司公告，它每秒生成约 1000 个 token（AI 模型读写的基本文本块），相比之下，Anthropic 的 Claude Haiku 4.5 Reasoning 约为每秒 89 个 token，OpenAI 的 GPT-5 Mini 为每秒 71 个 token。 这与谷歌后来为 [DiffusionGemma](https://decrypt.co/370706/google-new-open-model-generates-text-diffusiongemma) 宣称的速度区间相当。 > 欢迎进入扩散时代。我们多年前就押注于并行生成，当时这还是一个反主流观点。很高兴看到行业成熟。Mercury 2 继续在公开可用的扩散大模型中引领质量、速度和成本的帕累托前沿。pic.twitter.com/qSHuiR7vmH (https://t.co/qSHuiR7vmH) — Inception (@_inception_ai) 2026年6月18日 (https://x.com/_inception_ai/status/2067747832573149352?ref_src=twsrc%5Etfw) 两种模型都摒弃了逐字逐句的写作方式。标准聊天机器人写一个词，检查刚写的内容，再写下一个，循环直到答案完成。而扩散模型则先用随机占位符 token 填充一个文本块，然后通过几次并行传递去除噪声——这与图像生成器（如 Stable Diffusion）中将静态噪声转化为照片的原理相同——直到整个块同时锁定为完整的回答。 两者的分歧在于这个过程中保留了什么。在 AIME 2026（基于真实的美国数学邀请赛试题，按正确解答百分比评分）上，Mercury 2 达到了 90%。谷歌在同一测试集上测试 DiffusionGemma，得分为 69.1%，而标准的非扩散 Gemma 4 在同一测试中得分为 88.3%。 在 GPQA（一个博士级别的科学基准测试，采用相同评分方式）上，两个模型几乎持平：Mercury 2 为 77%，DiffusionGemma 为 73.2%。但谷歌自己的开发者指南建议在要求最大质量的应用中使用标准 Gemma 4，承认 DiffusionGemma 在所有方面都落后。 速度声明在实验室外也站得住脚。根据一份[联合案例研究](https://www.inceptionlabs.ai/blog/rise-of-realtime-subagents)，AI 编程代理公司 Augment Code 在其上下文压缩子代理中将 Mercury 2 替换为 Anthropic 的 Claude Opus 4.7，延迟降低了 82%，成本降低了 90%，同时报告输出质量相同。 Inception 建立在创始人 Stefano Ermon 的研究基础上，他是斯坦福大学教授，共同撰写了当前图像生成器所依赖的基于分数的扩散技术。这家初创公司 5000 万美元的融资轮吸引了英伟达的风险投资部门以及个人投资者 Andrew Ng 和 Andrej Karpathy 的支持。 对于非技术用户来说，大多数人直到体验到才会注意到的大问题是“流畅度”。传统模型会让您在一次长会话中等待思考间隙。像这样的扩散模型让 AI 感觉像是跟上了您的步伐——即时自动补全、对代码或计划进行快速迭代，以及能够处理繁重重复性工作而不会拖慢整个系统的子代理。 子代理层是一个有趣的架构转变。复杂的 AI 系统不再是一个巨大的智能模型。它们是由专业助手组成的管弦乐团：一个负责深度推理，几个负责快速摘要、路由、工具查找、输出检查等。顺序模型使这些工具调用变得昂贵且缓慢。并行扩散模型使它们足够便宜和快速，可以自由使用。 对普通用户来说的现实注意事项：这些模型仍然最适合工作流程中速度敏感、高容量的部分，而不是最艰难的前沿推理（目前最大的 AR 模型可能仍有优势）。Mercury 2 不是开源的，所以目前只能通过 API/云使用。而且像谷歌的版本一样，完整的生态系统（本地运行时、代理框架）仍在追赶，以使其在任何地方都能无缝运行。 立即可见的用例：实时快速编程和“氛围编码”，模型能跟上您的编辑；多代理编码或支持系统，其中会发生大量快速子调用；没有延迟感的语音界面；以及任何对延迟敏感的自动补全或下一步行动预测。在规模上，标准硬件上更高吞吐量带来的成本和能耗节省会迅速累积。 Inception 分享的数字（https://www.inceptionlabs.ai/models）（以及独立评估）直观地展示了这一点：Mercury 2 位于扩散模型的“又快又好”象限，将曾经需要特殊硬件的任务降级到普通 GPU 上运行。 ### 每日简报 **新闻通讯** 每天以当下最重要的新闻故事开始，还有原创特写、播客、视频等更多内容。