Inception Labs
PulseAugur coverage of Inception Labs — every cluster mentioning Inception Labs across labs, papers, and developer communities, ranked by signal.
- developed by Mercury 2 95%
- developed Mercury 2 95%
- developed Mercury 2.5 95%
- developed Mercury 95%
- instance of Mercury 2.5 95%
- developed Mercury III 95%
- used by Nvidia Gpus 90%
- developed Augment Code 90%
- competes with Claude Haiku 5.5 80%
- competes with GPT-6 Luna 80%
- instance of Mercury III 70%
- uses O2 Czech Republic 50%
4 天有情绪数据
-
Inception Labs推出Mercury 3扩散模型，声称速度达1,068 tokens/秒
Inception Labs发布了Mercury 3，这是一款扩散语言模型，它能并行生成整个响应，而不是逐个token生成。这种方法声称在NVIDIA GPU上能达到每秒1,068个token的速度，远超现有模型。Mercury 3还拥有100万token的上下文窗口和具有竞争力的 introductory pricing。尽管Inception Labs声称Mercury 3在多项基准测试中优于GPT-6 Luna和Claude H…
-
Inception Labs发布Mercury 3扩散式大语言模型，加速AI代理
Inception Labs推出了Mercury 3，这是一款新推出的基于扩散的语言模型，旨在解决AI代理工作流中的延迟问题。与传统的逐个token生成文本的自回归模型不同，Mercury 3采用并行精炼方法，使其能够实现显著更高的速度。该模型报告称在NVIDIA GPU上每秒可生成高达1,068个token，并提供100万token的上下文窗口，使其适用于实时应用和对速度至关重要的代理任务。
-
扩散语言模型在语音助手和搜索中找到实际应用
扩散语言模型 (dLLMs) 正从研究走向实际应用，尽管其采用程度各不相同。Inception Labs 的 Mercury 系列在 API 和生产系统中引领商业应用，为实时语音助手、搜索管道和编码助手提供支持，并显著降低了延迟。其他 dLLMs，如 DiffuSpace 的 Dream 7B，正在被适配到边缘设备和特定行业用例，例如临床语音应用。来自 Google、Ant Group 和 Nvidia 的模型主要定位为开源、实验性或…
-
扩散语言模型在研究之外找到实际用例
扩散语言模型（dLLMs）正从研究走向实际应用，尽管其采用程度各不相同。Inception Labs 的 Mercury 系列在商业 API 和生产系统中处于领先地位，为实时语音代理、搜索/RAG 管道和编码助手提供支持，并显著降低了延迟。DiffuSpace 的 Dream 7B 等其他 dLLMs 正在被适配到边缘设备和特定行业，而来自 Google、Ant Group 和 NVIDIA 的模型主要用于开源实验和加速计算。dLLM…
-
Inception Labs 发布 Mercury 3 扩散 LLM，速度达 1,068 tokens/秒 · 跟踪到 2 个来源
Inception Labs 推出了 Mercury 3，这是一款基于扩散的 LLM，在 NVIDIA GPU 上实现了每秒 1,068 个 token 的速度，显著优于自回归模型。这种新架构允许跨整个序列并行细化 token，从而加快填充、编辑和约束生成等任务的处理速度。虽然供应商的基准测试声称在质量上与 GPT-6 Luna 和 Claude Haiku 5.5 等模型相当，但独立评估尚待进行，并且扩散 LLM 的生态系统仍在发展中。
-
Inception Labs 发布速度达每秒 1000 个 token 的 Mercury III diffusion LLM
Inception Labs 发布了 Mercury III，这是一款能够以每秒 1000 个 token 的速度进行处理的 diffusion LLM。这一新模型在语言模型的速度和效率方面取得了重大进展。该公告通过公司博客发布，并在 Hacker News 上引发了讨论。
-
MiniMax M3.1 Flash、Mercury 3 和 Exa 3.0 领衔新 AI 模型发布
MiniMax 发布了 M3.1 Flash，这是一款新的代理模型，在编码和网络安全等任务上速度提高了三倍，成本降低了 70%，并计划稍后发布模型权重。Inception Labs 推出了 Mercury 3，这是一款基于扩散的语言模型，据报道在基准测试中超越了 GPT-6 Luna 和 Claude Haiku 5.5，同时实现了每秒超过 1000 个 token。此外，Exa 3.0 也已发布，在编码、金融和研究方面表现出色，并包…
-
Inception 发布 Mercury 3 扩散式大语言模型，支持 100 万上下文，速度超 1000 token/秒
Inception 发布了 Mercury 3，这是一款基于扩散的大语言模型，它并行处理信息而非顺序处理。该公司声称该模型在 NVIDIA GPU 上可达到每秒 1,068 个 token 的处理速度，并支持 100 万个 token 的上下文窗口。在自我报告的基准测试中，Mercury 3 在 12 项测试中的 8 项上据称优于 GPT-6 Luna 和 Claude Haiku 5.5，尤其在编码和指令遵循任务方面表现出色。
-
Inception Labs 的 Mercury 3 在性能上媲美 GPT-6 Luna/Haiku
Inception Labs 发布了 Mercury 3，据称该新模型在某些通用输出任务上的性能可媲美甚至超越 GPT-6 Luna 和 Haiku。初步测试表明，Mercury 3 的信息处理速度可达每秒 1000 个 token，与 Luna 和 Haiku 相当。需要进一步评估以确认其能力，尤其是在智能体框架方面。
-
Inception Labs 发布 Mercury 2.5 扩散式 LLM，速度达每秒 1,107 个 token · 跟踪 1 个来源
Inception Labs 推出了 Mercury 2.5，这是一款在 NVIDIA GPU 上实现每秒 1,107 个 token 的扩散式语言模型。与像 GPT-3 这样逐个 token 生成文本的传统自回归模型相比，这代表了显著的速度提升。Mercury 2.5 采用扩散生成过程，类似于 Stable Diffusion 等图像生成模型，允许对整个输出进行并行优化，而不是顺序预测 token。该公司声称，这种方法比其前身 Me…
-
Inception Labs 发布 Mercury 2.5 扩散式大语言模型，号称在速度和成本上实现重大突破
Inception Labs 发布了 Mercury 2.5，这是一款基于扩散式语言模型，在速度和成本效率方面显著优于传统的自回归模型。与传统的逐个 token 生成不同，Mercury 2.5 并行优化输出，速度比典型的前沿模型快 5-20 倍，同时保持了可比的质量。这种速度优势已在 AI 电话代理和上下文压缩等领域得到实际应用，并有可能将大语言模型市场细分为专业化、高性价比的工具。
-
Inception Labs 发布 Mercury 2.5 扩散式大语言模型，智能提升 40%
Inception Labs 发布了 Mercury 2.5，这是一款新的扩散式大语言模型，其智能水平比前代 Mercury 2 提高了 40%。该模型在 NVIDIA GPU 上实现了每秒 1,107 个 token 的惊人速度，并支持 260K token 的上下文窗口。Mercury 2.5 定位为具有成本效益的替代方案，可与 GPT-5.6 Luna (Low) 和 Gemini 3.5 Flash-Lite 等模型相媲美，并…
-
Inception Labs 发布 Mercury 2.5 AI 模型
Inception Labs 发布了 Mercury 2.5，这是其 AI 模型的更新版本。该版本通过 Mastodon 和 Hacker News 等多个平台宣布，并附带相关博客文章重点介绍了新版本。
-
Inception Labs 发布 Mercury LLM 以提供编码辅助
Inception Labs 开发了 Mercury，这是一款专为编码任务设计的新型大型语言模型。该模型旨在协助开发人员的编码工作流程。
-
扩散式大语言模型Mercury 2在SDLC任务中表现不佳，尽管速度很快
最近的一项实验在Ship-Bench SDLC基准上评估了Inception Labs的基于扩散的LLM Mercury 2。尽管速度惊人且提供慷慨的免费套餐，Mercury 2在实施和验证任务方面却遇到了显著困难，在这些阶段得分很低。虽然该模型在上游文档阶段（如架构和规划）表现尚可，但产生的薄弱产物导致了下游失败，实施阶段破坏了核心用户流程。作者认为，像Mercury 2这样的扩散模型最适合速度敏感、低推理的任务，正如Incepti…
-
Inception Labs 的 Mercury 2 模型通过并行结晶实现每秒 1000 个 token 的速度 · 跟踪 3 个来源
Inception Labs 发布了 Mercury 2，这是一款能够以每秒超过 1000 个 token 的速度进行推理和生成文本的新型扩散模型。该模型通过使用并行结晶而非线性写入，实现了显著的速度提升，与传统模型相比，延迟降低了 82%。Mercury 2 在基准测试中也超越了 Google 的 DiffusionGemma，对传统的 LLM 架构提出了挑战。
-
Sakana Fugu 推出多智能体系统；Inception Labs 的 Mercury 2 提供速度
Sakana Fugu 发布了一个多智能体系统，该系统作为一个单一模型运行，能够为任务选择和协调专家模型。Inception Labs 的 Mercury 2 AI 模型使用扩散技术提供快速的 token 生成，针对速度敏感的工作流程进行了优化。此外，诺贝尔奖得主 John Jumper 将离开 DeepMind 前往 Anthropic，此举是在 DeepMind 在其编码工具商业化方面面临挑战之后发生的。
-
Google发布DiffusionGemma，文本生成速度提升4倍的模型
Google发布了DiffusionGemma，一个拥有260亿参数的新型MoE模型，它利用扩散模型进行文本生成，速度比传统的自回归模型快四倍。这种方法并行处理token，类似于图像生成，从而实现更快的推理和更低的内存需求，使其可以在4090 GPU等消费级硬件上本地执行。虽然DiffusionGemma在速度和双向注意力带来的自纠正能力方面表现出色，但目前在质量上落后于标准的Gemma模型，将其定位为面向速度敏感型应用的实验性模型。
-
Together AI 将批量推理 API 的速率限制提高了 3000 倍
Together AI 已显著升级其批量推理 API，引入了更用户友好的界面，并将模型兼容性扩展到包括所有无服务器和私有部署模型。此次更新将速率限制大幅提高了 3000 倍，从每位用户每个模型的 1000 万个排队令牌增加到 300 亿个，从而能够进行更大规模的数据处理。这些增强措施旨在使高吞吐量的工作负载更具成本效益和可访问性，对于大多数无服务器模型，成本通常是其实时 API 的 50%。
-
Inception Labs 首席执行官讨论超快速扩散大语言模型 'Mercury'
Inception Labs 首席执行官 Estefano Ermon 在 Latent Space 播客上讨论了 Mercury，一个超快速的扩散大语言模型。谈话可能涵盖了该新模型的技术方面和潜在应用。