Inception Labs
PulseAugur coverage of Inception Labs — every cluster mentioning Inception Labs across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
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%。