Mercury 2
PulseAugur coverage of Mercury 2 — every cluster mentioning Mercury 2 across labs, papers, and developer communities, ranked by signal.
- 2026-06-25 product_launch Inception Labs launched Mercury 2, a diffusion model capable of reasoning and generating text at over 1000 tokens per second. 来源
3 天有情绪数据
-
Inception 的 Mercury 3 扩散模型声称每秒处理 1000 多个 token，挑战 LLM 领导者
Inception 推出了 Mercury 3，这是一款基于扩散的语言模型，声称速度达到每秒 1,068 个 token，远超传统的 Transformer 模型。该公司表示，Mercury 3 在速度基准测试中与 GPT-6 Luna 和 Claude Haiku 5.5 相当或超越它们，并以 substantially 更低的价格提供 100 万 token 的上下文窗口。尽管早期的第三方测试显示出在代理应用方面的潜力，但 Inc…
-
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 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 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，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…
-
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…
-
Anthropic 的 Claude Opus 5 表现好坏参半，引领智能基准测试
Anthropic 发布了 Claude Opus 5，该模型正被集成到 Claude Code 等各种产品中。早期用户报告的体验好坏参半，一些人发现它具有高度的代理能力并能胜任复杂任务，而另一些人则称其“无知”且容易忽略指令或破坏工作流程。尽管一些用户感到沮丧，但 Opus 5 在人工智能分析智能指数中处于领先地位，在智能指标方面优于其他模型，尽管其成本效益正与 GPT-5.6 Sol 等竞争对手进行比较。
-
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。
-
AI赋能开发者构建自定义工具，用于设计、估算和思维组织
多位个人利用AI，特别是大型语言模型，开发了个人工具和项目，以增强其工作流程和创意过程。一位用户创建了一个集成设计工具的浏览器，用于在不修改代码库的情况下探索想法。另一位用户使用Claude Code和Codex开发了一个用于项目估算的蒙特卡洛模拟器，以及一个名为“llm-consortium”的并行模型查询系统，该系统允许进行复杂、嵌套的模型交互。此外，还构建了一个语音备忘录应用程序，该应用程序使用Claude Code将意识流思维…