API 越用越贵？扩散模型 Mercury 2.5 上线：1107 token/秒、输入每百万 4 美分，编码 Agen
Inception Labs 9 月 8 日发布 Mercury 2.5，一家做“扩散式大模型”的公司，主打用更低的算力成本跑出接近前沿模型的输出。
官方口径三个数字最重要：1107 token/秒的生成速度、260K 上下文、API 输入每百万 token 0.20 美元、输出 0.75 美元，上线期再打 80% 折扣，等于输入 0.04 美元、输出 0.15 美元。对按 token 计费的开发团队，这意味着大量“次要但高频”的模型调用有了便宜得多的去处。
质量上官方称比 Mercury 2 提升 40%，定位对标 GPT-5.6 Luna（低档）、Gemini 3.5 Flash-Lite、Claude Haiku 4.5 这类“成本优化型”模型，而不是旗舰。它真正的卖点在实测：Augment Code 把上下文压缩这类杂活切给 Mercury，延迟从约 150 秒降到 27 秒（降 82%），成本降 90%；做电话 AI 的 OpenCall 说切换后 P99 响应从几分钟掉到 1 秒，P50 从 0.4 秒降到 0.2 秒以下。搜索、语音、编码子 Agent 这类要反复调用的场景，是它现在的主战场。

它质量对标的是中端成本模型，不是最强推理；“扩散式 LLM”是新路线，生态和兼容性比主流模型小；折扣价是发布期促销，不是永久价格；企业要的数据驻留和合规控制得单独谈。
我的判断：Mercury 2.5 不是要取代你的主模型，而是给“plan/压缩/路由/总结”这类高频低难度调用一个省钱选项——先算清楚哪些调用在烧钱，再决定要不要加这条路。

如果你在跑编码 Agent，最想先拿哪种调用试水：上下文压缩，还是模型路由？