人工智能語言模型的發展日新月異，Inception Labs 最新推出的 Mercury 被譽為市場上首款商業級「擴散式大型語言模型」（dLLM）。該模型以其高效能與低成本備受矚目。以下將介紹 Mercury 的特點，以及它與 ChatGPT 和 DeepSeek 的區別。
Mercury 簡介及其獨特性
Mercury 是由 Inception Labs 開發的一款 AI 語言模型，其核心優勢在於採用「擴散技術」（Diffusion），有別於傳統的「自迴歸」（Autoregressive）方法。這一技術使其在生成速度、運算成本及應用效率上表現優異，特別適用於需快速響應的場景。
Inception Labs 背景
Inception Labs 是一家總部位於美國的人工智能技術公司，團隊由來自 史丹福大學（Stanford）、加州大學洛杉磯分校（UCLA） 及 康乃爾大學（Cornell） 的研究人員與工程師組成。其核心成員包括史丹福大學教授 Stefano Ermon，他曾參與早期影像擴散模型的研究，對 Midjourney 和 Sora 等技術產生深遠影響。該公司致力於通過擴散技術提升語言模型性能，其研究成果曾在 NeurIPS、ICML、ICLR 等國際會議上發表，技術實力廣受認可。
Mercury 3 大特點
Mercury 在性能上有以下顯著特徵：
高效生成：Mercury Coder Mini 每秒可生成超過 1000 Token，Coder Small 達 750 Token，較大多數模型快 5 – 10 倍。測試顯示，其生成回應僅需 6 秒，而 ChatGPT 耗時 36 秒。
低成本：相較傳統模型，其運算資源需求減少，成本降低 10 倍。
應用價值：在程式碼生成領域表現出色，於 Copilot Arena 測試中，Mercury Coder Mini 位列第二，超越 GPT-4o Mini 和 Gemini-1.5-Flash，深受開發者青睞。
生成速度比較:
擴散模型 vs 自迴歸模型
理解 Mercury 的高效能，需從其技術原理與傳統模型的差異入手。
自迴歸模型（如 ChatGPT 與 DeepSeek）
-運作方式：按順序逐詞生成文字，每個 Token 需依賴前文計算。
-局限：生成速度受限，即使優化後的模型最高僅達每秒 200 Token，如 GPT-4o 僅為 60 – 70 Token，前沿模型更低於 50 Token。
-特性：準確性高但成本較高（如 ChatGPT），或速度較快但精確度稍低（如 DeepSeek）。
擴散模型（如 Mercury）
-運作方式：從隨機雜訊出發，逐步精煉至完整文字，並通過 Transformer 模型並行處理多個 Token。
-優勢：生成速度顯著提升，Mercury Coder Mini 在 NVIDIA H100 上達每秒 1000+ Token，較其他模型快 5 – 20 倍，同時具備更強的推理與錯誤修正能力。
-特性：兼顧速度與品質，且成本效益高。
Mercury 與 ChatGPT、DeepSeek 對比
以下表格整理 Mercury 與 ChatGPT、DeepSeek 在技術、性能與應用上的差異：
ChatGPT：高精度但成本高昂
技術：基於自迴歸的 GPT 架構。
特點：擅長對話與文章生成，輸出自然且準確。
速度：平均每秒 50 – 200 Token（如 GPT-4o Mini）。
成本：訓練與運行費用高昂，GPT-4 估計耗資數億美元。
適用場景：適合追求高品質輸出的應用。
DeepSeek：速度快且成本低
技術：自迴歸結合 MoE（混合專家）技術。
特點：專注程式碼與數學問題，生成速度優於 ChatGPT，成本低（訓練約數百萬美元）。
速度：高於 ChatGPT，每秒約 300 – 500 Token，遠不及 Mercury。
成本：提供開源免費版本，小型模型可於個人電腦運行。
適用場景：適合注重成本效益的技術應用。
Mercury：高效與實惠並重
技術：採用擴散模型（dLLM）。
特點：生成速度領先（Coder Mini 每秒 1000+ Token，Coder Small 750 Token），性能媲美 GPT-4o Mini 和 Claude 3.5 Haiku，快 10 倍，HumanEval 測試得分達 88 與 90。
速度：較 ChatGPT 和 DeepSeek 快 5 – 10 倍。
成本：成本降低 10 倍，無需特殊硬體。
適用場景：適合需要高速程式碼生成的應用。
架設成本：企業應用分析
Mercury 的部署成本具競爭力，無需高端硬體（NVIDIA H100 即可），並提供 API 訪問 與 本地部署 選項，支援 SFT 和 RLHF 微調。以下為成本對比：
企業部署 Mercury 時，一張 NVIDIA H100（約 24 – 32 萬港幣）搭配伺服器（約 8 – 16 萬港幣），初始投入約 40 – 50 萬港幣，每月維護費用約數千至一萬港幣。API 模式按使用量計費，預估每百萬 Token 數港幣。相較之下，DeepSeek 小模型（7B、14B）僅需 RTX 4090（約 1 – 2 萬港幣）即可運行，成本低廉，但其大型模型（671B）需 18 – 20 張 H100，總成本達 500 – 800 萬港幣。Mercury 以單張 H100 實現高效能，對追求速度的中小企業更具優勢，API 模式則提供靈活的低成本選擇。
優勢與限制
優勢
高效能：Coder Mini 每秒 1000+ Token，普通硬體即可運行。
智能表現：具備生成修正與推理能力，結構化輸出更優。
開發者認可：在 Copilot Arena 中速度第一，品質第二。
靈活性：支援 API 與本地部署。
限制
應用範圍：以程式碼生成為主，對話與文章生成不如 ChatGPT。
技術新穎：擴散技術尚待長期穩定性驗證。
型號選擇：目前僅有 Coder 與 Mini，不如 DeepSeek 多樣。
使用方式與版本
Mercury 為商業產品，提供 API 與本地部署選項，同時在 Playground（chat.inceptionlabs.ai） 開放免費試用，可觀察文字從雜訊到清晰的生成過程。目前版本包括 Mercury Coder（每秒 750 Token）與 Coder Mini（每秒 1000+ Token），聊天模型仍在封閉測試中，型號選擇相對有限。
總結：潛力與展望
Mercury 以擴散技術實現了語言模型的速度突破，其每秒 1000+ Token 的生成能力，結合低成本特性，為程式碼生成領域帶來顯著進展。相較於 ChatGPT 的高精度與 DeepSeek 的低成本，Mercury 在高效能與實用性間找到平衡點。Inception Labs 的技術背景為其發展奠定基礎，未來若能擴展至對話領域，並提升穩定性，或將對現有市場格局產生衝擊。對科技愛好者而言，Mercury 是值得關注的創新技術，其後續發展令人期待。
