Inception AI Mercury (Inception AI Mercury)
💰 Token 价格
| 类型 | 价格 | 备注 |
|---|---|---|
| 输入 (Input) | Mercury 2.5 (Preview): $0.20/M (cached $0.02/M, output $0.75/M); Mercury 2 / Mercury Edit 2: $0.25/M input (cached $0.025/M) + $0.75/M output | 每百万 tokens |
| 输出 (Output) | All Mercury models: $0.75/M output at list; Mercury 2.5 Preview currently discounted on OpenRouter at ~$0.04/M in / $0.15/M out (launch promo, context 260K) | 每百万 tokens |
每个新账户赠送 1 亿免费 token（无需绑定支付方式）
🤖 支持模型（共 3 个）
✨ 优势
- ✓ 全球首个商用扩散式大语言模型（dLLM），并行生成 token
- ✓ Mercury 2 在 NVIDIA Blackwell 上达 1,009+ token/秒，TTFT < 300ms
- ✓ Mercury 2.5 Preview（8/31 上 OpenRouter）最聪明的推理 dLLM + 260K 上下文
- ✓ OpenAI 兼容 /v1 API + 官方 Python/TypeScript SDK，切换零成本
- ✓ 免费档 1 亿 token + $0.25/$0.75 每百万的定价低于多数前模型
⚠️ 不足
- × Mercury 2.5 官方文档暂未收录价格（docs 表仅 Mercury 2/Edit 2）
- × OpenRouter 打折价 ($0.04/$0.15) 与厂商卡片价 ($0.20/$0.75) 并存，需自行甄别
- × 仅文本模型，无视觉/多模态输入
- × 中国大陆无原生节点，需代理访问
- × Mercury 2.5 为 Preview，正式版定价/能力可能变动
🎯 适合场景
对低延迟并行生成与高吞吐有要求的 Agent/实时补全/续写工作负载；想以较低每百万价格获得前沿级推理与代码的团队；以及想先体验扩散式 LLM 这一新范式的开发者。
💰 价格与方案
| 模型 | 输入 ($/百万) | 输出 ($/百万) | 备注 |
|---|---|---|---|
| Mercury 2.5（预览） | $0.20（缓存 $0.02） | $0.75 | 260K 上下文；旗舰推理 dLLM。OpenRouter 首发价约 $0.04/$0.15 |
| Mercury 2 | $0.25（缓存 $0.025） | $0.75 | 128K 上下文；约 1,009 token/秒；工具调用 + 结构化输出 |
| Mercury Edit 2 | $0.25（缓存 $0.025） | $0.75 | 32K 上下文；代码 FIM 与 NextEdit 补全 |
🔧 API 与开发者体验
- •OpenAI 兼容 Base URL: 一键替换的 OpenAI 兼容端点 https://api.inceptionlabs.ai/v1（对话 /v1/chat/completions，另有 /v1/fim/completions 与 /v1/edit/completions 用于代码）。现有 OpenAI SDK 只需改 base URL 与 API Key 即可。
- •官方 SDK: 一等公民的 'inceptionai' 客户端库：Python（pip install inceptionai）与 TypeScript/JavaScript（npm install inceptionai）；用法为 from inceptionai import Inception，读取 INCEPTION_API_KEY 环境变量。
- •扩散式流式与去噪: 流式输出以'块'为单位逐步精化文本，而非每次一个 token；diffusing:true 参数可直观展示从粗到细的去噪过程——这是扩散解码器的标志。
- •工具调用 + 结构化输出: Mercury 2 与 2.5 原生支持函数/工具调用与符合 schema 的 JSON 输出，Agent 与检索管线无需额外胶水。
- •免费档与速率限制: 每个新账户免费赠送 1 亿 token，无需支付信息。免费档上限 1,000 req/min 与 100 万输入 token/min；按量付费提升到 3,000 req/min 与 300 万输入 token。
- •可调推理强度: Mercury 2 引入可调推理努力程度，让你在算力与答案质量间取舍——高并发问答场景利于控成本。
⚡ 为何用扩散：并行 Token 生成
Inception 的 Mercury 是全球首个商用扩散式大语言模型家族，它改变了解码经济学。传统自回归大模型一次只提交一个 token——这是一个串行瓶颈。Mercury 改为去噪式输出：从目标长度区间的噪声出发，用少量迭代把整段文本逐步精化为最终答案，从而并行生成大量 token。在与自回归前沿模型相同的 NVIDIA Blackwell GPU 上，Mercury 2 可持续 1,009+ token/秒，TTFT 低于 300ms，吞吐量高出 5-7 倍，单任务成本最高降低 70%。对于代码补全与交互式 Agent，延迟与吞吐往往与基准质量同等重要，这正是扩散式从粗到细解码的实际价值所在。需要权衡的主要取舍是：Mercury 目前仅支持文本，且旗舰 Mercury 2.5 目前经由 OpenRouter 以预览形式暴露，尚未完整落在原生 API 上。
🌐 区域覆盖与延迟
Inception AI 总部位于加州 Redwood City，Mercury 的托管推理 API（api.inceptionlabs.ai）由美国基础设施提供。北美与欧洲延迟最低，扩散解码器的并行生成让交互式对话与代码补全在实际体验上快于等效自回归模型逐 token 的 TTFT。亚太开发者跨太平洋链路访问美国源站，往返时延更高；与多数美国托管的 LLM API 一样，对能容忍较慢首字节的批处理与 Agent 任务无碍，对超低延迟流式场景则较明显。没有中国大陆境内边缘节点，也没有中国支付或数据驻留选项，因此大陆开发者应通过代理转发流量，或对面向中国用户、对延迟与数据驻留敏感的表层使用国内厂商（通义、智谱、豆包）。