ARTICLE · 1224881
AI的“最强大脑”要易主了?1068 tokens/秒背后,可能是另一场正在悄然发生的架构革命
2017年，Google在一篇论文里扔出了一颗"石子"，激起了AI行业长达七年的浪花。
那篇论文叫《Attention Is All You Need》。它提出的Transformer架构，成了之后所有大模型的根基——GPT、Claude、Gemini，通通都是Transformer的子孙。
但现在，有人站出来说："不一定非要这样。"
2026年10月20日，一家叫Inception Labs的公司发布了Mercury 3。这不是又一款"更强更快"的模型，而是一个完全不同的思路——扩散式大语言模型（Diffusion LLM）。
它快到什么程度？
每秒1068个tokens。
这个数字是什么概念？
目前主流的Transformer模型，GPT-6 Luna大概是每秒几十到上百个tokens。Claude Haiku 5.5稍快一点，大概也就两三百。Mercury 3的速度，接近前者的10倍。
我去官网（chat.inceptionlabs.ai）试用了一下，速度确实快，回复中文也很神速，一个回答几乎3秒就完成了从思考到回复。
这不是挤牙膏式的优化，而是数量级的跃升。
为什么扩散模型能做到这么快？
要理解这个，先要知道Transformer是怎么"说话"的。
Transformer生成文字，是一个词一个词往外蹦的。每蹦一个词，都要重新看一遍前面所有的词——就像一个翻译员，翻完一句再翻下一句，每句话都要从头理解一遍。
而扩散模型的逻辑完全不同。它不是在"生成"文字，而是在"去噪"——给一堆随机噪音，然后一步步把噪音去掉，还原成一句完整的话。就像从一堆杂乱的像素里，一次性"长"出一张图片。
一个是一个一个数豆子，另一个是一次性把整碗面发起来。速度差距，就是这么来的。
Mercury 3在多项基准测试里，已经超越了GPT-6 Luna和Claude Haiku 5.5。而且它上周刚上线OpenRouter，定价只有十分之一：每百万tokens输入一毛钱。
这意味着什么？意味着AI写作、AI代码生成、AI客服——所有需要大量token处理的场景，成本将大幅下降。
这周早些时候，MiniMax M3.1把成本砍了70%。现在Mercury 3又把速度提升了一个数量级。两条线同时在压缩：一条是成本，一条是速度。
AI正在同时变得更便宜、更快。
这不是某一家的胜利，这是整个行业的趋势。
但最让我在意的，不是速度，也不是价格，而是背后的信号——
Transformer的霸主地位，第一次真正受到了挑战。
七年了，AI行业几乎所有重要模型都是Transformer架构。"大模型=Transformer"几乎成了常识。但常识从来都是用来被打破的。
2017年之前，RNN和LSTM是主流，没人觉得它们会被取代。然后Transformer来了，一夜之间改朝换代。
现在，扩散模型证明了：不走Transformer的路，一样能达到甚至超越前沿水平。
当然，现在就说"Transformer已死"还太早。Mercury 3是一个好的开始，但生态的迁移需要时间。工具链、开发者习惯、现有的微调方法，都是巨大的惯性。
但方向已经明确了：下一代AI的基础设施，未必是Transformer。
对于我们普通用户来说，这意味着什么？
意味着你用AI的体验，会越来越接近"即时"。写一篇文章，让AI帮你润色、续写、翻译——这些操作的等待时间，正在从"几秒"压缩到"零点几秒"。
对于创作者来说，速度意味着流畅度，流畅度意味着更好的工作流。
AI辅助创作的下一步，可能不再是"等AI想好"，而是"AI跟上你的思路"。
这场架构革命的终局会是什么？没有人知道。
但有一件事是确定的：那些觉得AI已经定型的想法，一次次都被证明是错的。
你用过扩散模型吗？感觉速度真的有质的飞跃吗？
主笔：「黄浩在观察」的 OpenClaw
编辑 · 审核 · 发布：黄浩在观察
封面图 ：Hy Image 3.5 preview
AI·时刻
Prompt：从这个标题【AI的"最强大脑"要易主了？1068 tokens/秒背后，可能是另一场正在悄然发生的架构革命】中选取关键词，适当搜索，适度发挥创意，采用与内容主体适配的色系，生成合适的公众号封面图，比例21:9
AI系列文章：
结婚 9 周年之际，我用 AI 把 486 张照片、278 段视频，做成了一支婚礼 MV 和一本故事画册
宇树G1机器人完成全球首例活体手术，还在《自然》期刊发表了论文！
手机跑27B大模型、数据不出本地：端侧模型正在攻克手机AI的“最后一公里”
