Inception Labs 推出的 Mercury 是一款基于扩散技术的商业级大语言模型，专为代码生成设计。它颠覆了传统自回归模型的逐词生成方式，通过并行预测所有 token，实现了比传统模型快 10 倍的代码生成速度。Mercury 具备动态纠错能力，并结合 Transformer 架构，充分利用现有的优化技术。实测显示，Mercury 在 H100 GPU 上的吞吐量高达 1109 tokens/秒，且能有效解决超快代码生成速度与现有 CI 能力不匹配的问题，从而显著缩短了开发周期。

🚀 Mercury 采用了基于扩散技术的“从噪声到结构化输出”的生成方式，突破了自回归模型逐词生成的限制，实现了并行预测，从而提高了代码生成速度。

⚙️ Mercury 保留了 Transformer 架构，可以直接复用大语言模型的高效训练和推理优化技术，如低阶算子优化、超参数调优等，确保模型性能。

💡 Mercury 具备强大的错误纠正能力，能够在生成过程中动态修改已生成内容，并通过双向注意力机制和实时纠错模块提高代码准确性。

⚡ Mercury 通过并行化文本生成、动态去噪调度和混合精度量化等技术，高效利用 GPU 资源，在 H100 GPU 上实现了 1109 tokens/秒的吞吐量，并且降低了推理成本。

🤔 Mercury 团队由来自斯坦福、UCLA 和康奈尔大学的计算机教授组成，其中 Stefano Ermon 是扩散模型的共同发明人，团队成员还包括来自 Google DeepMind、微软、Meta、OpenAI 和 NVIDIA 的资深人士。

谁说扩散模型只能生成图像和视频？

现在它们能高质量地写代码了，速度还比传统大模型更快！

Inception Labs 推出基于扩散技术的全新商业级大语言模型 ——Mercury。

Mercury 突破了自回归模型“从左到右”逐词生成的限制，采用“从噪声到结构化输出”的方式，能一次性预测所有方向的 token，提高了生成速度。

这样一来，Mercury 还解决了自回归“一旦生成难以回头调整”的问题。

扩散模型并不是仅考虑前面已经生成的内容，它能在生成过程中进行动态纠错修改，具有更大的灵活性。

尽管采用了扩散技术，Mercury 模型系列仍保留了 Transformer 架构。

这确保了该模型能直接复用近年来为大语言模型开发的高效训练、推理优化技术（如低阶算子优化、超参数调优工具等）。

实测数据显示，面对相同的编程任务，Mercury 的代码生成速度比传统工具最多快 10 倍，大幅缩短了开发周期。

在 H100 GPU 上实现 1109 tokens / 秒吞吐量

Mercury 用成熟的 Transformer 作为神经网络基础，结合扩散技术的并行生成能力，既保留了大模型的兼容性，又突破了自回归模型逐词生成的速度限制。

扩散生成流程

Mercury 的核心创新在于“扩散式生成”，流程如下：

训练阶段的正向过程：从真实文本（如代码片段）出发，逐步加入噪声（随机替换、删除 token 等），最终变成完全随机的噪声序列。

推理阶段的反向过程（核心）：从随机噪声开始，通过 Transformer 模型迭代优化，逐步去除噪声，最终生成符合真实分布的文本。每次迭代中，模型会并行修改多个 token，而非逐词生成。

这一过程扩展了此前的离散扩散方法，通过优化数据处理和计算逻辑，实现了大规模训练（万亿级 token）。

高效利用硬件

Mercury 主要通过并行化文本生成、动态去噪调度、混合精度量化等技术，极致发挥 GPU 性能，实现对硬件的高效利用，降低训练和推理成本。

并行化文本生成

扩散机制允许模型在单次前向传播中预测多个 token，相较于自回归模型的“从左到右”逐词生成，显著提升了 GPU 利用率。

在 NVIDIA H100 GPU 上，Mercury Coder Mini 和 Mercury Coder Small（Mercury Coder 系列编码优化产品）分别实现了 1109 tokens / 秒和 737 tokens / 秒的吞吐量。



在 Copilot Arena 的基准测试中，可将响应时间压缩至其他工具的 1/4，同时硬件资源占用减少 60%。



动态去噪调度算法

Mercury 通过自适应调整去噪步数，在简单任务中减少计算量，在复杂任务中保留足够迭代次数，实现精度与效率的平衡，从而更高效地利用硬件资源，避免不必要的计算开销。

混合精度量化技术

模型在推理时可自动切换至低精度计算模式，内存占用减少 30%，同时通过残差补偿机制维持输出质量。这让 Mercury 能在有限的硬件内存条件下运行，且不明显影响性能。

强大的错误纠正能力

与传统自回归模型“从左到右”逐词生成，一旦生成难以回头调整不同，Mercury 不受限于仅考虑前面已生成的内容，能够在生成过程中动态修改之前的内容，具有更大的灵活性。

双向注意力机制

Mercury 在去噪过程中引入上下文双向关联，能够更好地理解文本的前后语境，从而更准确地发现和纠正错误。

实时纠错模块

模型在去噪步骤中会同步检测代码逻辑漏洞，通过强化学习动态修正输出。在代码生成任务中，Mercury Coder 可以自动修正逻辑漏洞，还支持函数级参数自动校正，能有效提高代码的准确性和可用性。

多语言语法树嵌入

Mercury 将 Python、Java 等语言的抽象语法树（AST）结构融入扩散过程，有助于减少语法错误。



超快响应速度与当前 CI 能力不匹配

在 LLMs 出现之前，持续集成 / 交付（CI / CD）的速度就已经成为一个主要瓶颈，这导致开发人员在测试时把时间浪费在等待拉取请求（PRs）上。

有时，一个更改操作需要在队列中等待数小时，甚至有时会因为不稳定需要重新开始。

Mercury 模型在编写代码方面实现了超高速响应，但如果每次代码更改都需要数小时进行测试，那么就像这位网友提出的问题一样：

即使大模型能够以比人类快 100 倍的速度写代码，但测试速度跟不上的话，这将没有什么意义。



于是问题来了：

如何缓解超快响应速度与当前 CI 能力不匹配的问题？

一些人认为因为开发人员时间比机器时间昂贵得多，所以可以通过简单地“投入更多机器”来解决 CI 速度问题。



然而，也有另一些人指出，这对于谷歌等“印钞机”公司可能可行，但对于普通公司来说，CI 预算是固定的，增加计算资源并不是一件容易的事情。

Inception Labs 团队

Mercury 的开发方 Inception Labs 的三位联合创始人是来自斯坦福、UCLA 和康奈尔大学的计算机教授。

其中，Stefano Ermon 是扩散模型的共同发明人，他与 Sohl-Dickstein 等学者共同构建了扩散模型的理论基础，并通过后续研究推动了模型的实用化。



另一位创始人 Aditya Grover 曾在 Meta FAIR 担任研究科学家。

攻读博士学位期间，他先后在谷歌 DeepMind、微软研究院和 OpenAI 实习。



Volodymyr Kuleshov 曾在 2018 年获得 Arthur Samuel 最佳论文奖。



该团队包括来自 Google DeepMind、微软、Meta、OpenAI 和 NVIDIA 的资深人士，目前正专注于用扩散技术改进大模型性能。

Inception Labs 还开放了 Mercury 模型的在线体验平台。



感兴趣的朋友可点击下方链接体验～

论文地址：https://arxiv.org/abs/2506.17298

Mercury 在线体验平台：https://chat.inceptionlabs.ai/

参考链接：

• https://news.ycombinator.com/item?id=44489690

本文来自微信公众号：量子位（ID：QbitAI），作者：闻乐