AGI 真的来了吗？科技频道 Fireship 当天发布了一段实测视频，把 Astra 与 Anthropic 的 Claude Fable 5.1 放在同一张考卷上正面交锋——让两个模型做同一款游戏，看看”AGI 认证”的成色如何。结果颇有意思：一个更快更好看，一个却更好玩。

同一道考题：火箭发射模拟器

测试方法很简单：给两个模型完全相同的提示词——”做一个火箭发射模拟器，可以定制火箭并把它发射入轨”，同时开跑。

Astra 大约 26 分钟交卷。成品 3D 图形精美、界面干净，错误极少，火箭绕着地球飞行的画面相当惊艳。但问题也很明显：玩法单薄，界面设计则带着一股熟悉的”AI 味”——和社交平台上其他 AI 生成游戏如出一辙的公式化模板。

Fable 5.1 交卷要晚得多。图形不如 Astra 精致，界面甚至有点像老式的 Bootstrap 风格。但游戏本身明显更扎实：火箭定制选项更复杂，内置了真实的科学计算，玩起来更像一个”正经的模拟器”，成功与失败的可能性更多样，爆炸动画也更酷。

谁来当裁判？视频里让孩子们试玩后投票：3 岁的孩子更喜欢 Astra 的简单版本，8 岁的孩子则一眼相中了 Fable 的复杂版本。

3D 生成能力的惊人一跃

这次对比中最令人吃惊的其实是 Astra 的 3D 生成能力。仅仅两个月前的 7 月，让当时的 OpenAI 模型画一张机械手表的拆解结构图，得到的结果被形容为”没用的垃圾”；而如今用 Astra 重跑同样的提示词，几秒钟就能产出一张人类 3D 设计师需要数百小时才能完成的三维结构图。

这也引出了一个担忧：如果 AI 能轻松复制这类高强度 3D 解说内容，视频平台上或将迎来一波低质量模仿内容潮——那些以精工细作著称的 3D 科普创作者，可能会被批量生成的”速食复制品”淹没。

“HorseTinder”测试：差几个像素的 AGI

为了验证 AGI 之说，Fireship 还设计了一道”试金石”题目：让 Astra 无错误地复刻一个名为”HorseTinder”（ tinder 式的选马应用）的应用。21 分钟后，Astra 交出了比 Fable 几个月前同类作品更干净优雅的设计，经过反复代码审查竟然一个错误都没找到——那一刻，结论似乎已经指向”黄仁勋是对的”。

转折出现在最后一刻：胡萝卜图案上有几个像素错位了。于是视频的最终结论变成了玩笑式的反转——Astra 只是”又一个聪明的 AI 模型”，而非 AGI。

从公开基准看，两个模型的缠斗远未分出胜负：Astra 登顶了 ARC-AGI 榜单（旨在测试泛化智能而非记忆），不过伯克利团队此前曾用 Opus 4.8 加 Fable 5 配合自建测试框架拿到过 99% 的成绩——”框架”才是关键变量。在第三方评测中，AutomationBench 上 Astra 以 41.4% 对 31.4% 领先 Fable 5.1；终端基准 Terminal-Bench 4.0 两者接近（57.9% 对 55.8%）；而独立机构 Artificial Analysis 的编程智能体指数则是 Fable 5.1 以 70 对 67 反超，Cursor 团队也独立确认 Fable 5.1 是其 CursorBench 上首日得分最高的模型。成本方面，OpenAI 宣称 Astra 完成单个编程智能体任务的成本约为 Fable 5 的一半。

怎么选：没有绝对赢家

这场同题对决的实际结论相当务实：两个模型各有所长，按需求选即可。

追求速度和视觉效果——比如快速搭一个能跑的游戏原型、3D 展示、界面驱动型任务——Astra 的表现更出色；而看重玩法深度、多文件复杂逻辑的一致性、长时间编程会话的稳定性，Fable 5.1 依然是更稳妥的选择。已经在用某一家的开发团队，也不必急着”迁移”，更合理的做法是拿自己的真实任务做一次 A/B 测试再决定。

至于 AGI，至少从这场测试看，”更快、更好看”和”真正好玩”之间，还隔着一道人类审美与游戏设计的鸿沟。

]]>

美国人工智能初创公司 Inception Labs（下称 Inception）于 2026 年 9 月 8 日发布了 Mercury 2.5。这是一款基于扩散架构的语言模型，官方给出的输出速度为每秒 1107 个 token，上下文长度 26 万 token，每百万输入 token 定价 0.20 美元、每百万输出 token 0.75 美元。在同期几款主打”低成本前沿”的小模型中，这组数字把速度拉到了一个明显靠前的位置。

不是逐字往外蹦，而是先画草稿再改

主流大语言模型采用自回归方式生成文本，也就是根据已经写出的内容，一个接一个地决定下一个 token。回答越长，等待时间越久。一次简单对话可能只多等几秒钟，但搜索类应用往往要连续调用模型多次——改写检索词、重排结果、抽取事实、归纳来源、生成答案——每一步的延迟都会叠加到最终响应时间里。

Mercury 系列走的是另一条路。它采用扩散式大语言模型，不是从左侧开始把句子逐个定稿，而是先生成一个粗糙的整体回答，再通过若干轮处理并行修正多个 token。这套思路借鉴了图像生成领域的扩散模型——从噪声开始逐步细化成图，只不过被搬到了文本生成上。

Inception 的创始团队来自斯坦福大学、加州大学洛杉矶分校和康奈尔大学，是首个扩散语言模型的提出者。据该公司介绍，Mercury 2.5 是迄今训练规模最大的扩散语言模型，智能水平相比 Mercury 2 提升 40%。作为对比，Mercury 2 在英伟达 Blackwell 图形处理器上的输出速度为每秒 1009 个 token，上下文长度 12.8 万 token；Mercury 2.5 把速度提升到 1107、上下文扩大到 26 万，输入价格还从每百万 0.25 美元降到了 0.20 美元。

四款模型横向对比：速度与价格怎么排

把 Mercury 2.5 放进同期同定位的模型里比较，差异会更直观。

Inception 官方标称每秒 1107 个 token。第三方平台 OpenRouter 对该接口的遥测数据显示，P50 实际输出速度为每秒 440 个 token，延迟 1.17 秒，仍然是四者中最快。

谷歌 Gemini 3.5 Flash-Lite 在 Artificial Analysis 的测试中跑出每秒 382 个 token，价格为每百万输入 0.30 美元、输出 2.50 美元——速度不慢，但输出价格是 Mercury 2.5 的约 3.3 倍。

OpenAI 的 GPT-5.6 Luna 在 Artificial Analysis 记录到的最高速度为每秒 129 个 token，价格每百万输入 0.20 美元、输出 1.20 美元，拥有这组里最大的上下文窗口。

Anthropic 的 Claude Haiku 4.5 在非推理模式下测得约每秒 82 个 token，价格每百万输入 1.00 美元、输出 5.00 美元，是四款里最慢也最贵的一个——按输出计算，每百万要花掉约 6.7 个 Mercury 2.5 的价钱。

需要说明的是，Inception 把 Mercury 2.5 的质量对标的是”成本优化级前沿模型”，也就是 GPT-5.6 Luna（低档位）、Gemini 3.5 Flash-Lite 和 Claude Haiku 4.5 这一层，而不是各家旗舰。换句话说，它主打的是速度与价格的组合，而非绝对能力上限。

真实业务里能省下多少时间

速度最终要落到场景上。语音智能体公司 OpenCall 在其生产负载上，模型响应的中位数延迟降到约 170 毫秒；该公司反馈，切换到 Mercury 后 P99 响应时间从数分钟降到 1 秒，P50 从 0.4 秒降到 0.2 秒以下。

编码 AI 公司 Augment Code 把”上下文压缩”这一环节迁移到 Mercury——这一步负责把冗长的工作历史缩短。结果是处理时间从约 150 秒降到 27 秒，延迟降低 82%，成本下降 90%，质量保持不变。工具搜索摘要的返回时间也控制在了 1 秒以内。

功能层面，Mercury 2.5 支持可调推理强度、并行工具调用以及严格符合给定结构的 JSON 输出，接口与 OpenAI 兼容，可作为既有智能体代码的直接替换。发布同时，Inception 还预告了 Mercury Voice 与 Mercury Router：前者首 token 延迟低于 170 毫秒，面向语音智能体；后者用扩散模型理解输入提示，再把请求路由到质量、速度、成本组合最优的模型上。

该怎么选

如果业务对延迟敏感——语音智能体、搜索管线、编码子智能体——Mercury 2.5 是更合适的选择，速度加上兼容的接口、并行工具调用和结构化输出，几乎可以无缝接入现有代码。

如果是通用廉价对话和批量推理，且需要很长的上下文，GPT-5.6 Luna 依然更稳妥：当输出的是给人读的内容时，上下文窗口和生态成熟度比每秒 token 数更重要。

如果技术栈本来就深度绑定谷歌，Gemini 3.5 Flash-Lite 接入 Vertex AI 很方便，速度也确实快，代价是输出不便宜。如果看重指令遵循的准确度而非吞吐，Claude Haiku 4.5 仍然有它的位置，只是要接受更高的价格和更慢的速度。

最后提醒一点：Mercury 2.5 发布时的八折优惠（每百万输入 0.04 美元、输出 0.15 美元）已于 2026 年 9 月 8 日 07 时（协调世界时）结束，做预算时应按原价计算。模型目前通过 Inception 接口、Baseten 和 OpenRouter 提供服务，OpenRouter 上的模型标识为 inception/mercury-2.5，企业客户可申请专属容量与私有化部署；官方暂未提供可下载的模型权重。