不要自回归！扩散模型作者创业，首个商业级扩散LLM来了，编程秒出结果
内容提要
Inception Labs 发布了首个商业级扩散大型语言模型 Mercury，速度超过每秒1000个token，性能优于现有模型，显著提高生成效率并降低成本，受到广泛关注。
关键要点
-
Inception Labs 发布了首个商业级扩散大型语言模型 Mercury，速度超过每秒1000个token。
-
Mercury 的性能优于现有模型，显著提高生成效率并降低成本。
-
Mercury Coder 是 Inception Labs 向公众开放的第一个 dLLM，速度比当前一代语言模型快 5 到 10 倍。
-
扩散模型的生成过程是从粗到细，能够纠正错误和幻觉，适用于文本和代码等离散数据。
-
Mercury Coder 在标准编码基准测试中超越了 GPT-4o Mini 和 Claude 3.5 Haiku 等自回归模型。
-
Mercury Coder 的代码补全功能在 Copilot Arena 上表现出色，速度比 GPT-4o Mini 快约 4 倍。
-
Mercury Coder 目前已上线，可公开试用，并为企业用户提供 API 和内部部署服务。
延伸解读
扩散模型的优势
Mercury 采用扩散模型的生成方式，从噪声逐步去噪，能够在推理和结构化响应方面表现更佳。这种方法不仅提高了生成速度，还能有效纠正错误和幻觉，适用于文本和代码等离散数据，显示出扩散模型在语言生成领域的潜力。
商业应用前景
Mercury Coder 的高效性能使其在企业应用中具有广泛的前景。其提供的 API 和内部部署服务，能够帮助企业以更低的成本实现高质量的 AI 解决方案，尤其在编程和自动化任务中，提升工作效率。
与自回归模型的比较
与传统自回归模型相比，Mercury Coder 在速度和效率上具有显著优势。自回归模型需要逐个生成 token，而 Mercury 则通过并行处理实现了更快的响应速度，这使得它在处理复杂任务时更具竞争力。
延伸问答
Mercury 模型的主要特点是什么？
Mercury 模型的主要特点是速度超过每秒1000个token，性能优于现有模型，显著提高生成效率并降低成本。
Mercury Coder 与自回归模型相比有什么优势？
Mercury Coder 在速度上比自回归模型快5到10倍，并且在标准编码基准测试中超越了如GPT-4o Mini等模型。
扩散模型的生成过程是怎样的？
扩散模型的生成过程是从粗到细，输出从纯噪声开始，通过去噪步骤逐步细化，能够纠正错误和幻觉。
Mercury Coder 适用于哪些用例？
Mercury Coder 支持多种用例，包括RAG、工具使用和智能体工作流。
Inception Labs 是什么样的公司？
Inception Labs 是一家创业公司，创始人之一是扩散模型的发明者Stefano Ermon，专注于开发高效的语言模型。
Mercury Coder 目前的使用情况如何？
Mercury Coder 已上线并可公开试用，同时为企业用户提供API和内部部署服务。
