Mercury Voice：专为打电话而生的模型，首字 320 毫秒

你有没有被 AI 客服那半秒的空白噎过？

你说完话，对面静了一下——就是这一下，你立刻知道"它不是人"。

语音场景里，这条线很硬：对方说完，AI 得在约 500 毫秒内接上，慢了就"卡"。为了守住这条线，行业里长期只能用那些"快、但不太聪明"的非推理模型。

10 月 1 日，一家叫 Inception 的公司说：这个取舍，可以不用做了。

0.5 秒：语音 AI 的生死线

先把这个背景钉死。Inception 官方在博客里写得很直白：语音应用要显得自然，agent 必须在用户说完后约 500 毫秒内响应，再久，那个停顿就尴尬了。

所以语音 agent 的默认选择，要么是慢一点但会思考的模型，要么是快但只会照着指令走的模型。这是过去几年大家默认的"二选一"。

320 毫秒：它交出的第一个数字

为什么要盯准语音场景？这不是 Inception 一家的热闹。过去一年，语音助手从"按键菜单"变成了"能对话的 agent"，凡是做客服、外呼、点餐、预约的公司，都在抢那 500 毫秒。谁能把"聪明"和"快"同时给到，谁就拿到订单。Mercury Voice 挑这个时间点从预览转正式可用，掐的就是这个需求。

Mercury Voice 是个扩散语言模型（dLLM），专门为语音 agent 调教：会推理、会调工具、能跟长系统提示，同时把延迟压到能说人话的程度。

官方给的第一个数字是：在真实客服提示词上，它的首字回答延迟（TTFAT）中位数低于 320 毫秒，p95 是 750 毫秒。

我特意去核了下"首字回答延迟"这个口径——它算的不是模型开始"想"的时间，而是推理做完、开始吐用户真正听得到的第一个字的时间。这个口径，才对应你耳朵里的体感。

5.9 倍：官方说它比对手快多少

官方口径：Mercury Voice 比 GPT-6 Luna（关闭推理）快约 5.9 倍。

质量上，它在一套综合了 τ³-bench（电信/零售/航空）、IFBench、BFCL v4 的基准里，压过了 Gemma 4 31B、GPT-6 Luna、GLM-5.3-Flash、Qwen3.5-397B 等模型。

尾巴延迟也被单独提了：官方说，语音里 p95 四秒，意味着大概每二十轮就崩一轮，所以它把 p95 也压到了 750 毫秒。

这里有个反常识的点：语音场景里，尾巴延迟和平均延迟几乎一样重要。一次偶尔的长卡，用户记住的就是那一下。所以真正的看点是那句 p95（750 毫秒），而不只是那 320。

$0.20：上线五折，诚不诚

价格这块官方也给全了：标准价$0.40 / 百万输入 token、$1.50 / 百万输出；上线期间打五折，变成$0.20 / $0.75。

配套规格：推理档位三档（low / medium / high），上下文 128K，最多输出 50K token。

落地客户已经有名字了：Audivi AI 用它做免下车点餐的全自动接单；Altur 用它给金融机构做外呼、实时谈付款方案；OpenCall 做 AI 客服电话，官方案例里提到 Mercury 把中位响应延迟压到接近 170 毫秒。

它凭什么这么快（讲人话）

一句话：传统大模型是一个字一个字往外蹦（自回归），Inception 用的是"扩散"的路子——一批字同时生成，所以快。

代价也 historically 在这儿：扩散模型过去要么慢、要么不够聪明。这次他们想做的是"两头都要"——这才是值得看的地方，而不是又一个跑分。官方还提到，这类模型在搜索、语音、编程 agent 这些"实时"场景里更稳，而这正是语音产品最缺的。

怎么接入（企业向）

拿访问：Mercury Voice 面向企业客户开放。企业可联系官方，或从官网www.inceptionlabs.ai入手。

走API：通过 Inception API 调用；Mercury 系列也可在 OpenRouter、Baseten 上使用。

关键设置：语音场景把推理档位调到low，先保住那 500 毫秒预算；要更稳再往上调。

跑通第一个任务：把你们现用的一段客服提示词喂进去，只测一件事——"首字回答延迟"，跟现用模型对比。

www.inceptionlabs.ai/blog/introducing-mercury-voice。

一个必须说的坑：320 毫秒是模型首字，不等于整通电话的体感。端到端还要加上语音识别、语音合成和网络传输，任何一环慢了都会还回去。而且官方那些对比是它们自己选的基准，换到你的场景未必成立——务必用真实通话验证。

另外，现在网上关于"语音模型延迟"的对比图口径五花八门（有的算首字、有的算首音、有的算整句），彼此根本对不上。看的时候，先看它比的是哪个口径。

谁该看，谁可以再等等

更该关注的：做客服、外呼、点餐、预约的语音产品团队——尤其是被"便宜模型不够聪明"卡住的那批。以及所有把延迟当 KPI 的实时应用。

可以先观望的：只是偶尔做语音转写的产品。你们用普通模型加语音识别/合成就够了，没必要为 320 毫秒多花钱。

一句话选型建议：如果你的痛点是"AI 答题太死板"，先去解决聪明；如果你的痛点是"用户嫌 AI 反应慢"，那 Mercury Voice 值得进候选池。

泼盆冷水

• 它拼的是"够快够用"，不是"最聪明"。最难的任务，还是得交给旗舰模型。
• 延迟数字漂亮，但打断处理、多轮记忆、方言口音这些"工程活"，才是语音产品真正难的地方。
• 价格五折是"上线期"，能持续多久，官方没说；企业采购得按原价做预算。

如果接电话的 AI 从"卡半秒"变成"几乎无感"，你觉得，自己还能不能听出对面不是人？

#MercuryVoice #Inception #语音Agent #AI客服 #扩散模型 #大模型