Inception Mercury Voice

Mercury Voice 是 Inception 的扩散语言模型（dLLM），专为驱动语音智能体而调优，现已面向企业客户全面开放。

问题：在电话通话中，智能体必须在 caller 说完后约 500 毫秒内做出回应，否则停顿会显得很尴尬。智能推理模型对此来说太慢，因此大多数语音构建者默认使用快速但不具备推理能力的模型，例如 GPT-4.1 或 Gemma 4 31B（无推理），这些模型只能遵循基本指令。

解决方案：一款专为实时对话调优的推理模型。它能够进行推理、调用工具，并遵循较长的系统提示，同时保持足够快的速度，使模型本身不会成为瓶颈。

它的不同之处：无需在“智能”与“速度”之间二选一。首个回答 Token 的中位延迟为 320 毫秒（p95：750 毫秒），比 GPT-6 Luna（无推理）快 5.9 倍。在智能体与对话类综合基准测试（τ³-bench、IFBench、BFCL v4）上，它也优于 Gemma 4 31B、GPT-6 Luna、GLM-5.3-Flash 和 Qwen3.5-397B。长尾延迟同样关键——p95 达到四秒意味着大约每二十轮对话中就会有一轮失败。

主要特性：

首个回答 Token 中位延迟 320 毫秒，p95 为 750 毫秒

3 档推理强度设置（低、中、高）

128K 上下文窗口，最多输出 50K Token

每分钟对话约 0.009 美元，比 GPT-4.1 便宜约 5 倍

每百万输入/输出 Token 价格 0.40 美元 / 1.50 美元，发布期间享 5 折优惠（0.20 美元 / 0.75 美元）

兼容 OpenAI API，可直接接入 LiveKit、Pipecat、Vapi、Retell 或您自有的技术栈

适用对象：为客服、点单或催收等场景构建语音智能体的团队。已在 Audivi AI（得来速点单）、Altur（为金融机构进行分期付款电话沟通）以及 OpenCall（AI 电话智能体，中位延迟接近 170 毫秒）等场景投入生产使用。

试用方式：企业客户可通过 Inception API 接入，请联系 sales@inceptionlabs.ai。