Inception Labs 发布 Mercury 3：扩散模型规模化竞赛进入“DiT 时代”

Inception Labs 正式推出 Mercury 3，这是一款基于 Diffusion Transformer (DiT) 架构的大规模图像生成模型，旨在通过极致的参数规模化（Scaling）挑战当前生成式 AI 的视觉巅峰。

• ▶ 架构范式转移：Mercury 3 彻底验证了 Scaling Laws 在扩散模型中的有效性，标志着行业重心正从传统的 U-Net 架构全面转向更具扩展性的 Transformer 架构。
• ▶ 高保真与指令遵循：通过对训练数据的精细清洗与架构优化，该模型在复杂空间关系理解和长文本提示词（Prompt）的还原度上，已展现出超越 Midjourney v6 的潜力。

八卦洞察

Mercury 3 的发布不仅仅是参数量的堆砌，它代表了视觉生成领域的一次“底层逻辑重构”。长期以来，扩散模型在处理复杂构图和精细文字渲染时存在天然短板，而 Inception Labs 通过引入更强的推理能力，使模型具备了某种程度的“视觉逻辑”。这种趋势预示着，未来的视觉模型将不再仅仅是像素的概率分布工具，而是能够理解物理规律的模拟引擎。对于 Midjourney 和 OpenAI 而言，Mercury 3 的出现意味着纯闭源生态的护城河正在被开源/半开源的高性能架构快速蚕食。

行动建议

• 技术选型：研发团队应加速从 U-Net 向 DiT 架构的迁移，重点关注在大规模参数下如何保持推理效率的平衡。
• 行业应用：创意设计与广告营销行业应尽早接入 Mercury 3 的 API 进行灰度测试，利用其极高的指令遵循能力降低“抽卡式”生成的废片率。
• 算力分配：鉴于扩散模型规模化的趋势，企业在算力储备上需考虑对超大规模 Transformer 训练的兼容性。