Inception
Google提出的CNN架构系列，核心是Inception模块，在同一层级使用多尺度并行卷积核捕获不同粒度特征，以较低计算成本实现高精度
时间轴 (近 90 天)
Inception 的 Mercury 3 采用扩散式生成，厂商报告每秒 1068 个 Token，内部 12 项测试有 8 项领先对比模型，但非独立实测结论。
Inception 的 Mercury 3 采用扩散架构，一次填充多个 token，在 Nvidia GPU 上达到每秒 1068 个 token，并拥有 100 万 token 的上下文窗口。
Mercury 3 仅通过 Inception 的 Nvidia GPU API 提供服务，没有开放权重，也没有量化版本。
根据 Inception 自家公布的对比表，Mercury 3 在 12 项基准测试中的 8 项上领先于 GPT-6 Luna 和 Claude Haiku 5.5。
Inception 发布了基于扩散架构的大语言模型 Mercury 3。
官方数据显示 Mercury 3 的推理速度达到每秒 1,068 个 token。
Inception 声称 Mercury 3 在基准测试中取得了“强劲结果”，但原文未披露具体的对比模型和分数细节。
Inception 的 Mercury 3 模型现已登陆 Vercel AI Gateway。
据 Inception 公布的数据，Mercury 3 生成速度超过每秒 1000 个 token。
Mercury 3 提供 100 万 token 的上下文窗口。
还有 4 条时间轴事件
全部知识事实 (14)
Inception 的 Mercury 3 采用扩散式生成，厂商报告每秒 1068 个 Token，内部 12 项测试有 8 项领先对比模型，但非独立实测结论。
50%待验证Mercury 3 仅通过 Inception 的 Nvidia GPU API 提供服务，没有开放权重，也没有量化版本。
50%待验证Inception 的 Mercury 3 采用扩散架构，一次填充多个 token，在 Nvidia GPU 上达到每秒 1068 个 token，并拥有 100 万 token 的上下文窗口。
50%待验证官方数据显示 Mercury 3 的推理速度达到每秒 1,068 个 token。
50%待验证根据 Inception 自家公布的对比表，Mercury 3 在 12 项基准测试中的 8 项上领先于 GPT-6 Luna 和 Claude Haiku 5.5。
50%待验证Inception 声称 Mercury 3 在基准测试中取得了“强劲结果”，但原文未披露具体的对比模型和分数细节。
50%待验证据 Inception 公布的数据，Mercury 3 生成速度超过每秒 1000 个 token。
50%待验证Mercury 3 提供 100 万 token 的上下文窗口。
50%待验证Inception模块在同一层级中同时使用不同尺寸的卷积核和池化操作，再将各路输出沿通道维度拼接，从而在单层内同时捕获细粒度纹理和粗粒度形状。
50%待验证Inception引入多尺度并行卷积，在同一层级捕获不同粒度的特征。
50%待验证Google Photos自2015年推出以来，早期版本主要依赖卷积神经网络（CNN）进行图像分类和物体检测，采用Inception架构
50%待验证Inception 发布了基于扩散架构的大语言模型 Mercury 3。
50%待验证Inception 的 Mercury 3 模型现已登陆 Vercel AI Gateway。
50%待验证一项研究系统比较了AlexNet、Inception、LeNet、VGG16和MobileNet五种CNN架构在Pequi树（Caryocar brasiliense）枝枯病检测中的表现。
50%