自回归大语言模型我们测得多了，扩散大语言模型大家玩过没有？这就是今天要测的海外 Mercury 3。其实 Mercury 2.5 我之前也测评过，感兴趣的可以翻看。那 Mercury 3 到底能不能打？测完最后一题吓我一大跳。

这次通过 OpenRouter 接入，思考模式拉到它支持的最高档 high。第一题强约束句子生成，要求每句从 1 到 10 结尾——大部分都不通顺，我认为通顺的只有第三句，第四句比较勉强，其他都是为了凑结尾数字而牵强附会做出来的。

第二题鹈鹕土星环骑车 SVG，效果真心不行：土星环不见了一半；转弯后鹈鹕和车倒过来了；鹈鹕的脚也不知道跑哪去了，个个都是硬伤。第三题复合弓射箭 SVG 同样不行：动作不是射箭而是掷标枪；拉弓时没有箭，放手时才有；放手时箭不在弦上；白色弦在弓外侧、也就是靠近我们这边，人手却在弓左侧，这弦是怎么拉得如此顺滑的？此外人手长在了脖子上，箭也没有射中靶心，看起来不是钉在靶子上，而是被粘上去的。

第四题浏览器操作系统，UI 有点 Windows XP 年代的感觉：右上角弹窗功能没问题，只是 UI 有点土，和「精美」挂不上边；Dock 栏应用功能正常，但窗口层级关系混乱——点终端时它没有在最上层打开，反而被挡在下面，害我点半天。压轴太空射击能用键盘控制上下左右，但范围局限在中间区域，放手后立刻恢复原位，Space 能正常发射子弹。

第五题 3D 赛车完全不可玩，如果不是背景有车辆轰鸣声，我还以为是张静止画面。第六题无第三方库的 Trello 看板竟然没有预置示例，右上角有个「重启」按钮，可你都没有示例，重置什么呢？点下去果然毫无反应。

测评到此结束：文本生成不行、SVG 不行、编程不行，我都不知道搞出来干嘛。没弄好就别发布，等你觉得能打了再拿出来溜一圈不好吗？速度确实快，但能快速算出 18,395 的 912 次方等于 3 又有什么用呢？答案要正确啊。最终得分还在算，晚点更新到博客，大家自行查阅，也欢迎说说你怎么看这个模型和这次测评。