Mercury 2 je jazykový model Inception pro uvažování založený na difuzním generování textu. Místo pouhého sekvenčního dekódování zleva doprava zpřesňuje několik tokenů paralelně směrem k výsledku. Výrobce tuto variantu vyvíjí pro opakované interaktivní kroky při programování, práci agentů, získávání informací a extrakci. Přijímá písemné pokyny a textový kontext a vytváří textovou odpověď, kód, strukturovaná data nebo návrhy operací s nástroji.
Přesný popis při uvedení uvádí kontext 128K, nastavitelné uvažování, nativní používání nástrojů a JSON odpovídající schématu. Tyto funkce patří ke zdokumentované variantě Mercury 2 a jsou oddělené od pozdějšího kontextu Mercury 2.5 a specializovaných modelů Voice, Router a Edit. Výslovně určete formu konečné odpovědi a nevyvozujte hlasový či editační výstup z názvu rodiny.
Pro jednoduchou extrakci dodejte definice polí a zdrojovou pasáž. U úlohy vyžadující uvažování uveďte úplnou podmínku a omezení, která musejí platit. Praktické zadání: „Porovnej tuto implementaci s požadavky, urči první nesoulad a vrať cílenou opravu s podpůrným vysvětlením.“ Konečný výsledek má zůstat spojený se vstupem i při vytváření průběžné analýzy.
Výrobce uvádí automatické doplňování, návrhy dalších úprav, refaktoring a interaktivní programátorské agenty jako relevantní úlohy. Dodejte okolní implementaci a určete, co se má změnit. Vysvětlete očekávané chování a zachovejte veřejné názvy nebo rozhraní, která musí úprava ponechat. Navrženou úpravu pak lze před použitím ve skutečném projektu zkontrolovat z hlediska vhodnosti.
U vývojové úlohy řízené nástroji model vybírá z dodaných operací a aplikace je provádí. Skutečné chyby, výňatky kódu nebo ověřovací pozorování vraťte do dalšího kola. Vygenerovaná implementace a úspěšně provedený výsledek jsou samostatné výstupy a úloha má požadovat pozorování, které prokazuje dokončení.
Mezi využití výrobce Mercury 2 patří vícekrokové získávání informací, přeuspořádání výsledků podle relevance a shrnování. Každému kroku dejte přesný účel: určete vyhledávanou otázku, kritéria relevantního zdroje a fakta potřebná pro konečnou odpověď. Identifikátory zdrojů uchovávejte během celého postupu, aby bylo možné souhrn dohledat k podkladům.
Strukturovaný výstup má mít definovaná pole, jasné typy a konvenci pro chybějící informace. Soulad se schématem se týká reprezentace výsledku; jeho hodnoty porovnejte se skutečným dokumentem nebo pozorováním nástroje. V pokračující úloze zachovávejte užitečná zjištění a otevřené otázky místo hromadění nesouvisející historie.
Mercury 2 může poskytovat krok generování textu v hlasové či jiné interaktivní aplikaci. Jeho zdokumentovanou rolí je zde vytvářet slova nebo rozhodnutí používané okolními složkami, které zajišťují zvuk a přehrávání. Pro vyčištění přepisu dodejte přepis a určete, které znění, jména a význam musejí úpravu přežít.
Kontext 128K obsahuje podklady, konverzaci a generovaný obsah společně. Vyhraďte prostor pro konečnou odpověď, během úprav zachovejte viditelnou otázku a nepovažujte kapacitu kontextu za samostatný výstupní limit. Generovaná fakta, kód a extrahovaná pole ověřujte vůči původnímu vstupu. Užitečným výstupem je cílená odpověď nebo strukturovaný výsledek, který posouvá uvedenou úlohu a lze jej zkontrolovat skutečně dodanými důkazy.
", "aboutText": "Mercury 2 je jazykový model Inception pro uvažování založený na difuzním generování textu. Místo pouhého sekvenčního dekódování zleva doprava zpřesňuje několik tokenů paralelně směrem k výsledku. Výrobce tuto variantu vyvíjí pro opakované interaktivní kroky při programování, práci agentů, získávání informací a extrakci. Přijímá písemné pokyny a textový kontext a vytváří textovou odpověď, kód, strukturovaná data nebo návrhy operací s nástroji.\n\n### Varianta výrobce\n\nPřesný popis při uvedení uvádí kontext 128K, nastavitelné uvažování, nativní používání nástrojů a JSON odpovídající schématu. Tyto funkce patří ke zdokumentované variantě Mercury 2 a jsou oddělené od pozdějšího kontextu Mercury 2.5 a specializovaných modelů Voice, Router a Edit. Výslovně určete formu konečné odpovědi a nevyvozujte hlasový či editační výstup z názvu rodiny.\n\nPro jednoduchou extrakci dodejte definice polí a zdrojovou pasáž. U úlohy vyžadující uvažování uveďte úplnou podmínku a omezení, která musejí platit. Praktické zadání: „Porovnej tuto implementaci s požadavky, urči první nesoulad a vrať cílenou opravu s podpůrným vysvětlením.“ Konečný výsledek má zůstat spojený se vstupem i při vytváření průběžné analýzy.\n\n### Pomoc s programováním a úpravami\n\nVýrobce uvádí automatické doplňování, návrhy dalších úprav, refaktoring a interaktivní programátorské agenty jako relevantní úlohy. Dodejte okolní implementaci a určete, co se má změnit. Vysvětlete očekávané chování a zachovejte veřejné názvy nebo rozhraní, která musí úprava ponechat. Navrženou úpravu pak lze před použitím ve skutečném projektu zkontrolovat z hlediska vhodnosti.\n\nU vývojové úlohy řízené nástroji model vybírá z dodaných operací a aplikace je provádí. Skutečné chyby, výňatky kódu nebo ověřovací pozorování vraťte do dalšího kola. Vygenerovaná implementace a úspěšně provedený výsledek jsou samostatné výstupy a úloha má požadovat pozorování, které prokazuje dokončení.\n\n### Vyhledávání a smyčky agentů\n\nMezi využití výrobce Mercury 2 patří vícekrokové získávání informací, přeuspořádání výsledků podle relevance a shrnování. Každému kroku dejte přesný účel: určete vyhledávanou otázku, kritéria relevantního zdroje a fakta potřebná pro konečnou odpověď. Identifikátory zdrojů uchovávejte během celého postupu, aby bylo možné souhrn dohledat k podkladům.\n\nStrukturovaný výstup má mít definovaná pole, jasné typy a konvenci pro chybějící informace. Soulad se schématem se týká reprezentace výsledku; jeho hodnoty porovnejte se skutečným dokumentem nebo pozorováním nástroje. V pokračující úloze zachovávejte užitečná zjištění a otevřené otázky místo hromadění nesouvisející historie.\n\n### Interaktivní jazykové úlohy a limity\n\nMercury 2 může poskytovat krok generování textu v hlasové či jiné interaktivní aplikaci. Jeho zdokumentovanou rolí je zde vytvářet slova nebo rozhodnutí používané okolními složkami, které zajišťují zvuk a přehrávání. Pro vyčištění přepisu dodejte přepis a určete, které znění, jména a význam musejí úpravu přežít.\n\nKontext 128K obsahuje podklady, konverzaci a generovaný obsah společně. Vyhraďte prostor pro konečnou odpověď, během úprav zachovejte viditelnou otázku a nepovažujte kapacitu kontextu za samostatný výstupní limit. Generovaná fakta, kód a extrahovaná pole ověřujte vůči původnímu vstupu. Užitečným výstupem je cílená odpověď nebo strukturovaný výsledek, který posouvá uvedenou úlohu a lze jej zkontrolovat skutečně dodanými důkazy.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Clean up a dictated task note\n\nClean up this supplied transcript for a task tracker: "Um, ask Rina, no, ask Sam to review invoice INV-209 before Thursday. Keep Rina copied. It is 480 euros, not 840." Remove fillers and false starts while preserving the corrected owner, copied person, invoice ID, deadline and amount. Return one clear task sentence.One cleaned task sentence retaining the final owner, copy instruction, invoice ID, deadline and corrected amount.Check that Sam owns review, Rina is copied and the amount is 480 euros.inception/mercury-2Mercury 2 je textový model Inception pro uvažování založený na difuzi pro interaktivní programování, vyhledávání a postupy agentů. Paralelní zpřesňování, kontext 128K, nastavitelné uvažování, nativní používání nástrojů a JSON odpovídající schématu pomáhají vytvářet z textu cílené odpovědi a strukturované výstupy.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Mercury 2 je jazykový model Inception pro uvažování založený na difuzním generování textu. Místo pouhého sekvenčního dekódování zleva doprava zpřesňuje několik tokenů paralelně směrem k výsledku. Výrobce tuto variantu vyvíjí pro opakované interaktivní kroky při programování, práci agentů, získávání informací a extrakci. Přijímá písemné pokyny a textový kontext a vytváří textovou odpověď, kód, strukturovaná data nebo návrhy operací s nástroji.
Přesný popis při uvedení uvádí kontext 128K, nastavitelné uvažování, nativní používání nástrojů a JSON odpovídající schématu. Tyto funkce patří ke zdokumentované variantě Mercury 2 a jsou oddělené od pozdějšího kontextu Mercury 2.5 a specializovaných modelů Voice, Router a Edit. Výslovně určete formu konečné odpovědi a nevyvozujte hlasový či editační výstup z názvu rodiny.
Pro jednoduchou extrakci dodejte definice polí a zdrojovou pasáž. U úlohy vyžadující uvažování uveďte úplnou podmínku a omezení, která musejí platit. Praktické zadání: „Porovnej tuto implementaci s požadavky, urči první nesoulad a vrať cílenou opravu s podpůrným vysvětlením.“ Konečný výsledek má zůstat spojený se vstupem i při vytváření průběžné analýzy.
Výrobce uvádí automatické doplňování, návrhy dalších úprav, refaktoring a interaktivní programátorské agenty jako relevantní úlohy. Dodejte okolní implementaci a určete, co se má změnit. Vysvětlete očekávané chování a zachovejte veřejné názvy nebo rozhraní, která musí úprava ponechat. Navrženou úpravu pak lze před použitím ve skutečném projektu zkontrolovat z hlediska vhodnosti.
U vývojové úlohy řízené nástroji model vybírá z dodaných operací a aplikace je provádí. Skutečné chyby, výňatky kódu nebo ověřovací pozorování vraťte do dalšího kola. Vygenerovaná implementace a úspěšně provedený výsledek jsou samostatné výstupy a úloha má požadovat pozorování, které prokazuje dokončení.
Mezi využití výrobce Mercury 2 patří vícekrokové získávání informací, přeuspořádání výsledků podle relevance a shrnování. Každému kroku dejte přesný účel: určete vyhledávanou otázku, kritéria relevantního zdroje a fakta potřebná pro konečnou odpověď. Identifikátory zdrojů uchovávejte během celého postupu, aby bylo možné souhrn dohledat k podkladům.
Strukturovaný výstup má mít definovaná pole, jasné typy a konvenci pro chybějící informace. Soulad se schématem se týká reprezentace výsledku; jeho hodnoty porovnejte se skutečným dokumentem nebo pozorováním nástroje. V pokračující úloze zachovávejte užitečná zjištění a otevřené otázky místo hromadění nesouvisející historie.
Mercury 2 může poskytovat krok generování textu v hlasové či jiné interaktivní aplikaci. Jeho zdokumentovanou rolí je zde vytvářet slova nebo rozhodnutí používané okolními složkami, které zajišťují zvuk a přehrávání. Pro vyčištění přepisu dodejte přepis a určete, které znění, jména a význam musejí úpravu přežít.
Kontext 128K obsahuje podklady, konverzaci a generovaný obsah společně. Vyhraďte prostor pro konečnou odpověď, během úprav zachovejte viditelnou otázku a nepovažujte kapacitu kontextu za samostatný výstupní limit. Generovaná fakta, kód a extrahovaná pole ověřujte vůči původnímu vstupu. Užitečným výstupem je cílená odpověď nebo strukturovaný výsledek, který posouvá uvedenou úlohu a lze jej zkontrolovat skutečně dodanými důkazy.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity inception/mercury-2 | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0005 / 1K tokenů Výstup · Výstupní tokeny $0.0015 / 1K tokenů Vstup · Čtení z mezipaměti $0.00005 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0005 / 1K tokenů Výstup · Výstupní tokeny $0.0015 / 1K tokenů Vstup · Čtení z mezipaměti $0.00005 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inception/mercury-2", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='inception/mercury-2',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='inception/mercury-2',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra inception/mercury-2
Použijte cesty metod uvedené výše.
inception/mercury-2Mercury 2 je textový model Inception pro uvažování založený na difuzi pro interaktivní programování, vyhledávání a postupy agentů. Paralelní zpřesňování, kontext 128K, nastavitelné uvažování, nativní používání nástrojů a JSON odpovídající schématu pomáhají vytvářet z textu cílené odpovědi a strukturované výstupy.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Mercury 2 je jazykový model Inception pro uvažování založený na difuzním generování textu. Místo pouhého sekvenčního dekódování zleva doprava zpřesňuje několik tokenů paralelně směrem k výsledku. Výrobce tuto variantu vyvíjí pro opakované interaktivní kroky při programování, práci agentů, získávání informací a extrakci. Přijímá písemné pokyny a textový kontext a vytváří textovou odpověď, kód, strukturovaná data nebo návrhy operací s nástroji.
Přesný popis při uvedení uvádí kontext 128K, nastavitelné uvažování, nativní používání nástrojů a JSON odpovídající schématu. Tyto funkce patří ke zdokumentované variantě Mercury 2 a jsou oddělené od pozdějšího kontextu Mercury 2.5 a specializovaných modelů Voice, Router a Edit. Výslovně určete formu konečné odpovědi a nevyvozujte hlasový či editační výstup z názvu rodiny.
Pro jednoduchou extrakci dodejte definice polí a zdrojovou pasáž. U úlohy vyžadující uvažování uveďte úplnou podmínku a omezení, která musejí platit. Praktické zadání: „Porovnej tuto implementaci s požadavky, urči první nesoulad a vrať cílenou opravu s podpůrným vysvětlením.“ Konečný výsledek má zůstat spojený se vstupem i při vytváření průběžné analýzy.
Výrobce uvádí automatické doplňování, návrhy dalších úprav, refaktoring a interaktivní programátorské agenty jako relevantní úlohy. Dodejte okolní implementaci a určete, co se má změnit. Vysvětlete očekávané chování a zachovejte veřejné názvy nebo rozhraní, která musí úprava ponechat. Navrženou úpravu pak lze před použitím ve skutečném projektu zkontrolovat z hlediska vhodnosti.
U vývojové úlohy řízené nástroji model vybírá z dodaných operací a aplikace je provádí. Skutečné chyby, výňatky kódu nebo ověřovací pozorování vraťte do dalšího kola. Vygenerovaná implementace a úspěšně provedený výsledek jsou samostatné výstupy a úloha má požadovat pozorování, které prokazuje dokončení.
Mezi využití výrobce Mercury 2 patří vícekrokové získávání informací, přeuspořádání výsledků podle relevance a shrnování. Každému kroku dejte přesný účel: určete vyhledávanou otázku, kritéria relevantního zdroje a fakta potřebná pro konečnou odpověď. Identifikátory zdrojů uchovávejte během celého postupu, aby bylo možné souhrn dohledat k podkladům.
Strukturovaný výstup má mít definovaná pole, jasné typy a konvenci pro chybějící informace. Soulad se schématem se týká reprezentace výsledku; jeho hodnoty porovnejte se skutečným dokumentem nebo pozorováním nástroje. V pokračující úloze zachovávejte užitečná zjištění a otevřené otázky místo hromadění nesouvisející historie.
Mercury 2 může poskytovat krok generování textu v hlasové či jiné interaktivní aplikaci. Jeho zdokumentovanou rolí je zde vytvářet slova nebo rozhodnutí používané okolními složkami, které zajišťují zvuk a přehrávání. Pro vyčištění přepisu dodejte přepis a určete, které znění, jména a význam musejí úpravu přežít.
Kontext 128K obsahuje podklady, konverzaci a generovaný obsah společně. Vyhraďte prostor pro konečnou odpověď, během úprav zachovejte viditelnou otázku a nepovažujte kapacitu kontextu za samostatný výstupní limit. Generovaná fakta, kód a extrahovaná pole ověřujte vůči původnímu vstupu. Užitečným výstupem je cílená odpověď nebo strukturovaný výsledek, který posouvá uvedenou úlohu a lze jej zkontrolovat skutečně dodanými důkazy.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity inception/mercury-2 | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0005 / 1K tokenů Výstup · Výstupní tokeny $0.0015 / 1K tokenů Vstup · Čtení z mezipaměti $0.00005 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0005 / 1K tokenů Výstup · Výstupní tokeny $0.0015 / 1K tokenů Vstup · Čtení z mezipaměti $0.00005 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "inception/mercury-2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'inception/mercury-2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'inception/mercury-2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra inception/mercury-2
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Clean up a dictated task note\n\nClean up this supplied transcript for a task tracker: "Um, ask Rina, no, ask Sam to review invoice INV-209 before Thursday. Keep Rina copied. It is 480 euros, not 840." Remove fillers and false starts while preserving the corrected owner, copied person, invoice ID, deadline and amount. Return one clear task sentence.One cleaned task sentence retaining the final owner, copy instruction, invoice ID, deadline and corrected amount.Check that Sam owns review, Rina is copied and the amount is 480 euros.