models

Inception: Mercury 3

Markdown · JSON

Inception: Mercury 3

inception/mercury-3
InceptionTexteEntrée 0,0002 USD / 1KSortie 0,0007 USD / 1K

Modèle textuel à diffusion d’Inception pour les conversations, le traitement de documents volumineux et les tâches intellectuelles en plusieurs étapes.

Un modèle textuel fondé sur la diffusion

Mercury 3 est un modèle d’Inception qui utilise une approche par diffusion pour générer du texte. Il prolonge la famille Mercury, développée pour les applications interactives et les tâches comprenant plusieurs appels successifs au modèle. Dans sa présentation de Mercury 3, Inception met en avant l’assistance conversationnelle, l’apprentissage, le travail sur les données et les usages agentiques de recherche.

L’architecture à diffusion est une propriété du modèle. Elle ne détermine pas à elle seule le temps de réponse d’une application : celui-ci dépend aussi du volume de la requête, de la longueur du résultat et des conditions de service. Dans Ailoot, Mercury 3 reçoit du texte et renvoie du texte. Cette interface convient aux explications, au traitement de documents et à la préparation de l’étape suivante d’une tâche à partir des informations fournies.

Un grand contexte pour un travail cohérent

Dans Ailoot, Mercury 3 dispose d’un contexte annoncé de 1 000 000 de tokens. Une même discussion peut rassembler un grand ensemble de contenus textuels : description de produit, règles, échanges et exigences relatives au résultat. L’intérêt pratique d’un grand contexte apparaît lorsque la réponse doit tenir compte simultanément de plusieurs aspects d’une tâche, par exemple confronter une procédure d’assistance aux conditions d’un contrat pour préparer une réponse à une demande précise.

Pour ce type de requête, identifiez les documents, conservez leurs titres et demandez d’indiquer sur quel contenu repose chaque conclusion. Si la tâche comporte plusieurs étapes, définissez les résultats intermédiaires : d’abord la liste des règles pertinentes, puis l’analyse du cas, enfin un projet de réponse. Le résultat devient plus facile à vérifier, et vous pouvez affiner une étape sans redécrire toute la tâche.

Usages interactifs

Dans un échange pédagogique, Mercury 3 peut servir à examiner une solution, à préparer un indice ou à expliquer une notion au niveau demandé. Pour le travail sur les données, transmettez la description des champs, un échantillon textuel et une question afin d’obtenir une explication des tendances ou un plan de transformation. Pour l’assistance, joignez les règles et demandez une réponse claire tenant compte de la situation de l’utilisateur.

Ces usages intègrent le modèle textuel dans un processus de travail. La recherche autonome sur Internet, le pilotage d’un navigateur, l’accès aux systèmes de l’entreprise et la conversation vocale dépendent des outils connectés à l’application. Mercury Voice et Mercury Decide sont des produits distincts d’Inception ; leurs capacités spécialisées ne font pas partie de la description de Mercury 3.

Disponible via l’API Ailoot

Ultra Anthropic MessagesPOST /v1/messages
Entrée
text
Sortie
text
Contexte
Non précisé dans le catalogue
Réponse maximale
Non précisé dans le catalogue
Entrée
0,0002 USD / 1K
Sortie
0,0007 USD / 1K
Lecture du cache
0,00002 USD / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Entrée
text
Sortie
text
Contexte
Non précisé dans le catalogue
Réponse maximale
Non précisé dans le catalogue
Entrée
0,0002 USD / 1K
Sortie
0,0007 USD / 1K
Lecture du cache
0,00002 USD / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Entrée
text
Sortie
text
Contexte
Non précisé dans le catalogue
Réponse maximale
Non précisé dans le catalogue
Entrée
0,0002 USD / 1K
Sortie
0,0007 USD / 1K
Lecture du cache
0,00002 USD / 1K
Ultra Gemini generateContentPOST /v1beta/models/inception/mercury-3:generateContent
Entrée
text
Sortie
text
Contexte
Non précisé dans le catalogue
Réponse maximale
Non précisé dans le catalogue
Entrée
0,0002 USD / 1K
Sortie
0,0007 USD / 1K
Lecture du cache
0,00002 USD / 1K
inception/mercury-3 · JSON
{"about":"### Un modèle textuel fondé sur la diffusion\n\nMercury 3 est un modèle d’Inception qui utilise une approche par diffusion pour générer du texte. Il prolonge la famille Mercury, développée pour les applications interactives et les tâches comprenant plusieurs appels successifs au modèle. Dans sa présentation de Mercury 3, Inception met en avant l’assistance conversationnelle, l’apprentissage, le travail sur les données et les usages agentiques de recherche.\n\nL’architecture à diffusion est une propriété du modèle. Elle ne détermine pas à elle seule le temps de réponse d’une application : celui-ci dépend aussi du volume de la requête, de la longueur du résultat et des conditions de service. Dans Ailoot, Mercury 3 reçoit du texte et renvoie du texte. Cette interface convient aux explications, au traitement de documents et à la préparation de l’étape suivante d’une tâche à partir des informations fournies.\n\n### Un grand contexte pour un travail cohérent\n\nDans Ailoot, Mercury 3 dispose d’un contexte annoncé de 1 000 000 de tokens. Une même discussion peut rassembler un grand ensemble de contenus textuels : description de produit, règles, échanges et exigences relatives au résultat. L’intérêt pratique d’un grand contexte apparaît lorsque la réponse doit tenir compte simultanément de plusieurs aspects d’une tâche, par exemple confronter une procédure d’assistance aux conditions d’un contrat pour préparer une réponse à une demande précise.\n\nPour ce type de requête, identifiez les documents, conservez leurs titres et demandez d’indiquer sur quel contenu repose chaque conclusion. Si la tâche comporte plusieurs étapes, définissez les résultats intermédiaires : d’abord la liste des règles pertinentes, puis l’analyse du cas, enfin un projet de réponse. Le résultat devient plus facile à vérifier, et vous pouvez affiner une étape sans redécrire toute la tâche.\n\n### Usages interactifs\n\nDans un échange pédagogique, Mercury 3 peut servir à examiner une solution, à préparer un indice ou à expliquer une notion au niveau demandé. Pour le travail sur les données, transmettez la description des champs, un échantillon textuel et une question afin d’obtenir une explication des tendances ou un plan de transformation. Pour l’assistance, joignez les règles et demandez une réponse claire tenant compte de la situation de l’utilisateur.\n\nCes usages intègrent le modèle textuel dans un processus de travail. La recherche autonome sur Internet, le pilotage d’un navigateur, l’accès aux systèmes de l’entreprise et la conversation vocale dépendent des outils connectés à l’application. Mercury Voice et Mercury Decide sont des produits distincts d’Inception ; leurs capacités spécialisées ne font pas partie de la description de Mercury 3.","alias_of":null,"aliases":[],"author":"Inception","canonical_model":"inception/mercury-3","ctx":null,"formats":["chat","gemini","messages","responses"],"id":"inception/mercury-3","input":["text"],"kind":"text","max_out":null,"methods":[{"cache_read":0.02,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":0.2,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":0.7,"output":["text"],"path":"/v1/messages","request_model_id":"inception/mercury-3","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.02,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":0.2,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":0.7,"output":["text"],"path":"/v1/responses","request_model_id":"inception/mercury-3","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.02,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":0.2,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":0.7,"output":["text"],"path":"/v1/chat/completions","request_model_id":"inception/mercury-3","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.02,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":0.2,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":0.7,"output":["text"],"path":"/v1beta/models/inception/mercury-3:generateContent","request_model_id":"inception/mercury-3","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"inception/mercury-3","request_model_id":"inception/mercury-3","route_label":"Ultra"}],"name":"Inception: Mercury 3","price":{"in":0.2,"in_label":null,"out":0.7,"out_label":null,"sort_in":0.2,"sort_out":0.7,"varies":false},"public_id":"inception/mercury-3","short":"Modèle textuel à diffusion d’Inception pour les conversations, le traitement de documents volumineux et les tâches intellectuelles en plusieurs étapes."}

Questions

Comment choisir un modèle pour ma tâche ?

Déterminez d’abord l’entrée et la sortie nécessaires : texte, image, audio ou vidéo. Comparez ensuite les méthodes API compatibles, l’ID exact du modèle ou la cible actuelle de l’alias, le prix et l’unité de facturation. GET /v1/models est gratuit et répertorie les modèles accessibles avec votre clé.

Chaque modèle prend-il en charge toutes les méthodes API et tous les types de médias ?

Utilisez les méthodes API et les types d’entrée et de sortie indiqués sur la fiche du modèle. La prise en charge du texte, des images, de l’audio ou de la vidéo dépend du modèle et de la méthode choisis ; consultez leur exemple de requête avant d’envoyer vos données.

Quelle est la différence entre l’ID d’un modèle et un alias ?

Un ID exact désigne un modèle précis. Un alias pointe vers un modèle et sa cible peut changer. Vérifiez la cible actuelle de l’alias dans le catalogue ; utilisez l’ID exact lorsque votre intégration nécessite un modèle précis.

Comment comparer les prix avant d’envoyer une requête ?

Consultez la fiche du modèle pour connaître le prix et l’unité de facturation de la méthode API choisie. Comparez la même unité et le même type d’entrée et de sortie ; l’historique des requêtes indique l’utilisation réelle et le montant facturé.

Que donne l’abonnement ?

Une remise sur l’achat de tokens pour le travail régulier. Choisissez une offre selon votre volume de requêtes ; conditions et prix s’affichent à la souscription.

Comment appliquer un code promo jusqu’à 50% ?

Saisissez le code lors de l’achat de tokens. Le montant est recalculé selon la promotion ; la remise est visible avant paiement.