A Mercury 2.5 az Inception diffúzióalapú következtető nyelvi modellje. A Mercury 2-t követi, üzemi visszajelzések és hibás esetek alapján frissített tanítással, megtartva a család gyorsan reagáló szöveggenerálásra helyezett hangsúlyát. Közzétett profilja 260K kontextust, állítható következtetést, párhuzamos eszközhívásokat és sémához igazított JSON-t tartalmaz. Bemenete írott feladat és releváns szöveges kontextus; kimenete szöveg, kód, strukturált rekord vagy javasolt eszközhívási tartalom.
A Mercury család párhuzamos finomítással generál nyelvet, nem kizárólag balról jobbra, tokenenkénti előrejelzéssel. Ez az architekturális irány az ismételt modelllépéseket interaktív munkafolyamatba kívánja illeszteni. Az állítható következtetés lehetővé teszi, hogy a gyártói profil az elemzés mélységét a feladathoz igazítsa. A szükséges végső eredményt kifejezetten határozd meg: a válasznak akkor is rövidnek kellhet lennie, ha a köztes folyamat összetettebb.
Összehasonlításhoz add meg a szempontokat és a megnevezett forrásrészleteket. Adatkinyeréshez határozd meg a mezőket és jelentésüket. Hasznos feladatutasítás: „Alakítsd ezeket a forrásrészleteket a szükséges specifikációk rekordjává, őrizd meg az egységeket, és azonosítsd az egyes értékeket alátámasztó részletet.” A sémához igazított kimenet rendezett eredményt ad az alkalmazásnak; a forrással való egyezés továbbra is ellenőrzést igényel.
A gyártó a Mercury használatát kereséstervezéshez, lekérdezések átírásához, tények strukturálásához, források összefoglalásához és válaszellenőrzéshez írja le. Az alkalmazás minden lépéshez konkrét célt rendelhet, és a releváns bizonyítékot továbbadhatja a következőnek. Lekérdezésátírásnál kérd a felhasználó tényleges korlátainak megőrzését, forrásösszefoglalónál pedig a végső válaszhoz szükséges tények megtartását, ne csupán minden részlet rövidítését.
A Mercury 2.5 párhuzamos eszközhívási képessége akkor hasznos, ha független műveletek eltérő megfigyeléseket szerezhetnek a feladathoz. Adj világos függvénydefiníciókat és paramétersémákat. A kiválasztott hívásokat az alkalmazás hajtja végre, és visszaadja eredményeiket. A hívásazonosítókat és forráscímkéket tartsd együtt, hogy a végső válasz megfigyelt információt használjon, ne az eszközvégrehajtás feltételezését.
A gyártó programozási segítséget és olyan támogató műveleteket is leír, mint a hosszú munkamenet tömörítése vagy megfelelő eszköz keresése. Tömörítésnél azonosítsd a következő feladat igényeit: elfogadott követelmények, aktuális hibák, döntések és bizonyítékaik. Kérd ezek megőrzését és a befejezetlen munka elkülönítését a kész eredménytől.
Szoftvermódosításhoz add meg a releváns kódot, az elvárt működést és a hibás bemenetet vagy megfigyelt hibát. Kérj célzott megvalósítást és magyarázatot. Ha vizuális vagy beszédalkalmazás nyelvi lépésként használja a Mercury-t, azt a szöveget vagy eszközmegfigyelést add meg, amelyet ez a modell ténylegesen feldolgoz; a beszédfelismerés, beszédszintézis és médiaelőállítás külön összetevők maradnak.
A 260K kontextus a dokumentált 2.5 profilhoz tartozik, és elkülönül a Mercury 2 induláskori 128K kontextusától, valamint a szakosodott Mercury Voice és Router modellektől. A forrásanyagot, előzményeket, következtetést és végső eredményt együtt tervezd meg. A feladat indulása előtt válaszd ki a kimenet formáját, és hagyj helyet a kötelező részleteket tartalmazó válasznak.
Hasznos végső eredmény strukturált adatkinyerés, forrásalapú magyarázat, kódjavaslat vagy a feladat állapotának tömör összefoglalása. A tényeket a megadott anyaghoz mérten, a kódot a tervezett környezetében ellenőrizd. A diffúziós architektúra és a gyors reagálású feladatkör önmagában nem igazolja a helyességet, külső forrás elérését vagy javasolt művelet végrehajtását.
", "aboutText": "A Mercury 2.5 az Inception diffúzióalapú következtető nyelvi modellje. A Mercury 2-t követi, üzemi visszajelzések és hibás esetek alapján frissített tanítással, megtartva a család gyorsan reagáló szöveggenerálásra helyezett hangsúlyát. Közzétett profilja 260K kontextust, állítható következtetést, párhuzamos eszközhívásokat és sémához igazított JSON-t tartalmaz. Bemenete írott feladat és releváns szöveges kontextus; kimenete szöveg, kód, strukturált rekord vagy javasolt eszközhívási tartalom.\n\n### Diffúzió és következtetés\n\nA Mercury család párhuzamos finomítással generál nyelvet, nem kizárólag balról jobbra, tokenenkénti előrejelzéssel. Ez az architekturális irány az ismételt modelllépéseket interaktív munkafolyamatba kívánja illeszteni. Az állítható következtetés lehetővé teszi, hogy a gyártói profil az elemzés mélységét a feladathoz igazítsa. A szükséges végső eredményt kifejezetten határozd meg: a válasznak akkor is rövidnek kellhet lennie, ha a köztes folyamat összetettebb.\n\nÖsszehasonlításhoz add meg a szempontokat és a megnevezett forrásrészleteket. Adatkinyeréshez határozd meg a mezőket és jelentésüket. Hasznos feladatutasítás: „Alakítsd ezeket a forrásrészleteket a szükséges specifikációk rekordjává, őrizd meg az egységeket, és azonosítsd az egyes értékeket alátámasztó részletet.” A sémához igazított kimenet rendezett eredményt ad az alkalmazásnak; a forrással való egyezés továbbra is ellenőrzést igényel.\n\n### Keresési és visszakeresési munkafolyamatok\n\nA gyártó a Mercury használatát kereséstervezéshez, lekérdezések átírásához, tények strukturálásához, források összefoglalásához és válaszellenőrzéshez írja le. Az alkalmazás minden lépéshez konkrét célt rendelhet, és a releváns bizonyítékot továbbadhatja a következőnek. Lekérdezésátírásnál kérd a felhasználó tényleges korlátainak megőrzését, forrásösszefoglalónál pedig a végső válaszhoz szükséges tények megtartását, ne csupán minden részlet rövidítését.\n\nA Mercury 2.5 párhuzamos eszközhívási képessége akkor hasznos, ha független műveletek eltérő megfigyeléseket szerezhetnek a feladathoz. Adj világos függvénydefiníciókat és paramétersémákat. A kiválasztott hívásokat az alkalmazás hajtja végre, és visszaadja eredményeiket. A hívásazonosítókat és forráscímkéket tartsd együtt, hogy a végső válasz megfigyelt információt használjon, ne az eszközvégrehajtás feltételezését.\n\n### Programozás és kontextuskezelés\n\nA gyártó programozási segítséget és olyan támogató műveleteket is leír, mint a hosszú munkamenet tömörítése vagy megfelelő eszköz keresése. Tömörítésnél azonosítsd a következő feladat igényeit: elfogadott követelmények, aktuális hibák, döntések és bizonyítékaik. Kérd ezek megőrzését és a befejezetlen munka elkülönítését a kész eredménytől.\n\nSzoftvermódosításhoz add meg a releváns kódot, az elvárt működést és a hibás bemenetet vagy megfigyelt hibát. Kérj célzott megvalósítást és magyarázatot. Ha vizuális vagy beszédalkalmazás nyelvi lépésként használja a Mercury-t, azt a szöveget vagy eszközmegfigyelést add meg, amelyet ez a modell ténylegesen feldolgoz; a beszédfelismerés, beszédszintézis és médiaelőállítás külön összetevők maradnak.\n\n### Korlátok és kimenetellenőrzés\n\nA 260K kontextus a dokumentált 2.5 profilhoz tartozik, és elkülönül a Mercury 2 induláskori 128K kontextusától, valamint a szakosodott Mercury Voice és Router modellektől. A forrásanyagot, előzményeket, következtetést és végső eredményt együtt tervezd meg. A feladat indulása előtt válaszd ki a kimenet formáját, és hagyj helyet a kötelező részleteket tartalmazó válasznak.\n\nHasznos végső eredmény strukturált adatkinyerés, forrásalapú magyarázat, kódjavaslat vagy a feladat állapotának tömör összefoglalása. A tényeket a megadott anyaghoz mérten, a kódot a tervezett környezetében ellenőrizd. A diffúziós architektúra és a gyors reagálású feladatkör önmagában nem igazolja a helyességet, külső forrás elérését vagy javasolt művelet végrehajtását.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Rewrite a constrained retrieval query\n\nRewrite this request into two concise search queries for an application's document retriever: 'Find the approved procedure for recovering failed nightly exports without rerunning completed pages, for the warehouse service, excluding the retired batch runner.' Preserve the service, recovery objective and exclusion. Explain briefly what each query emphasizes; do not perform a search.Two query rewrites with short purpose notes, retaining all mandatory constraints.Neither rewrite drops the warehouse-service scope, completed-page protection or retired-runner exclusion.inception/mercury-2.5A Mercury 2.5 az Inception diffúzióalapú következtető szövegmodellje, 260K kontextussal. Állítható következtetése, párhuzamos eszközhívásai és sémához igazított JSON-kimenete keresést, adatkinyerést, programozási segítséget és világos, strukturált eredményt igénylő ismételt ügynöklépéseket támogatnak.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mercury 2.5 az Inception diffúzióalapú következtető nyelvi modellje. A Mercury 2-t követi, üzemi visszajelzések és hibás esetek alapján frissített tanítással, megtartva a család gyorsan reagáló szöveggenerálásra helyezett hangsúlyát. Közzétett profilja 260K kontextust, állítható következtetést, párhuzamos eszközhívásokat és sémához igazított JSON-t tartalmaz. Bemenete írott feladat és releváns szöveges kontextus; kimenete szöveg, kód, strukturált rekord vagy javasolt eszközhívási tartalom.
A Mercury család párhuzamos finomítással generál nyelvet, nem kizárólag balról jobbra, tokenenkénti előrejelzéssel. Ez az architekturális irány az ismételt modelllépéseket interaktív munkafolyamatba kívánja illeszteni. Az állítható következtetés lehetővé teszi, hogy a gyártói profil az elemzés mélységét a feladathoz igazítsa. A szükséges végső eredményt kifejezetten határozd meg: a válasznak akkor is rövidnek kellhet lennie, ha a köztes folyamat összetettebb.
Összehasonlításhoz add meg a szempontokat és a megnevezett forrásrészleteket. Adatkinyeréshez határozd meg a mezőket és jelentésüket. Hasznos feladatutasítás: „Alakítsd ezeket a forrásrészleteket a szükséges specifikációk rekordjává, őrizd meg az egységeket, és azonosítsd az egyes értékeket alátámasztó részletet.” A sémához igazított kimenet rendezett eredményt ad az alkalmazásnak; a forrással való egyezés továbbra is ellenőrzést igényel.
A gyártó a Mercury használatát kereséstervezéshez, lekérdezések átírásához, tények strukturálásához, források összefoglalásához és válaszellenőrzéshez írja le. Az alkalmazás minden lépéshez konkrét célt rendelhet, és a releváns bizonyítékot továbbadhatja a következőnek. Lekérdezésátírásnál kérd a felhasználó tényleges korlátainak megőrzését, forrásösszefoglalónál pedig a végső válaszhoz szükséges tények megtartását, ne csupán minden részlet rövidítését.
A Mercury 2.5 párhuzamos eszközhívási képessége akkor hasznos, ha független műveletek eltérő megfigyeléseket szerezhetnek a feladathoz. Adj világos függvénydefiníciókat és paramétersémákat. A kiválasztott hívásokat az alkalmazás hajtja végre, és visszaadja eredményeiket. A hívásazonosítókat és forráscímkéket tartsd együtt, hogy a végső válasz megfigyelt információt használjon, ne az eszközvégrehajtás feltételezését.
A gyártó programozási segítséget és olyan támogató műveleteket is leír, mint a hosszú munkamenet tömörítése vagy megfelelő eszköz keresése. Tömörítésnél azonosítsd a következő feladat igényeit: elfogadott követelmények, aktuális hibák, döntések és bizonyítékaik. Kérd ezek megőrzését és a befejezetlen munka elkülönítését a kész eredménytől.
Szoftvermódosításhoz add meg a releváns kódot, az elvárt működést és a hibás bemenetet vagy megfigyelt hibát. Kérj célzott megvalósítást és magyarázatot. Ha vizuális vagy beszédalkalmazás nyelvi lépésként használja a Mercury-t, azt a szöveget vagy eszközmegfigyelést add meg, amelyet ez a modell ténylegesen feldolgoz; a beszédfelismerés, beszédszintézis és médiaelőállítás külön összetevők maradnak.
A 260K kontextus a dokumentált 2.5 profilhoz tartozik, és elkülönül a Mercury 2 induláskori 128K kontextusától, valamint a szakosodott Mercury Voice és Router modellektől. A forrásanyagot, előzményeket, következtetést és végső eredményt együtt tervezd meg. A feladat indulása előtt válaszd ki a kimenet formáját, és hagyj helyet a kötelező részleteket tartalmazó válasznak.
Hasznos végső eredmény strukturált adatkinyerés, forrásalapú magyarázat, kódjavaslat vagy a feladat állapotának tömör összefoglalása. A tényeket a megadott anyaghoz mérten, a kódot a tervezett környezetében ellenőrizd. A diffúziós architektúra és a gyors reagálású feladatkör önmagában nem igazolja a helyességet, külső forrás elérését vagy javasolt művelet végrehajtását.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok inception/mercury-2.5 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0004 / 1K token Kimenet · Kimeneti tokenek $0.0015 / 1K token Bemenet · Gyorsítótár olvasása $0.00004 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0004 / 1K token Kimenet · Kimeneti tokenek $0.0015 / 1K token Bemenet · Gyorsítótár olvasása $0.00004 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inception/mercury-2.5", "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-2.5',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-2.5',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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra inception/mercury-2.5
Használja a fent látható metódusútvonalakat.
inception/mercury-2.5A Mercury 2.5 az Inception diffúzióalapú következtető szövegmodellje, 260K kontextussal. Állítható következtetése, párhuzamos eszközhívásai és sémához igazított JSON-kimenete keresést, adatkinyerést, programozási segítséget és világos, strukturált eredményt igénylő ismételt ügynöklépéseket támogatnak.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mercury 2.5 az Inception diffúzióalapú következtető nyelvi modellje. A Mercury 2-t követi, üzemi visszajelzések és hibás esetek alapján frissített tanítással, megtartva a család gyorsan reagáló szöveggenerálásra helyezett hangsúlyát. Közzétett profilja 260K kontextust, állítható következtetést, párhuzamos eszközhívásokat és sémához igazított JSON-t tartalmaz. Bemenete írott feladat és releváns szöveges kontextus; kimenete szöveg, kód, strukturált rekord vagy javasolt eszközhívási tartalom.
A Mercury család párhuzamos finomítással generál nyelvet, nem kizárólag balról jobbra, tokenenkénti előrejelzéssel. Ez az architekturális irány az ismételt modelllépéseket interaktív munkafolyamatba kívánja illeszteni. Az állítható következtetés lehetővé teszi, hogy a gyártói profil az elemzés mélységét a feladathoz igazítsa. A szükséges végső eredményt kifejezetten határozd meg: a válasznak akkor is rövidnek kellhet lennie, ha a köztes folyamat összetettebb.
Összehasonlításhoz add meg a szempontokat és a megnevezett forrásrészleteket. Adatkinyeréshez határozd meg a mezőket és jelentésüket. Hasznos feladatutasítás: „Alakítsd ezeket a forrásrészleteket a szükséges specifikációk rekordjává, őrizd meg az egységeket, és azonosítsd az egyes értékeket alátámasztó részletet.” A sémához igazított kimenet rendezett eredményt ad az alkalmazásnak; a forrással való egyezés továbbra is ellenőrzést igényel.
A gyártó a Mercury használatát kereséstervezéshez, lekérdezések átírásához, tények strukturálásához, források összefoglalásához és válaszellenőrzéshez írja le. Az alkalmazás minden lépéshez konkrét célt rendelhet, és a releváns bizonyítékot továbbadhatja a következőnek. Lekérdezésátírásnál kérd a felhasználó tényleges korlátainak megőrzését, forrásösszefoglalónál pedig a végső válaszhoz szükséges tények megtartását, ne csupán minden részlet rövidítését.
A Mercury 2.5 párhuzamos eszközhívási képessége akkor hasznos, ha független műveletek eltérő megfigyeléseket szerezhetnek a feladathoz. Adj világos függvénydefiníciókat és paramétersémákat. A kiválasztott hívásokat az alkalmazás hajtja végre, és visszaadja eredményeiket. A hívásazonosítókat és forráscímkéket tartsd együtt, hogy a végső válasz megfigyelt információt használjon, ne az eszközvégrehajtás feltételezését.
A gyártó programozási segítséget és olyan támogató műveleteket is leír, mint a hosszú munkamenet tömörítése vagy megfelelő eszköz keresése. Tömörítésnél azonosítsd a következő feladat igényeit: elfogadott követelmények, aktuális hibák, döntések és bizonyítékaik. Kérd ezek megőrzését és a befejezetlen munka elkülönítését a kész eredménytől.
Szoftvermódosításhoz add meg a releváns kódot, az elvárt működést és a hibás bemenetet vagy megfigyelt hibát. Kérj célzott megvalósítást és magyarázatot. Ha vizuális vagy beszédalkalmazás nyelvi lépésként használja a Mercury-t, azt a szöveget vagy eszközmegfigyelést add meg, amelyet ez a modell ténylegesen feldolgoz; a beszédfelismerés, beszédszintézis és médiaelőállítás külön összetevők maradnak.
A 260K kontextus a dokumentált 2.5 profilhoz tartozik, és elkülönül a Mercury 2 induláskori 128K kontextusától, valamint a szakosodott Mercury Voice és Router modellektől. A forrásanyagot, előzményeket, következtetést és végső eredményt együtt tervezd meg. A feladat indulása előtt válaszd ki a kimenet formáját, és hagyj helyet a kötelező részleteket tartalmazó válasznak.
Hasznos végső eredmény strukturált adatkinyerés, forrásalapú magyarázat, kódjavaslat vagy a feladat állapotának tömör összefoglalása. A tényeket a megadott anyaghoz mérten, a kódot a tervezett környezetében ellenőrizd. A diffúziós architektúra és a gyors reagálású feladatkör önmagában nem igazolja a helyességet, külső forrás elérését vagy javasolt művelet végrehajtását.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok inception/mercury-2.5 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0004 / 1K token Kimenet · Kimeneti tokenek $0.0015 / 1K token Bemenet · Gyorsítótár olvasása $0.00004 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0004 / 1K token Kimenet · Kimeneti tokenek $0.0015 / 1K token Bemenet · Gyorsítótár olvasása $0.00004 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "inception/mercury-2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2.5', '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-2.5', '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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra inception/mercury-2.5
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Rewrite a constrained retrieval query\n\nRewrite this request into two concise search queries for an application's document retriever: 'Find the approved procedure for recovering failed nightly exports without rerunning completed pages, for the warehouse service, excluding the retired batch runner.' Preserve the service, recovery objective and exclusion. Explain briefly what each query emphasizes; do not perform a search.Two query rewrites with short purpose notes, retaining all mandatory constraints.Neither rewrite drops the warehouse-service scope, completed-page protection or retired-runner exclusion.