Mercury 2.5 adalah model bahasa penalaran berbasis difusi dari Inception. Model ini melanjutkan Mercury 2 dengan pelatihan terbaru yang dibentuk oleh umpan balik produksi dan kasus kegagalan, sambil mempertahankan fokus keluarga ini pada pembangkitan teks responsif. Varian terbitannya mencakup konteks 260K, penalaran yang dapat disesuaikan, panggilan alat paralel, dan JSON yang selaras dengan skema. Masukannya adalah tugas tertulis dan konteks teks relevan; keluarannya berupa teks, kode, catatan terstruktur, atau isi panggilan alat yang diusulkan.
Keluarga Mercury membangkitkan bahasa melalui penyempurnaan paralel, bukan semata-mata memprediksi satu token setelah token lain dari kiri ke kanan. Arah arsitektur ini ditujukan agar langkah model berulang sesuai dengan alur kerja interaktif. Penalaran yang dapat disesuaikan memungkinkan varian produsen menyesuaikan kedalaman analisis dengan tugas. Tetapkan artefak akhir yang diperlukan secara eksplisit: jawaban mungkin perlu singkat meskipun proses antaranya lebih rumit.
Untuk perbandingan, berikan kriteria dan bagian sumber bernama. Untuk ekstraksi, tentukan kolom dan maknanya. Instruksi tugas yang berguna adalah: “Ubah bagian sumber ini menjadi catatan spesifikasi yang diperlukan, pertahankan satuan, dan identifikasi bagian yang mendukung setiap nilai.” Keluaran yang selaras dengan skema memberi aplikasi hasil tertata; kesesuaian dengan sumber tetap perlu ditinjau.
Produsen menjelaskan penggunaan Mercury dalam perencanaan pencarian, penulisan ulang kueri, penataan fakta, peringkasan sumber, dan pemeriksaan jawaban. Aplikasi dapat memberi setiap langkah tujuan spesifik dan meneruskan bukti relevan ke langkah berikutnya. Mintalah penulisan ulang kueri mempertahankan batasan nyata pengguna, dan mintalah ringkasan sumber mempertahankan fakta yang diperlukan jawaban akhir, bukan sekadar memendekkan setiap bagian.
Kemampuan panggilan alat paralel Mercury 2.5 berguna ketika operasi independen dapat memperoleh pengamatan berbeda bagi suatu tugas. Berikan definisi fungsi dan skema parameter yang jelas. Aplikasi menjalankan panggilan terpilih dan mengembalikan hasilnya. Simpan pengenal panggilan dan label sumber bersama agar jawaban akhir menggunakan informasi teramati, bukan asumsi bahwa suatu alat telah dijalankan.
Pembuat juga menjelaskan bantuan pemrograman dan operasi pendukung seperti pemadatan sesi panjang atau menemukan alat yang sesuai. Untuk pemadatan, tentukan kebutuhan tugas berikutnya: persyaratan yang disepakati, kegagalan saat ini, keputusan, serta bukti di baliknya. Mintalah model mempertahankan hal-hal tersebut dan membedakan pekerjaan belum selesai dari hasil yang sudah lengkap.
Untuk perubahan perangkat lunak, berikan kode relevan, perilaku yang diharapkan, serta masukan gagal atau galat yang diamati. Mintalah implementasi terfokus beserta penjelasannya. Jika aplikasi visual atau ucapan menggunakan Mercury sebagai langkah bahasa, berikan teks atau pengamatan alat yang benar-benar dikonsumsi model ini; pengenalan ucapan, sintesis ucapan, dan perenderan media tetap merupakan komponen terpisah.
Konteks 260K adalah varian 2.5 yang didokumentasikan, berbeda dari konteks peluncuran Mercury 2 sebesar 128K dan model khusus Mercury Voice serta Router. Anggarkan materi sumber, riwayat, penalaran, dan hasil akhir secara bersama. Pilih bentuk keluaran sebelum tugas dimulai dan sisakan ruang bagi jawaban yang mencakup detail wajib.
Artefak akhir yang berguna adalah ekstraksi terstruktur, penjelasan berbasis sumber, usulan kode, atau ringkasan status tugas yang ringkas. Periksa fakta terhadap materi yang diberikan dan kode dalam lingkungan yang dituju. Arsitektur difusi dan perannya dalam beban kerja responsif tidak secara mandiri membuktikan kebenaran, akses ke sumber eksternal, atau eksekusi tindakan yang diusulkan.
", "aboutText": "Mercury 2.5 adalah model bahasa penalaran berbasis difusi dari Inception. Model ini melanjutkan Mercury 2 dengan pelatihan terbaru yang dibentuk oleh umpan balik produksi dan kasus kegagalan, sambil mempertahankan fokus keluarga ini pada pembangkitan teks responsif. Varian terbitannya mencakup konteks 260K, penalaran yang dapat disesuaikan, panggilan alat paralel, dan JSON yang selaras dengan skema. Masukannya adalah tugas tertulis dan konteks teks relevan; keluarannya berupa teks, kode, catatan terstruktur, atau isi panggilan alat yang diusulkan.\n\n### Difusi dan penalaran\n\nKeluarga Mercury membangkitkan bahasa melalui penyempurnaan paralel, bukan semata-mata memprediksi satu token setelah token lain dari kiri ke kanan. Arah arsitektur ini ditujukan agar langkah model berulang sesuai dengan alur kerja interaktif. Penalaran yang dapat disesuaikan memungkinkan varian produsen menyesuaikan kedalaman analisis dengan tugas. Tetapkan artefak akhir yang diperlukan secara eksplisit: jawaban mungkin perlu singkat meskipun proses antaranya lebih rumit.\n\nUntuk perbandingan, berikan kriteria dan bagian sumber bernama. Untuk ekstraksi, tentukan kolom dan maknanya. Instruksi tugas yang berguna adalah: “Ubah bagian sumber ini menjadi catatan spesifikasi yang diperlukan, pertahankan satuan, dan identifikasi bagian yang mendukung setiap nilai.” Keluaran yang selaras dengan skema memberi aplikasi hasil tertata; kesesuaian dengan sumber tetap perlu ditinjau.\n\n### Alur pencarian dan pengambilan informasi\n\nProdusen menjelaskan penggunaan Mercury dalam perencanaan pencarian, penulisan ulang kueri, penataan fakta, peringkasan sumber, dan pemeriksaan jawaban. Aplikasi dapat memberi setiap langkah tujuan spesifik dan meneruskan bukti relevan ke langkah berikutnya. Mintalah penulisan ulang kueri mempertahankan batasan nyata pengguna, dan mintalah ringkasan sumber mempertahankan fakta yang diperlukan jawaban akhir, bukan sekadar memendekkan setiap bagian.\n\nKemampuan panggilan alat paralel Mercury 2.5 berguna ketika operasi independen dapat memperoleh pengamatan berbeda bagi suatu tugas. Berikan definisi fungsi dan skema parameter yang jelas. Aplikasi menjalankan panggilan terpilih dan mengembalikan hasilnya. Simpan pengenal panggilan dan label sumber bersama agar jawaban akhir menggunakan informasi teramati, bukan asumsi bahwa suatu alat telah dijalankan.\n\n### Pemrograman dan pekerjaan konteks\n\nPembuat juga menjelaskan bantuan pemrograman dan operasi pendukung seperti pemadatan sesi panjang atau menemukan alat yang sesuai. Untuk pemadatan, tentukan kebutuhan tugas berikutnya: persyaratan yang disepakati, kegagalan saat ini, keputusan, serta bukti di baliknya. Mintalah model mempertahankan hal-hal tersebut dan membedakan pekerjaan belum selesai dari hasil yang sudah lengkap.\n\nUntuk perubahan perangkat lunak, berikan kode relevan, perilaku yang diharapkan, serta masukan gagal atau galat yang diamati. Mintalah implementasi terfokus beserta penjelasannya. Jika aplikasi visual atau ucapan menggunakan Mercury sebagai langkah bahasa, berikan teks atau pengamatan alat yang benar-benar dikonsumsi model ini; pengenalan ucapan, sintesis ucapan, dan perenderan media tetap merupakan komponen terpisah.\n\n### Batas dan peninjauan keluaran\n\nKonteks 260K adalah varian 2.5 yang didokumentasikan, berbeda dari konteks peluncuran Mercury 2 sebesar 128K dan model khusus Mercury Voice serta Router. Anggarkan materi sumber, riwayat, penalaran, dan hasil akhir secara bersama. Pilih bentuk keluaran sebelum tugas dimulai dan sisakan ruang bagi jawaban yang mencakup detail wajib.\n\nArtefak akhir yang berguna adalah ekstraksi terstruktur, penjelasan berbasis sumber, usulan kode, atau ringkasan status tugas yang ringkas. Periksa fakta terhadap materi yang diberikan dan kode dalam lingkungan yang dituju. Arsitektur difusi dan perannya dalam beban kerja responsif tidak secara mandiri membuktikan kebenaran, akses ke sumber eksternal, atau eksekusi tindakan yang diusulkan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
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-2.5Mercury 2.5 adalah model teks penalaran berbasis difusi dari Inception dengan konteks 260K. Penalaran yang dapat disesuaikan, panggilan alat paralel, dan JSON yang selaras dengan skema mendukung pencarian, ekstraksi, bantuan pemrograman, serta langkah agen berulang yang memerlukan hasil jelas dan terstruktur.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mercury 2.5 adalah model bahasa penalaran berbasis difusi dari Inception. Model ini melanjutkan Mercury 2 dengan pelatihan terbaru yang dibentuk oleh umpan balik produksi dan kasus kegagalan, sambil mempertahankan fokus keluarga ini pada pembangkitan teks responsif. Varian terbitannya mencakup konteks 260K, penalaran yang dapat disesuaikan, panggilan alat paralel, dan JSON yang selaras dengan skema. Masukannya adalah tugas tertulis dan konteks teks relevan; keluarannya berupa teks, kode, catatan terstruktur, atau isi panggilan alat yang diusulkan.
Keluarga Mercury membangkitkan bahasa melalui penyempurnaan paralel, bukan semata-mata memprediksi satu token setelah token lain dari kiri ke kanan. Arah arsitektur ini ditujukan agar langkah model berulang sesuai dengan alur kerja interaktif. Penalaran yang dapat disesuaikan memungkinkan varian produsen menyesuaikan kedalaman analisis dengan tugas. Tetapkan artefak akhir yang diperlukan secara eksplisit: jawaban mungkin perlu singkat meskipun proses antaranya lebih rumit.
Untuk perbandingan, berikan kriteria dan bagian sumber bernama. Untuk ekstraksi, tentukan kolom dan maknanya. Instruksi tugas yang berguna adalah: “Ubah bagian sumber ini menjadi catatan spesifikasi yang diperlukan, pertahankan satuan, dan identifikasi bagian yang mendukung setiap nilai.” Keluaran yang selaras dengan skema memberi aplikasi hasil tertata; kesesuaian dengan sumber tetap perlu ditinjau.
Produsen menjelaskan penggunaan Mercury dalam perencanaan pencarian, penulisan ulang kueri, penataan fakta, peringkasan sumber, dan pemeriksaan jawaban. Aplikasi dapat memberi setiap langkah tujuan spesifik dan meneruskan bukti relevan ke langkah berikutnya. Mintalah penulisan ulang kueri mempertahankan batasan nyata pengguna, dan mintalah ringkasan sumber mempertahankan fakta yang diperlukan jawaban akhir, bukan sekadar memendekkan setiap bagian.
Kemampuan panggilan alat paralel Mercury 2.5 berguna ketika operasi independen dapat memperoleh pengamatan berbeda bagi suatu tugas. Berikan definisi fungsi dan skema parameter yang jelas. Aplikasi menjalankan panggilan terpilih dan mengembalikan hasilnya. Simpan pengenal panggilan dan label sumber bersama agar jawaban akhir menggunakan informasi teramati, bukan asumsi bahwa suatu alat telah dijalankan.
Pembuat juga menjelaskan bantuan pemrograman dan operasi pendukung seperti pemadatan sesi panjang atau menemukan alat yang sesuai. Untuk pemadatan, tentukan kebutuhan tugas berikutnya: persyaratan yang disepakati, kegagalan saat ini, keputusan, serta bukti di baliknya. Mintalah model mempertahankan hal-hal tersebut dan membedakan pekerjaan belum selesai dari hasil yang sudah lengkap.
Untuk perubahan perangkat lunak, berikan kode relevan, perilaku yang diharapkan, serta masukan gagal atau galat yang diamati. Mintalah implementasi terfokus beserta penjelasannya. Jika aplikasi visual atau ucapan menggunakan Mercury sebagai langkah bahasa, berikan teks atau pengamatan alat yang benar-benar dikonsumsi model ini; pengenalan ucapan, sintesis ucapan, dan perenderan media tetap merupakan komponen terpisah.
Konteks 260K adalah varian 2.5 yang didokumentasikan, berbeda dari konteks peluncuran Mercury 2 sebesar 128K dan model khusus Mercury Voice serta Router. Anggarkan materi sumber, riwayat, penalaran, dan hasil akhir secara bersama. Pilih bentuk keluaran sebelum tugas dimulai dan sisakan ruang bagi jawaban yang mencakup detail wajib.
Artefak akhir yang berguna adalah ekstraksi terstruktur, penjelasan berbasis sumber, usulan kode, atau ringkasan status tugas yang ringkas. Periksa fakta terhadap materi yang diberikan dan kode dalam lingkungan yang dituju. Arsitektur difusi dan perannya dalam beban kerja responsif tidak secara mandiri membuktikan kebenaran, akses ke sumber eksternal, atau eksekusi tindakan yang diusulkan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan inception/mercury-2.5 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0004 / 1K token Keluaran · Token keluaran $0.0015 / 1K token Masukan · Pembacaan cache $0.00004 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0004 / 1K token Keluaran · Token keluaran $0.0015 / 1K token Masukan · Pembacaan cache $0.00004 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra inception/mercury-2.5
Gunakan jalur metode yang ditampilkan di atas.
inception/mercury-2.5Mercury 2.5 adalah model teks penalaran berbasis difusi dari Inception dengan konteks 260K. Penalaran yang dapat disesuaikan, panggilan alat paralel, dan JSON yang selaras dengan skema mendukung pencarian, ekstraksi, bantuan pemrograman, serta langkah agen berulang yang memerlukan hasil jelas dan terstruktur.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mercury 2.5 adalah model bahasa penalaran berbasis difusi dari Inception. Model ini melanjutkan Mercury 2 dengan pelatihan terbaru yang dibentuk oleh umpan balik produksi dan kasus kegagalan, sambil mempertahankan fokus keluarga ini pada pembangkitan teks responsif. Varian terbitannya mencakup konteks 260K, penalaran yang dapat disesuaikan, panggilan alat paralel, dan JSON yang selaras dengan skema. Masukannya adalah tugas tertulis dan konteks teks relevan; keluarannya berupa teks, kode, catatan terstruktur, atau isi panggilan alat yang diusulkan.
Keluarga Mercury membangkitkan bahasa melalui penyempurnaan paralel, bukan semata-mata memprediksi satu token setelah token lain dari kiri ke kanan. Arah arsitektur ini ditujukan agar langkah model berulang sesuai dengan alur kerja interaktif. Penalaran yang dapat disesuaikan memungkinkan varian produsen menyesuaikan kedalaman analisis dengan tugas. Tetapkan artefak akhir yang diperlukan secara eksplisit: jawaban mungkin perlu singkat meskipun proses antaranya lebih rumit.
Untuk perbandingan, berikan kriteria dan bagian sumber bernama. Untuk ekstraksi, tentukan kolom dan maknanya. Instruksi tugas yang berguna adalah: “Ubah bagian sumber ini menjadi catatan spesifikasi yang diperlukan, pertahankan satuan, dan identifikasi bagian yang mendukung setiap nilai.” Keluaran yang selaras dengan skema memberi aplikasi hasil tertata; kesesuaian dengan sumber tetap perlu ditinjau.
Produsen menjelaskan penggunaan Mercury dalam perencanaan pencarian, penulisan ulang kueri, penataan fakta, peringkasan sumber, dan pemeriksaan jawaban. Aplikasi dapat memberi setiap langkah tujuan spesifik dan meneruskan bukti relevan ke langkah berikutnya. Mintalah penulisan ulang kueri mempertahankan batasan nyata pengguna, dan mintalah ringkasan sumber mempertahankan fakta yang diperlukan jawaban akhir, bukan sekadar memendekkan setiap bagian.
Kemampuan panggilan alat paralel Mercury 2.5 berguna ketika operasi independen dapat memperoleh pengamatan berbeda bagi suatu tugas. Berikan definisi fungsi dan skema parameter yang jelas. Aplikasi menjalankan panggilan terpilih dan mengembalikan hasilnya. Simpan pengenal panggilan dan label sumber bersama agar jawaban akhir menggunakan informasi teramati, bukan asumsi bahwa suatu alat telah dijalankan.
Pembuat juga menjelaskan bantuan pemrograman dan operasi pendukung seperti pemadatan sesi panjang atau menemukan alat yang sesuai. Untuk pemadatan, tentukan kebutuhan tugas berikutnya: persyaratan yang disepakati, kegagalan saat ini, keputusan, serta bukti di baliknya. Mintalah model mempertahankan hal-hal tersebut dan membedakan pekerjaan belum selesai dari hasil yang sudah lengkap.
Untuk perubahan perangkat lunak, berikan kode relevan, perilaku yang diharapkan, serta masukan gagal atau galat yang diamati. Mintalah implementasi terfokus beserta penjelasannya. Jika aplikasi visual atau ucapan menggunakan Mercury sebagai langkah bahasa, berikan teks atau pengamatan alat yang benar-benar dikonsumsi model ini; pengenalan ucapan, sintesis ucapan, dan perenderan media tetap merupakan komponen terpisah.
Konteks 260K adalah varian 2.5 yang didokumentasikan, berbeda dari konteks peluncuran Mercury 2 sebesar 128K dan model khusus Mercury Voice serta Router. Anggarkan materi sumber, riwayat, penalaran, dan hasil akhir secara bersama. Pilih bentuk keluaran sebelum tugas dimulai dan sisakan ruang bagi jawaban yang mencakup detail wajib.
Artefak akhir yang berguna adalah ekstraksi terstruktur, penjelasan berbasis sumber, usulan kode, atau ringkasan status tugas yang ringkas. Periksa fakta terhadap materi yang diberikan dan kode dalam lingkungan yang dituju. Arsitektur difusi dan perannya dalam beban kerja responsif tidak secara mandiri membuktikan kebenaran, akses ke sumber eksternal, atau eksekusi tindakan yang diusulkan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan inception/mercury-2.5 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0004 / 1K token Keluaran · Token keluaran $0.0015 / 1K token Masukan · Pembacaan cache $0.00004 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0004 / 1K token Keluaran · Token keluaran $0.0015 / 1K token Masukan · Pembacaan cache $0.00004 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "inception/mercury-2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra inception/mercury-2.5
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
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.