Mercury 2 adalah model bahasa penalaran Inception yang dibangun seputar pembangkitan teks berbasis difusi. Alih-alih hanya melakukan decoding berurutan dari kiri ke kanan, model menyempurnakan beberapa token secara paralel menuju hasil. Produsen mengembangkan varian ini untuk langkah interaktif berulang dalam pemrograman, agen, pengambilan informasi, dan ekstraksi. Model menerima instruksi tertulis serta konteks teks dan menghasilkan jawaban teks, kode, data terstruktur, atau operasi alat yang diusulkan.
Deskripsi peluncuran persisnya mencantumkan konteks 128K, penalaran yang dapat disesuaikan, penggunaan alat bawaan, dan JSON yang selaras dengan skema. Fitur tersebut termasuk dalam varian Mercury 2 yang didokumentasikan, terpisah dari konteks Mercury 2.5 yang lebih baru serta model khusus Voice, Router, dan Edit. Tetapkan bentuk jawaban akhir secara eksplisit, alih-alih menyimpulkan keluaran ucapan atau penyuntingan dari nama keluarga.
Untuk ekstraksi sederhana, berikan definisi kolom dan bagian sumber. Untuk tugas penalaran, nyatakan syarat lengkap dan batasan yang harus berlaku. Arahan praktis adalah: “Bandingkan implementasi ini dengan persyaratan, identifikasi ketidaksesuaian pertama, dan kembalikan koreksi terfokus beserta penjelasan pendukungnya.” Hasil akhir harus tetap terhubung dengan masukan meskipun model mengembangkan analisis antara.
Pembuat menjelaskan pelengkapan otomatis, saran penyuntingan berikutnya, refactoring, dan agen kode interaktif sebagai beban kerja relevan. Berikan implementasi di sekitarnya dan tentukan apa yang perlu berubah. Jelaskan perilaku yang diharapkan dan pertahankan nama atau antarmuka publik yang harus tetap ada dalam revisi. Usulan penyuntingan kemudian dapat diperiksa kesesuaiannya sebelum diterapkan pada proyek sebenarnya.
Dalam tugas pengembangan yang dipandu alat, model memilih dari operasi yang diberikan dan aplikasi menjalankannya. Kembalikan galat nyata, cuplikan kode, atau pengamatan validasi pada giliran berikutnya. Implementasi yang dibangkitkan dan hasil yang berhasil dijalankan merupakan artefak terpisah, dan tugas perlu mensyaratkan pengamatan yang membuktikan penyelesaian.
Kasus penggunaan produsen Mercury 2 meliputi pengambilan informasi multi-hop, pemeringkatan ulang, dan peringkasan. Beri setiap langkah tujuan yang tepat: tentukan pertanyaan yang perlu dicari, kriteria sumber relevan, dan fakta yang diperlukan jawaban akhir. Pertahankan pengenal sumber sepanjang alur kerja agar ringkasan dapat ditelusuri kembali ke materinya.
Keluaran terstruktur perlu memiliki kolom yang ditentukan, tipe yang jelas, dan konvensi untuk informasi yang tidak tersedia. Keselarasan skema menyangkut representasi hasil; bandingkan nilainya dengan dokumen atau pengamatan alat yang sebenarnya. Dalam tugas berkelanjutan, pertahankan temuan berguna dan pertanyaan terbuka, bukan menumpuk riwayat yang tidak terkait.
Mercury 2 dapat menyediakan langkah pembangkitan teks di dalam aplikasi suara atau aplikasi interaktif lain. Perannya yang didokumentasikan adalah menghasilkan kata-kata atau keputusan yang digunakan komponen di sekitarnya, yang menangani audio dan pemutaran. Untuk perapian transkrip, berikan transkrip dan tentukan susunan kata, nama, serta makna yang harus dipertahankan saat penyuntingan.
Konteks 128K memuat materi sumber, percakapan, dan isi yang dibangkitkan secara bersama. Sisakan ruang bagi respons akhir, pertahankan pertanyaan tetap terlihat sepanjang revisi, dan jangan memperlakukan kapasitas konteks sebagai batas keluaran tersendiri. Periksa fakta yang dibangkitkan, kode, dan kolom hasil ekstraksi terhadap masukan asli. Artefak yang berguna adalah jawaban terfokus atau hasil terstruktur yang memajukan tugas yang dinyatakan dan dapat diperiksa dengan bukti yang benar-benar diberikan.
", "aboutText": "Mercury 2 adalah model bahasa penalaran Inception yang dibangun seputar pembangkitan teks berbasis difusi. Alih-alih hanya melakukan decoding berurutan dari kiri ke kanan, model menyempurnakan beberapa token secara paralel menuju hasil. Produsen mengembangkan varian ini untuk langkah interaktif berulang dalam pemrograman, agen, pengambilan informasi, dan ekstraksi. Model menerima instruksi tertulis serta konteks teks dan menghasilkan jawaban teks, kode, data terstruktur, atau operasi alat yang diusulkan.\n\n### Varian produsen\n\nDeskripsi peluncuran persisnya mencantumkan konteks 128K, penalaran yang dapat disesuaikan, penggunaan alat bawaan, dan JSON yang selaras dengan skema. Fitur tersebut termasuk dalam varian Mercury 2 yang didokumentasikan, terpisah dari konteks Mercury 2.5 yang lebih baru serta model khusus Voice, Router, dan Edit. Tetapkan bentuk jawaban akhir secara eksplisit, alih-alih menyimpulkan keluaran ucapan atau penyuntingan dari nama keluarga.\n\nUntuk ekstraksi sederhana, berikan definisi kolom dan bagian sumber. Untuk tugas penalaran, nyatakan syarat lengkap dan batasan yang harus berlaku. Arahan praktis adalah: “Bandingkan implementasi ini dengan persyaratan, identifikasi ketidaksesuaian pertama, dan kembalikan koreksi terfokus beserta penjelasan pendukungnya.” Hasil akhir harus tetap terhubung dengan masukan meskipun model mengembangkan analisis antara.\n\n### Bantuan pemrograman dan penyuntingan\n\nPembuat menjelaskan pelengkapan otomatis, saran penyuntingan berikutnya, refactoring, dan agen kode interaktif sebagai beban kerja relevan. Berikan implementasi di sekitarnya dan tentukan apa yang perlu berubah. Jelaskan perilaku yang diharapkan dan pertahankan nama atau antarmuka publik yang harus tetap ada dalam revisi. Usulan penyuntingan kemudian dapat diperiksa kesesuaiannya sebelum diterapkan pada proyek sebenarnya.\n\nDalam tugas pengembangan yang dipandu alat, model memilih dari operasi yang diberikan dan aplikasi menjalankannya. Kembalikan galat nyata, cuplikan kode, atau pengamatan validasi pada giliran berikutnya. Implementasi yang dibangkitkan dan hasil yang berhasil dijalankan merupakan artefak terpisah, dan tugas perlu mensyaratkan pengamatan yang membuktikan penyelesaian.\n\n### Pencarian dan perulangan agen\n\nKasus penggunaan produsen Mercury 2 meliputi pengambilan informasi multi-hop, pemeringkatan ulang, dan peringkasan. Beri setiap langkah tujuan yang tepat: tentukan pertanyaan yang perlu dicari, kriteria sumber relevan, dan fakta yang diperlukan jawaban akhir. Pertahankan pengenal sumber sepanjang alur kerja agar ringkasan dapat ditelusuri kembali ke materinya.\n\nKeluaran terstruktur perlu memiliki kolom yang ditentukan, tipe yang jelas, dan konvensi untuk informasi yang tidak tersedia. Keselarasan skema menyangkut representasi hasil; bandingkan nilainya dengan dokumen atau pengamatan alat yang sebenarnya. Dalam tugas berkelanjutan, pertahankan temuan berguna dan pertanyaan terbuka, bukan menumpuk riwayat yang tidak terkait.\n\n### Tugas bahasa interaktif dan batas\n\nMercury 2 dapat menyediakan langkah pembangkitan teks di dalam aplikasi suara atau aplikasi interaktif lain. Perannya yang didokumentasikan adalah menghasilkan kata-kata atau keputusan yang digunakan komponen di sekitarnya, yang menangani audio dan pemutaran. Untuk perapian transkrip, berikan transkrip dan tentukan susunan kata, nama, serta makna yang harus dipertahankan saat penyuntingan.\n\nKonteks 128K memuat materi sumber, percakapan, dan isi yang dibangkitkan secara bersama. Sisakan ruang bagi respons akhir, pertahankan pertanyaan tetap terlihat sepanjang revisi, dan jangan memperlakukan kapasitas konteks sebagai batas keluaran tersendiri. Periksa fakta yang dibangkitkan, kode, dan kolom hasil ekstraksi terhadap masukan asli. Artefak yang berguna adalah jawaban terfokus atau hasil terstruktur yang memajukan tugas yang dinyatakan dan dapat diperiksa dengan bukti yang benar-benar diberikan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
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 adalah model teks penalaran berbasis difusi dari Inception untuk pemrograman interaktif, pencarian, dan alur kerja agen. Penyempurnaan paralel, konteks 128K, penalaran yang dapat disesuaikan, penggunaan alat bawaan, dan JSON yang selaras dengan skema membantu menghasilkan jawaban terfokus serta artefak terstruktur dari teks.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mercury 2 adalah model bahasa penalaran Inception yang dibangun seputar pembangkitan teks berbasis difusi. Alih-alih hanya melakukan decoding berurutan dari kiri ke kanan, model menyempurnakan beberapa token secara paralel menuju hasil. Produsen mengembangkan varian ini untuk langkah interaktif berulang dalam pemrograman, agen, pengambilan informasi, dan ekstraksi. Model menerima instruksi tertulis serta konteks teks dan menghasilkan jawaban teks, kode, data terstruktur, atau operasi alat yang diusulkan.
Deskripsi peluncuran persisnya mencantumkan konteks 128K, penalaran yang dapat disesuaikan, penggunaan alat bawaan, dan JSON yang selaras dengan skema. Fitur tersebut termasuk dalam varian Mercury 2 yang didokumentasikan, terpisah dari konteks Mercury 2.5 yang lebih baru serta model khusus Voice, Router, dan Edit. Tetapkan bentuk jawaban akhir secara eksplisit, alih-alih menyimpulkan keluaran ucapan atau penyuntingan dari nama keluarga.
Untuk ekstraksi sederhana, berikan definisi kolom dan bagian sumber. Untuk tugas penalaran, nyatakan syarat lengkap dan batasan yang harus berlaku. Arahan praktis adalah: “Bandingkan implementasi ini dengan persyaratan, identifikasi ketidaksesuaian pertama, dan kembalikan koreksi terfokus beserta penjelasan pendukungnya.” Hasil akhir harus tetap terhubung dengan masukan meskipun model mengembangkan analisis antara.
Pembuat menjelaskan pelengkapan otomatis, saran penyuntingan berikutnya, refactoring, dan agen kode interaktif sebagai beban kerja relevan. Berikan implementasi di sekitarnya dan tentukan apa yang perlu berubah. Jelaskan perilaku yang diharapkan dan pertahankan nama atau antarmuka publik yang harus tetap ada dalam revisi. Usulan penyuntingan kemudian dapat diperiksa kesesuaiannya sebelum diterapkan pada proyek sebenarnya.
Dalam tugas pengembangan yang dipandu alat, model memilih dari operasi yang diberikan dan aplikasi menjalankannya. Kembalikan galat nyata, cuplikan kode, atau pengamatan validasi pada giliran berikutnya. Implementasi yang dibangkitkan dan hasil yang berhasil dijalankan merupakan artefak terpisah, dan tugas perlu mensyaratkan pengamatan yang membuktikan penyelesaian.
Kasus penggunaan produsen Mercury 2 meliputi pengambilan informasi multi-hop, pemeringkatan ulang, dan peringkasan. Beri setiap langkah tujuan yang tepat: tentukan pertanyaan yang perlu dicari, kriteria sumber relevan, dan fakta yang diperlukan jawaban akhir. Pertahankan pengenal sumber sepanjang alur kerja agar ringkasan dapat ditelusuri kembali ke materinya.
Keluaran terstruktur perlu memiliki kolom yang ditentukan, tipe yang jelas, dan konvensi untuk informasi yang tidak tersedia. Keselarasan skema menyangkut representasi hasil; bandingkan nilainya dengan dokumen atau pengamatan alat yang sebenarnya. Dalam tugas berkelanjutan, pertahankan temuan berguna dan pertanyaan terbuka, bukan menumpuk riwayat yang tidak terkait.
Mercury 2 dapat menyediakan langkah pembangkitan teks di dalam aplikasi suara atau aplikasi interaktif lain. Perannya yang didokumentasikan adalah menghasilkan kata-kata atau keputusan yang digunakan komponen di sekitarnya, yang menangani audio dan pemutaran. Untuk perapian transkrip, berikan transkrip dan tentukan susunan kata, nama, serta makna yang harus dipertahankan saat penyuntingan.
Konteks 128K memuat materi sumber, percakapan, dan isi yang dibangkitkan secara bersama. Sisakan ruang bagi respons akhir, pertahankan pertanyaan tetap terlihat sepanjang revisi, dan jangan memperlakukan kapasitas konteks sebagai batas keluaran tersendiri. Periksa fakta yang dibangkitkan, kode, dan kolom hasil ekstraksi terhadap masukan asli. Artefak yang berguna adalah jawaban terfokus atau hasil terstruktur yang memajukan tugas yang dinyatakan dan dapat diperiksa dengan bukti yang benar-benar diberikan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan inception/mercury-2 | 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 $0.0005 / 1K token Keluaran · Token keluaran $0.0015 / 1K token Masukan · Pembacaan cache $0.00005 / 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 $0.0005 / 1K token Keluaran · Token keluaran $0.0015 / 1K token Masukan · Pembacaan cache $0.00005 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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", "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 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
Gunakan jalur metode yang ditampilkan di atas.
inception/mercury-2Mercury 2 adalah model teks penalaran berbasis difusi dari Inception untuk pemrograman interaktif, pencarian, dan alur kerja agen. Penyempurnaan paralel, konteks 128K, penalaran yang dapat disesuaikan, penggunaan alat bawaan, dan JSON yang selaras dengan skema membantu menghasilkan jawaban terfokus serta artefak terstruktur dari teks.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mercury 2 adalah model bahasa penalaran Inception yang dibangun seputar pembangkitan teks berbasis difusi. Alih-alih hanya melakukan decoding berurutan dari kiri ke kanan, model menyempurnakan beberapa token secara paralel menuju hasil. Produsen mengembangkan varian ini untuk langkah interaktif berulang dalam pemrograman, agen, pengambilan informasi, dan ekstraksi. Model menerima instruksi tertulis serta konteks teks dan menghasilkan jawaban teks, kode, data terstruktur, atau operasi alat yang diusulkan.
Deskripsi peluncuran persisnya mencantumkan konteks 128K, penalaran yang dapat disesuaikan, penggunaan alat bawaan, dan JSON yang selaras dengan skema. Fitur tersebut termasuk dalam varian Mercury 2 yang didokumentasikan, terpisah dari konteks Mercury 2.5 yang lebih baru serta model khusus Voice, Router, dan Edit. Tetapkan bentuk jawaban akhir secara eksplisit, alih-alih menyimpulkan keluaran ucapan atau penyuntingan dari nama keluarga.
Untuk ekstraksi sederhana, berikan definisi kolom dan bagian sumber. Untuk tugas penalaran, nyatakan syarat lengkap dan batasan yang harus berlaku. Arahan praktis adalah: “Bandingkan implementasi ini dengan persyaratan, identifikasi ketidaksesuaian pertama, dan kembalikan koreksi terfokus beserta penjelasan pendukungnya.” Hasil akhir harus tetap terhubung dengan masukan meskipun model mengembangkan analisis antara.
Pembuat menjelaskan pelengkapan otomatis, saran penyuntingan berikutnya, refactoring, dan agen kode interaktif sebagai beban kerja relevan. Berikan implementasi di sekitarnya dan tentukan apa yang perlu berubah. Jelaskan perilaku yang diharapkan dan pertahankan nama atau antarmuka publik yang harus tetap ada dalam revisi. Usulan penyuntingan kemudian dapat diperiksa kesesuaiannya sebelum diterapkan pada proyek sebenarnya.
Dalam tugas pengembangan yang dipandu alat, model memilih dari operasi yang diberikan dan aplikasi menjalankannya. Kembalikan galat nyata, cuplikan kode, atau pengamatan validasi pada giliran berikutnya. Implementasi yang dibangkitkan dan hasil yang berhasil dijalankan merupakan artefak terpisah, dan tugas perlu mensyaratkan pengamatan yang membuktikan penyelesaian.
Kasus penggunaan produsen Mercury 2 meliputi pengambilan informasi multi-hop, pemeringkatan ulang, dan peringkasan. Beri setiap langkah tujuan yang tepat: tentukan pertanyaan yang perlu dicari, kriteria sumber relevan, dan fakta yang diperlukan jawaban akhir. Pertahankan pengenal sumber sepanjang alur kerja agar ringkasan dapat ditelusuri kembali ke materinya.
Keluaran terstruktur perlu memiliki kolom yang ditentukan, tipe yang jelas, dan konvensi untuk informasi yang tidak tersedia. Keselarasan skema menyangkut representasi hasil; bandingkan nilainya dengan dokumen atau pengamatan alat yang sebenarnya. Dalam tugas berkelanjutan, pertahankan temuan berguna dan pertanyaan terbuka, bukan menumpuk riwayat yang tidak terkait.
Mercury 2 dapat menyediakan langkah pembangkitan teks di dalam aplikasi suara atau aplikasi interaktif lain. Perannya yang didokumentasikan adalah menghasilkan kata-kata atau keputusan yang digunakan komponen di sekitarnya, yang menangani audio dan pemutaran. Untuk perapian transkrip, berikan transkrip dan tentukan susunan kata, nama, serta makna yang harus dipertahankan saat penyuntingan.
Konteks 128K memuat materi sumber, percakapan, dan isi yang dibangkitkan secara bersama. Sisakan ruang bagi respons akhir, pertahankan pertanyaan tetap terlihat sepanjang revisi, dan jangan memperlakukan kapasitas konteks sebagai batas keluaran tersendiri. Periksa fakta yang dibangkitkan, kode, dan kolom hasil ekstraksi terhadap masukan asli. Artefak yang berguna adalah jawaban terfokus atau hasil terstruktur yang memajukan tugas yang dinyatakan dan dapat diperiksa dengan bukti yang benar-benar diberikan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan inception/mercury-2 | 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 $0.0005 / 1K token Keluaran · Token keluaran $0.0015 / 1K token Masukan · Pembacaan cache $0.00005 / 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 $0.0005 / 1K token Keluaran · Token keluaran $0.0015 / 1K token Masukan · Pembacaan cache $0.00005 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "inception/mercury-2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
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.