Mercury 2.5は、Inceptionの拡散型推論言語モデルです。Mercury 2に続き、実運用のフィードバックと失敗例を反映して学習を更新しつつ、応答性を重視するテキスト生成というファミリーの方針を保っています。公開仕様には、コンテキスト260K、調整可能な推論、並列ツール呼び出し、スキーマに沿うJSONがあります。入力は文章のタスクと関連テキストで、出力は文章、コード、構造化記録、ツール呼び出しの提案内容です。
Mercuryファミリーは、左から右へ次のトークンを予測するだけでなく、並列の反復改良で言語を生成します。この設計は、モデルの反復処理を対話的なワークフローに収めることを意図しています。調整可能な推論により、提供元のモデル版で分析の深さをタスクに合わせられます。中間処理が複雑でも短い回答が必要な場合があるため、最終成果物を明示してください。
比較では基準と名前付きの原文を渡します。抽出ではフィールドと意味を定義します。たとえば「これらの原文から必要な仕様の記録を作り、単位を保持し、各値を裏付ける文章を示してください」と指示できます。スキーマに沿う出力はアプリケーションに整理された結果を渡しますが、原資料との一致には確認が必要です。
メーカーは、検索計画、検索クエリの書き換え、事実の構造化、出典の要約、回答の確認にMercuryを使うと説明しています。アプリケーションは各段階に具体的な目的を持たせ、関連する証拠を次へ渡せます。クエリの書き換えではユーザーの実際の制約を保つよう求めます。出典の要約では、各文章を単に短くするのではなく、最終回答に必要な事実を残すよう求めてください。
Mercury 2.5の並列ツール呼び出しは、独立した操作がタスクに異なる観察を提供できる場合に便利です。明確な関数定義とパラメータースキーマを渡します。選択された呼び出しはアプリケーションが実行し、結果を返します。最終回答がツール実行の思い込みではなく観測情報を使うよう、呼び出し識別子と出典ラベルをまとめて保持してください。
メーカーはコード支援に加え、長いセッションの圧縮や適切なツールの発見などの補助処理も説明しています。圧縮では、次のタスクに必要な合意済み要件、現在の不具合、判断、その証拠を特定します。それらを保持し、未完了の作業と完了した成果物を分けるよう求めます。
ソフトウェアの変更では、関連コード、期待する動作、失敗する入力や観測したエラーを渡します。対象を絞った実装と説明を求めます。視覚・音声アプリケーションの言語処理にMercuryを使う場合は、このモデルが実際に受け取るテキストやツールの観察を渡してください。音声認識、音声合成、メディアのレンダリングは別の構成要素です。
260Kは2.5版に記載されたコンテキストであり、Mercury 2の公開時の128Kや、特化型のMercury Voice、Routerとは別です。原資料、履歴、推論、最終結果を合わせて予算を考えます。開始前に出力形式を選び、必須の細部を含む回答の余地を残します。
有用な最終成果物は、構造化抽出、出典に基づく説明、コード案、簡潔なタスク状態の要約です。事実は提供資料と、コードは意図した環境で確認してください。拡散アーキテクチャと応答性重視の用途だけでは、正しさ、外部ソースへのアクセス、提案した操作の実行は証明されません。
", "aboutText": "Mercury 2.5は、Inceptionの拡散型推論言語モデルです。Mercury 2に続き、実運用のフィードバックと失敗例を反映して学習を更新しつつ、応答性を重視するテキスト生成というファミリーの方針を保っています。公開仕様には、コンテキスト260K、調整可能な推論、並列ツール呼び出し、スキーマに沿うJSONがあります。入力は文章のタスクと関連テキストで、出力は文章、コード、構造化記録、ツール呼び出しの提案内容です。\n\n### 拡散と推論\n\nMercuryファミリーは、左から右へ次のトークンを予測するだけでなく、並列の反復改良で言語を生成します。この設計は、モデルの反復処理を対話的なワークフローに収めることを意図しています。調整可能な推論により、提供元のモデル版で分析の深さをタスクに合わせられます。中間処理が複雑でも短い回答が必要な場合があるため、最終成果物を明示してください。\n\n比較では基準と名前付きの原文を渡します。抽出ではフィールドと意味を定義します。たとえば「これらの原文から必要な仕様の記録を作り、単位を保持し、各値を裏付ける文章を示してください」と指示できます。スキーマに沿う出力はアプリケーションに整理された結果を渡しますが、原資料との一致には確認が必要です。\n\n### 検索と情報取得のワークフロー\n\nメーカーは、検索計画、検索クエリの書き換え、事実の構造化、出典の要約、回答の確認にMercuryを使うと説明しています。アプリケーションは各段階に具体的な目的を持たせ、関連する証拠を次へ渡せます。クエリの書き換えではユーザーの実際の制約を保つよう求めます。出典の要約では、各文章を単に短くするのではなく、最終回答に必要な事実を残すよう求めてください。\n\nMercury 2.5の並列ツール呼び出しは、独立した操作がタスクに異なる観察を提供できる場合に便利です。明確な関数定義とパラメータースキーマを渡します。選択された呼び出しはアプリケーションが実行し、結果を返します。最終回答がツール実行の思い込みではなく観測情報を使うよう、呼び出し識別子と出典ラベルをまとめて保持してください。\n\n### コーディングとコンテキストの作業\n\nメーカーはコード支援に加え、長いセッションの圧縮や適切なツールの発見などの補助処理も説明しています。圧縮では、次のタスクに必要な合意済み要件、現在の不具合、判断、その証拠を特定します。それらを保持し、未完了の作業と完了した成果物を分けるよう求めます。\n\nソフトウェアの変更では、関連コード、期待する動作、失敗する入力や観測したエラーを渡します。対象を絞った実装と説明を求めます。視覚・音声アプリケーションの言語処理にMercuryを使う場合は、このモデルが実際に受け取るテキストやツールの観察を渡してください。音声認識、音声合成、メディアのレンダリングは別の構成要素です。\n\n### 制限と出力の確認\n\n260Kは2.5版に記載されたコンテキストであり、Mercury 2の公開時の128Kや、特化型のMercury Voice、Routerとは別です。原資料、履歴、推論、最終結果を合わせて予算を考えます。開始前に出力形式を選び、必須の細部を含む回答の余地を残します。\n\n有用な最終成果物は、構造化抽出、出典に基づく説明、コード案、簡潔なタスク状態の要約です。事実は提供資料と、コードは意図した環境で確認してください。拡散アーキテクチャと応答性重視の用途だけでは、正しさ、外部ソースへのアクセス、提案した操作の実行は証明されません。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
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は、コンテキスト260KのInceptionの拡散型推論テキストモデルです。調整可能な推論、並列ツール呼び出し、スキーマに沿うJSONにより、明確な構造化結果を必要とする検索、抽出、コード支援、エージェントの反復処理を支えます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Mercury 2.5は、Inceptionの拡散型推論言語モデルです。Mercury 2に続き、実運用のフィードバックと失敗例を反映して学習を更新しつつ、応答性を重視するテキスト生成というファミリーの方針を保っています。公開仕様には、コンテキスト260K、調整可能な推論、並列ツール呼び出し、スキーマに沿うJSONがあります。入力は文章のタスクと関連テキストで、出力は文章、コード、構造化記録、ツール呼び出しの提案内容です。
Mercuryファミリーは、左から右へ次のトークンを予測するだけでなく、並列の反復改良で言語を生成します。この設計は、モデルの反復処理を対話的なワークフローに収めることを意図しています。調整可能な推論により、提供元のモデル版で分析の深さをタスクに合わせられます。中間処理が複雑でも短い回答が必要な場合があるため、最終成果物を明示してください。
比較では基準と名前付きの原文を渡します。抽出ではフィールドと意味を定義します。たとえば「これらの原文から必要な仕様の記録を作り、単位を保持し、各値を裏付ける文章を示してください」と指示できます。スキーマに沿う出力はアプリケーションに整理された結果を渡しますが、原資料との一致には確認が必要です。
メーカーは、検索計画、検索クエリの書き換え、事実の構造化、出典の要約、回答の確認にMercuryを使うと説明しています。アプリケーションは各段階に具体的な目的を持たせ、関連する証拠を次へ渡せます。クエリの書き換えではユーザーの実際の制約を保つよう求めます。出典の要約では、各文章を単に短くするのではなく、最終回答に必要な事実を残すよう求めてください。
Mercury 2.5の並列ツール呼び出しは、独立した操作がタスクに異なる観察を提供できる場合に便利です。明確な関数定義とパラメータースキーマを渡します。選択された呼び出しはアプリケーションが実行し、結果を返します。最終回答がツール実行の思い込みではなく観測情報を使うよう、呼び出し識別子と出典ラベルをまとめて保持してください。
メーカーはコード支援に加え、長いセッションの圧縮や適切なツールの発見などの補助処理も説明しています。圧縮では、次のタスクに必要な合意済み要件、現在の不具合、判断、その証拠を特定します。それらを保持し、未完了の作業と完了した成果物を分けるよう求めます。
ソフトウェアの変更では、関連コード、期待する動作、失敗する入力や観測したエラーを渡します。対象を絞った実装と説明を求めます。視覚・音声アプリケーションの言語処理にMercuryを使う場合は、このモデルが実際に受け取るテキストやツールの観察を渡してください。音声認識、音声合成、メディアのレンダリングは別の構成要素です。
260Kは2.5版に記載されたコンテキストであり、Mercury 2の公開時の128Kや、特化型のMercury Voice、Routerとは別です。原資料、履歴、推論、最終結果を合わせて予算を考えます。開始前に出力形式を選び、必須の細部を含む回答の余地を残します。
有用な最終成果物は、構造化抽出、出典に基づく説明、コード案、簡潔なタスク状態の要約です。事実は提供資料と、コードは意図した環境で確認してください。拡散アーキテクチャと応答性重視の用途だけでは、正しさ、外部ソースへのアクセス、提案した操作の実行は証明されません。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 inception/mercury-2.5 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0004 / 1K トークン 出力 · 出力トークン $0.0015 / 1K トークン 入力 · キャッシュ読み取り $0.00004 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0004 / 1K トークン 出力 · 出力トークン $0.0015 / 1K トークン 入力 · キャッシュ読み取り $0.00004 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra inception/mercury-2.5
上記に表示されたメソッドパスを使用してください。
inception/mercury-2.5Mercury 2.5は、コンテキスト260KのInceptionの拡散型推論テキストモデルです。調整可能な推論、並列ツール呼び出し、スキーマに沿うJSONにより、明確な構造化結果を必要とする検索、抽出、コード支援、エージェントの反復処理を支えます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Mercury 2.5は、Inceptionの拡散型推論言語モデルです。Mercury 2に続き、実運用のフィードバックと失敗例を反映して学習を更新しつつ、応答性を重視するテキスト生成というファミリーの方針を保っています。公開仕様には、コンテキスト260K、調整可能な推論、並列ツール呼び出し、スキーマに沿うJSONがあります。入力は文章のタスクと関連テキストで、出力は文章、コード、構造化記録、ツール呼び出しの提案内容です。
Mercuryファミリーは、左から右へ次のトークンを予測するだけでなく、並列の反復改良で言語を生成します。この設計は、モデルの反復処理を対話的なワークフローに収めることを意図しています。調整可能な推論により、提供元のモデル版で分析の深さをタスクに合わせられます。中間処理が複雑でも短い回答が必要な場合があるため、最終成果物を明示してください。
比較では基準と名前付きの原文を渡します。抽出ではフィールドと意味を定義します。たとえば「これらの原文から必要な仕様の記録を作り、単位を保持し、各値を裏付ける文章を示してください」と指示できます。スキーマに沿う出力はアプリケーションに整理された結果を渡しますが、原資料との一致には確認が必要です。
メーカーは、検索計画、検索クエリの書き換え、事実の構造化、出典の要約、回答の確認にMercuryを使うと説明しています。アプリケーションは各段階に具体的な目的を持たせ、関連する証拠を次へ渡せます。クエリの書き換えではユーザーの実際の制約を保つよう求めます。出典の要約では、各文章を単に短くするのではなく、最終回答に必要な事実を残すよう求めてください。
Mercury 2.5の並列ツール呼び出しは、独立した操作がタスクに異なる観察を提供できる場合に便利です。明確な関数定義とパラメータースキーマを渡します。選択された呼び出しはアプリケーションが実行し、結果を返します。最終回答がツール実行の思い込みではなく観測情報を使うよう、呼び出し識別子と出典ラベルをまとめて保持してください。
メーカーはコード支援に加え、長いセッションの圧縮や適切なツールの発見などの補助処理も説明しています。圧縮では、次のタスクに必要な合意済み要件、現在の不具合、判断、その証拠を特定します。それらを保持し、未完了の作業と完了した成果物を分けるよう求めます。
ソフトウェアの変更では、関連コード、期待する動作、失敗する入力や観測したエラーを渡します。対象を絞った実装と説明を求めます。視覚・音声アプリケーションの言語処理にMercuryを使う場合は、このモデルが実際に受け取るテキストやツールの観察を渡してください。音声認識、音声合成、メディアのレンダリングは別の構成要素です。
260Kは2.5版に記載されたコンテキストであり、Mercury 2の公開時の128Kや、特化型のMercury Voice、Routerとは別です。原資料、履歴、推論、最終結果を合わせて予算を考えます。開始前に出力形式を選び、必須の細部を含む回答の余地を残します。
有用な最終成果物は、構造化抽出、出典に基づく説明、コード案、簡潔なタスク状態の要約です。事実は提供資料と、コードは意図した環境で確認してください。拡散アーキテクチャと応答性重視の用途だけでは、正しさ、外部ソースへのアクセス、提案した操作の実行は証明されません。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 inception/mercury-2.5 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0004 / 1K トークン 出力 · 出力トークン $0.0015 / 1K トークン 入力 · キャッシュ読み取り $0.00004 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0004 / 1K トークン 出力 · 出力トークン $0.0015 / 1K トークン 入力 · キャッシュ読み取り $0.00004 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "inception/mercury-2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra inception/mercury-2.5
上記に表示されたメソッドパスを使用してください。
英語の技術例
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.