Mercury 2.5는 Inception의 확산 기반 추론 언어 모델입니다. Mercury 2의 후속 모델로, 제품 환경의 피드백과 실패 사례를 반영해 학습을 갱신하면서 빠르게 반응하는 텍스트 생성이라는 계열의 초점을 유지합니다. 공개된 모델 사양에는 260K 컨텍스트, 조절 가능한 추론, 병렬 도구 호출, 스키마 정렬 JSON이 포함됩니다. 입력은 서면 작업과 관련 텍스트 컨텍스트이며, 출력은 텍스트, 코드, 구조화된 레코드, 도구 호출 내용 제안입니다.
Mercury 계열은 왼쪽에서 오른쪽으로 토큰을 차례로 예측하는 방식에만 의존하지 않고 병렬 정제를 통해 언어를 생성합니다. 이 아키텍처 방향은 반복적인 모델 단계가 대화형 작업 흐름에 맞도록 하는 것을 목표로 합니다. 조절 가능한 추론을 통해 제조사 모델은 작업에 맞게 분석 깊이를 조정할 수 있습니다. 필요한 최종 결과물을 명시하세요. 중간 과정이 복잡하더라도 답변 자체는 짧아야 할 수 있습니다.
비교에는 기준과 이름을 붙인 원문 구절을 제공하세요. 추출에는 필드와 그 의미를 정의하세요. 유용한 지시의 예는 “이 원문 구절을 필요한 사양의 기록으로 바꾸고, 단위를 보존하며, 각 값을 뒷받침하는 구절을 지정하세요”입니다. 스키마 정렬 출력은 애플리케이션에 정리된 결과를 제공하지만 원문과 일치하는지는 여전히 검토해야 합니다.
제조사는 검색 계획, 질의 재작성, 사실 구조화, 출처 요약, 답변 확인에 Mercury를 사용한다고 설명합니다. 애플리케이션은 각 단계에 특정 목적을 부여하고 관련 근거를 다음 단계에 전달할 수 있습니다. 질의 재작성에는 사용자의 실제 제약을 보존하도록 요청하고, 출처 요약에는 모든 구절을 단순히 줄이기보다 최종 답변에 필요한 사실을 유지하도록 요청하세요.
Mercury 2.5의 병렬 도구 호출은 독립된 작업이 서로 다른 관찰을 얻을 수 있을 때 유용합니다. 명확한 함수 정의와 매개변수 스키마를 제공하세요. 애플리케이션이 선택된 호출을 수행하고 결과를 반환합니다. 최종 답변이 도구 실행에 대한 가정이 아니라 관찰된 정보를 사용하도록 호출 식별자와 출처 표기를 함께 유지하세요.
제조사는 코딩 지원과 함께 긴 세션 압축, 적절한 도구 찾기 같은 보조 작업도 설명합니다. 컨텍스트를 압축할 때는 다음 작업에 필요한 확정 요구사항, 현재 오류, 결정, 그 근거를 지정하세요. 이 항목을 보존하고 미완료 작업과 완료된 결과를 구분하도록 요청하세요.
소프트웨어 변경에는 관련 코드, 기대 동작, 실패 입력이나 관찰된 오류를 제공하세요. 집중된 구현과 설명을 요청하세요. 시각 또는 음성 애플리케이션이 Mercury를 언어 단계로 사용한다면 이 모델이 실제로 받는 텍스트나 도구 관찰을 제공하세요. 음성 인식, 음성 합성, 미디어 렌더링은 별도 구성요소로 남습니다.
260K 컨텍스트는 문서에 명시된 2.5 모델 사양이며, Mercury 2의 출시 당시 128K 컨텍스트 및 특화 모델 Mercury Voice, Router와 다릅니다. 원문 자료, 이력, 추론, 최종 결과를 함께 예산에 넣으세요. 작업 시작 전에 출력 형태를 정하고 필수 세부사항을 포함한 답변 공간을 유지하세요.
유용한 최종 결과물은 구조화된 추출, 출처 기반 설명, 코드 제안, 간결한 작업 상태 요약입니다. 사실은 제공한 자료에, 코드는 의도한 환경에 대조해 검토하세요. 확산 아키텍처와 반응성 중심의 작업 역할 자체가 정확성, 외부 출처 접근, 제안 동작의 실행을 입증하지는 않습니다.
", "aboutText": "Mercury 2.5는 Inception의 확산 기반 추론 언어 모델입니다. Mercury 2의 후속 모델로, 제품 환경의 피드백과 실패 사례를 반영해 학습을 갱신하면서 빠르게 반응하는 텍스트 생성이라는 계열의 초점을 유지합니다. 공개된 모델 사양에는 260K 컨텍스트, 조절 가능한 추론, 병렬 도구 호출, 스키마 정렬 JSON이 포함됩니다. 입력은 서면 작업과 관련 텍스트 컨텍스트이며, 출력은 텍스트, 코드, 구조화된 레코드, 도구 호출 내용 제안입니다.\n\n### 확산과 추론\n\nMercury 계열은 왼쪽에서 오른쪽으로 토큰을 차례로 예측하는 방식에만 의존하지 않고 병렬 정제를 통해 언어를 생성합니다. 이 아키텍처 방향은 반복적인 모델 단계가 대화형 작업 흐름에 맞도록 하는 것을 목표로 합니다. 조절 가능한 추론을 통해 제조사 모델은 작업에 맞게 분석 깊이를 조정할 수 있습니다. 필요한 최종 결과물을 명시하세요. 중간 과정이 복잡하더라도 답변 자체는 짧아야 할 수 있습니다.\n\n비교에는 기준과 이름을 붙인 원문 구절을 제공하세요. 추출에는 필드와 그 의미를 정의하세요. 유용한 지시의 예는 “이 원문 구절을 필요한 사양의 기록으로 바꾸고, 단위를 보존하며, 각 값을 뒷받침하는 구절을 지정하세요”입니다. 스키마 정렬 출력은 애플리케이션에 정리된 결과를 제공하지만 원문과 일치하는지는 여전히 검토해야 합니다.\n\n### 검색과 자료 검색 작업 흐름\n\n제조사는 검색 계획, 질의 재작성, 사실 구조화, 출처 요약, 답변 확인에 Mercury를 사용한다고 설명합니다. 애플리케이션은 각 단계에 특정 목적을 부여하고 관련 근거를 다음 단계에 전달할 수 있습니다. 질의 재작성에는 사용자의 실제 제약을 보존하도록 요청하고, 출처 요약에는 모든 구절을 단순히 줄이기보다 최종 답변에 필요한 사실을 유지하도록 요청하세요.\n\nMercury 2.5의 병렬 도구 호출은 독립된 작업이 서로 다른 관찰을 얻을 수 있을 때 유용합니다. 명확한 함수 정의와 매개변수 스키마를 제공하세요. 애플리케이션이 선택된 호출을 수행하고 결과를 반환합니다. 최종 답변이 도구 실행에 대한 가정이 아니라 관찰된 정보를 사용하도록 호출 식별자와 출처 표기를 함께 유지하세요.\n\n### 코딩과 컨텍스트 작업\n\n제조사는 코딩 지원과 함께 긴 세션 압축, 적절한 도구 찾기 같은 보조 작업도 설명합니다. 컨텍스트를 압축할 때는 다음 작업에 필요한 확정 요구사항, 현재 오류, 결정, 그 근거를 지정하세요. 이 항목을 보존하고 미완료 작업과 완료된 결과를 구분하도록 요청하세요.\n\n소프트웨어 변경에는 관련 코드, 기대 동작, 실패 입력이나 관찰된 오류를 제공하세요. 집중된 구현과 설명을 요청하세요. 시각 또는 음성 애플리케이션이 Mercury를 언어 단계로 사용한다면 이 모델이 실제로 받는 텍스트나 도구 관찰을 제공하세요. 음성 인식, 음성 합성, 미디어 렌더링은 별도 구성요소로 남습니다.\n\n### 한도와 출력 검토\n\n260K 컨텍스트는 문서에 명시된 2.5 모델 사양이며, Mercury 2의 출시 당시 128K 컨텍스트 및 특화 모델 Mercury Voice, Router와 다릅니다. 원문 자료, 이력, 추론, 최종 결과를 함께 예산에 넣으세요. 작업 시작 전에 출력 형태를 정하고 필수 세부사항을 포함한 답변 공간을 유지하세요.\n\n유용한 최종 결과물은 구조화된 추출, 출처 기반 설명, 코드 제안, 간결한 작업 상태 요약입니다. 사실은 제공한 자료에, 코드는 의도한 환경에 대조해 검토하세요. 확산 아키텍처와 반응성 중심의 작업 역할 자체가 정확성, 외부 출처 접근, 제안 동작의 실행을 입증하지는 않습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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 2.5는 컨텍스트가 260K인 Inception의 확산 기반 텍스트 추론 모델입니다. 조절 가능한 추론, 병렬 도구 호출, 스키마 정렬 JSON으로 명확하고 구조화된 결과가 필요한 검색, 추출, 코딩 지원, 반복적인 에이전트 단계를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mercury 2.5는 Inception의 확산 기반 추론 언어 모델입니다. Mercury 2의 후속 모델로, 제품 환경의 피드백과 실패 사례를 반영해 학습을 갱신하면서 빠르게 반응하는 텍스트 생성이라는 계열의 초점을 유지합니다. 공개된 모델 사양에는 260K 컨텍스트, 조절 가능한 추론, 병렬 도구 호출, 스키마 정렬 JSON이 포함됩니다. 입력은 서면 작업과 관련 텍스트 컨텍스트이며, 출력은 텍스트, 코드, 구조화된 레코드, 도구 호출 내용 제안입니다.
Mercury 계열은 왼쪽에서 오른쪽으로 토큰을 차례로 예측하는 방식에만 의존하지 않고 병렬 정제를 통해 언어를 생성합니다. 이 아키텍처 방향은 반복적인 모델 단계가 대화형 작업 흐름에 맞도록 하는 것을 목표로 합니다. 조절 가능한 추론을 통해 제조사 모델은 작업에 맞게 분석 깊이를 조정할 수 있습니다. 필요한 최종 결과물을 명시하세요. 중간 과정이 복잡하더라도 답변 자체는 짧아야 할 수 있습니다.
비교에는 기준과 이름을 붙인 원문 구절을 제공하세요. 추출에는 필드와 그 의미를 정의하세요. 유용한 지시의 예는 “이 원문 구절을 필요한 사양의 기록으로 바꾸고, 단위를 보존하며, 각 값을 뒷받침하는 구절을 지정하세요”입니다. 스키마 정렬 출력은 애플리케이션에 정리된 결과를 제공하지만 원문과 일치하는지는 여전히 검토해야 합니다.
제조사는 검색 계획, 질의 재작성, 사실 구조화, 출처 요약, 답변 확인에 Mercury를 사용한다고 설명합니다. 애플리케이션은 각 단계에 특정 목적을 부여하고 관련 근거를 다음 단계에 전달할 수 있습니다. 질의 재작성에는 사용자의 실제 제약을 보존하도록 요청하고, 출처 요약에는 모든 구절을 단순히 줄이기보다 최종 답변에 필요한 사실을 유지하도록 요청하세요.
Mercury 2.5의 병렬 도구 호출은 독립된 작업이 서로 다른 관찰을 얻을 수 있을 때 유용합니다. 명확한 함수 정의와 매개변수 스키마를 제공하세요. 애플리케이션이 선택된 호출을 수행하고 결과를 반환합니다. 최종 답변이 도구 실행에 대한 가정이 아니라 관찰된 정보를 사용하도록 호출 식별자와 출처 표기를 함께 유지하세요.
제조사는 코딩 지원과 함께 긴 세션 압축, 적절한 도구 찾기 같은 보조 작업도 설명합니다. 컨텍스트를 압축할 때는 다음 작업에 필요한 확정 요구사항, 현재 오류, 결정, 그 근거를 지정하세요. 이 항목을 보존하고 미완료 작업과 완료된 결과를 구분하도록 요청하세요.
소프트웨어 변경에는 관련 코드, 기대 동작, 실패 입력이나 관찰된 오류를 제공하세요. 집중된 구현과 설명을 요청하세요. 시각 또는 음성 애플리케이션이 Mercury를 언어 단계로 사용한다면 이 모델이 실제로 받는 텍스트나 도구 관찰을 제공하세요. 음성 인식, 음성 합성, 미디어 렌더링은 별도 구성요소로 남습니다.
260K 컨텍스트는 문서에 명시된 2.5 모델 사양이며, Mercury 2의 출시 당시 128K 컨텍스트 및 특화 모델 Mercury Voice, Router와 다릅니다. 원문 자료, 이력, 추론, 최종 결과를 함께 예산에 넣으세요. 작업 시작 전에 출력 형태를 정하고 필수 세부사항을 포함한 답변 공간을 유지하세요.
유용한 최종 결과물은 구조화된 추출, 출처 기반 설명, 코드 제안, 간결한 작업 상태 요약입니다. 사실은 제공한 자료에, 코드는 의도한 환경에 대조해 검토하세요. 확산 아키텍처와 반응성 중심의 작업 역할 자체가 정확성, 외부 출처 접근, 제안 동작의 실행을 입증하지는 않습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 inception/mercury-2.5 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 $0.00004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 $0.00004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra inception/mercury-2.5
위에 표시된 메서드 경로를 사용하세요.
inception/mercury-2.5Mercury 2.5는 컨텍스트가 260K인 Inception의 확산 기반 텍스트 추론 모델입니다. 조절 가능한 추론, 병렬 도구 호출, 스키마 정렬 JSON으로 명확하고 구조화된 결과가 필요한 검색, 추출, 코딩 지원, 반복적인 에이전트 단계를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mercury 2.5는 Inception의 확산 기반 추론 언어 모델입니다. Mercury 2의 후속 모델로, 제품 환경의 피드백과 실패 사례를 반영해 학습을 갱신하면서 빠르게 반응하는 텍스트 생성이라는 계열의 초점을 유지합니다. 공개된 모델 사양에는 260K 컨텍스트, 조절 가능한 추론, 병렬 도구 호출, 스키마 정렬 JSON이 포함됩니다. 입력은 서면 작업과 관련 텍스트 컨텍스트이며, 출력은 텍스트, 코드, 구조화된 레코드, 도구 호출 내용 제안입니다.
Mercury 계열은 왼쪽에서 오른쪽으로 토큰을 차례로 예측하는 방식에만 의존하지 않고 병렬 정제를 통해 언어를 생성합니다. 이 아키텍처 방향은 반복적인 모델 단계가 대화형 작업 흐름에 맞도록 하는 것을 목표로 합니다. 조절 가능한 추론을 통해 제조사 모델은 작업에 맞게 분석 깊이를 조정할 수 있습니다. 필요한 최종 결과물을 명시하세요. 중간 과정이 복잡하더라도 답변 자체는 짧아야 할 수 있습니다.
비교에는 기준과 이름을 붙인 원문 구절을 제공하세요. 추출에는 필드와 그 의미를 정의하세요. 유용한 지시의 예는 “이 원문 구절을 필요한 사양의 기록으로 바꾸고, 단위를 보존하며, 각 값을 뒷받침하는 구절을 지정하세요”입니다. 스키마 정렬 출력은 애플리케이션에 정리된 결과를 제공하지만 원문과 일치하는지는 여전히 검토해야 합니다.
제조사는 검색 계획, 질의 재작성, 사실 구조화, 출처 요약, 답변 확인에 Mercury를 사용한다고 설명합니다. 애플리케이션은 각 단계에 특정 목적을 부여하고 관련 근거를 다음 단계에 전달할 수 있습니다. 질의 재작성에는 사용자의 실제 제약을 보존하도록 요청하고, 출처 요약에는 모든 구절을 단순히 줄이기보다 최종 답변에 필요한 사실을 유지하도록 요청하세요.
Mercury 2.5의 병렬 도구 호출은 독립된 작업이 서로 다른 관찰을 얻을 수 있을 때 유용합니다. 명확한 함수 정의와 매개변수 스키마를 제공하세요. 애플리케이션이 선택된 호출을 수행하고 결과를 반환합니다. 최종 답변이 도구 실행에 대한 가정이 아니라 관찰된 정보를 사용하도록 호출 식별자와 출처 표기를 함께 유지하세요.
제조사는 코딩 지원과 함께 긴 세션 압축, 적절한 도구 찾기 같은 보조 작업도 설명합니다. 컨텍스트를 압축할 때는 다음 작업에 필요한 확정 요구사항, 현재 오류, 결정, 그 근거를 지정하세요. 이 항목을 보존하고 미완료 작업과 완료된 결과를 구분하도록 요청하세요.
소프트웨어 변경에는 관련 코드, 기대 동작, 실패 입력이나 관찰된 오류를 제공하세요. 집중된 구현과 설명을 요청하세요. 시각 또는 음성 애플리케이션이 Mercury를 언어 단계로 사용한다면 이 모델이 실제로 받는 텍스트나 도구 관찰을 제공하세요. 음성 인식, 음성 합성, 미디어 렌더링은 별도 구성요소로 남습니다.
260K 컨텍스트는 문서에 명시된 2.5 모델 사양이며, Mercury 2의 출시 당시 128K 컨텍스트 및 특화 모델 Mercury Voice, Router와 다릅니다. 원문 자료, 이력, 추론, 최종 결과를 함께 예산에 넣으세요. 작업 시작 전에 출력 형태를 정하고 필수 세부사항을 포함한 답변 공간을 유지하세요.
유용한 최종 결과물은 구조화된 추출, 출처 기반 설명, 코드 제안, 간결한 작업 상태 요약입니다. 사실은 제공한 자료에, 코드는 의도한 환경에 대조해 검토하세요. 확산 아키텍처와 반응성 중심의 작업 역할 자체가 정확성, 외부 출처 접근, 제안 동작의 실행을 입증하지는 않습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 inception/mercury-2.5 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 $0.00004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 $0.00004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "inception/mercury-2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra inception/mercury-2.5
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.