Mercury 2는 확산 기반 텍스트 생성을 중심으로 구축한 Inception의 추론 언어 모델입니다. 왼쪽에서 오른쪽으로 순차 디코딩만 하는 대신 여러 토큰을 병렬로 정제하며 결과에 접근합니다. 제조사는 코딩, 에이전트, 검색, 추출에서 반복되는 대화형 단계를 위해 이 모델을 개발합니다. 서면 지시와 텍스트 컨텍스트를 받아 텍스트 답변, 코드, 구조화된 데이터, 도구 작업 제안을 생성합니다.
정확한 출시 설명에는 128K 컨텍스트, 조절 가능한 추론, 기본 도구 사용, 스키마 정렬 JSON이 명시되어 있습니다. 이는 Mercury 2에 문서화된 사양이며, 후속 Mercury 2.5의 컨텍스트 및 특화된 Voice, Router, Edit 모델과 별개입니다. 계열 이름에서 음성이나 편집 출력을 추정하지 말고 최종 답변 형태를 명시하세요.
간단한 추출에는 필드 정의와 원문 구절을 제공하세요. 추론 작업에는 전체 조건과 반드시 충족해야 할 제약을 명시하세요. 실용적인 요청은 “이 구현을 요구사항과 비교해 첫 번째 불일치를 찾고, 근거 설명과 함께 집중된 수정을 반환하세요”입니다. 모델이 중간 분석을 전개하더라도 최종 결과는 입력과 연결되어 있어야 합니다.
제조사는 자동 완성, 다음 편집 제안, 리팩터링, 대화형 코드 에이전트를 관련 작업으로 설명합니다. 주변 구현을 제공하고 무엇을 바꿔야 하는지 지정하세요. 기대 동작을 설명하고 수정에서도 유지해야 할 공개 이름이나 인터페이스를 보존하세요. 그러면 실제 프로젝트에 적용하기 전에 제안된 편집이 적합한지 검토할 수 있습니다.
도구 안내 개발 작업에서는 모델이 제공된 작업 중에서 선택하고 애플리케이션이 이를 실행합니다. 다음 대화 차례에는 실제 오류, 코드 발췌, 검증 관찰을 반환하세요. 생성된 구현과 성공적으로 실행된 결과는 별도 결과물이며, 작업은 완료를 입증하는 관찰을 요구해야 합니다.
제조사의 Mercury 2 활용 사례에는 다단계 검색, 재순위화, 요약이 있습니다. 각 단계의 목적을 정확히 정하세요. 검색할 질문, 관련 출처의 기준, 최종 답변에 필요한 사실을 지정하세요. 요약을 원자료로 추적할 수 있도록 흐름 전체에 출처 식별자를 유지하세요.
구조화된 출력에는 정의된 필드, 명확한 타입, 누락 정보에 대한 규칙이 있어야 합니다. 스키마 정렬은 결과의 표현에 관한 사항입니다. 값은 실제 문서나 도구 관찰과 비교하세요. 이어지는 작업에서는 관련 없는 이력을 쌓기보다 유용한 발견과 미해결 질문을 유지하세요.
Mercury 2는 음성 또는 다른 대화형 애플리케이션 안에서 텍스트 생성 단계를 담당할 수 있습니다. 그곳에서 문서화된 역할은 오디오와 재생을 담당하는 주변 구성요소가 사용할 말이나 결정을 생성하는 것입니다. 전사문 정리에는 전사문을 제공하고 편집 후에도 보존할 문구, 이름, 의미를 지정하세요.
128K 컨텍스트에는 원문 자료, 대화, 생성 내용이 함께 들어갑니다. 최종 응답 공간을 확보하고 수정 과정에서도 질문을 분명히 유지하며 컨텍스트 용량을 독립적인 출력 한도로 취급하지 마세요. 생성된 사실, 코드, 추출 필드를 원래 입력과 대조해 검토하세요. 유용한 결과물은 명시된 작업을 진전시키고 실제로 제공한 근거로 확인할 수 있는 집중된 답변 또는 구조화된 결과입니다.
", "aboutText": "Mercury 2는 확산 기반 텍스트 생성을 중심으로 구축한 Inception의 추론 언어 모델입니다. 왼쪽에서 오른쪽으로 순차 디코딩만 하는 대신 여러 토큰을 병렬로 정제하며 결과에 접근합니다. 제조사는 코딩, 에이전트, 검색, 추출에서 반복되는 대화형 단계를 위해 이 모델을 개발합니다. 서면 지시와 텍스트 컨텍스트를 받아 텍스트 답변, 코드, 구조화된 데이터, 도구 작업 제안을 생성합니다.\n\n### 제조사 모델 사양\n\n정확한 출시 설명에는 128K 컨텍스트, 조절 가능한 추론, 기본 도구 사용, 스키마 정렬 JSON이 명시되어 있습니다. 이는 Mercury 2에 문서화된 사양이며, 후속 Mercury 2.5의 컨텍스트 및 특화된 Voice, Router, Edit 모델과 별개입니다. 계열 이름에서 음성이나 편집 출력을 추정하지 말고 최종 답변 형태를 명시하세요.\n\n간단한 추출에는 필드 정의와 원문 구절을 제공하세요. 추론 작업에는 전체 조건과 반드시 충족해야 할 제약을 명시하세요. 실용적인 요청은 “이 구현을 요구사항과 비교해 첫 번째 불일치를 찾고, 근거 설명과 함께 집중된 수정을 반환하세요”입니다. 모델이 중간 분석을 전개하더라도 최종 결과는 입력과 연결되어 있어야 합니다.\n\n### 코딩과 편집 지원\n\n제조사는 자동 완성, 다음 편집 제안, 리팩터링, 대화형 코드 에이전트를 관련 작업으로 설명합니다. 주변 구현을 제공하고 무엇을 바꿔야 하는지 지정하세요. 기대 동작을 설명하고 수정에서도 유지해야 할 공개 이름이나 인터페이스를 보존하세요. 그러면 실제 프로젝트에 적용하기 전에 제안된 편집이 적합한지 검토할 수 있습니다.\n\n도구 안내 개발 작업에서는 모델이 제공된 작업 중에서 선택하고 애플리케이션이 이를 실행합니다. 다음 대화 차례에는 실제 오류, 코드 발췌, 검증 관찰을 반환하세요. 생성된 구현과 성공적으로 실행된 결과는 별도 결과물이며, 작업은 완료를 입증하는 관찰을 요구해야 합니다.\n\n### 검색과 에이전트 반복 흐름\n\n제조사의 Mercury 2 활용 사례에는 다단계 검색, 재순위화, 요약이 있습니다. 각 단계의 목적을 정확히 정하세요. 검색할 질문, 관련 출처의 기준, 최종 답변에 필요한 사실을 지정하세요. 요약을 원자료로 추적할 수 있도록 흐름 전체에 출처 식별자를 유지하세요.\n\n구조화된 출력에는 정의된 필드, 명확한 타입, 누락 정보에 대한 규칙이 있어야 합니다. 스키마 정렬은 결과의 표현에 관한 사항입니다. 값은 실제 문서나 도구 관찰과 비교하세요. 이어지는 작업에서는 관련 없는 이력을 쌓기보다 유용한 발견과 미해결 질문을 유지하세요.\n\n### 대화형 언어 작업과 한도\n\nMercury 2는 음성 또는 다른 대화형 애플리케이션 안에서 텍스트 생성 단계를 담당할 수 있습니다. 그곳에서 문서화된 역할은 오디오와 재생을 담당하는 주변 구성요소가 사용할 말이나 결정을 생성하는 것입니다. 전사문 정리에는 전사문을 제공하고 편집 후에도 보존할 문구, 이름, 의미를 지정하세요.\n\n128K 컨텍스트에는 원문 자료, 대화, 생성 내용이 함께 들어갑니다. 최종 응답 공간을 확보하고 수정 과정에서도 질문을 분명히 유지하며 컨텍스트 용량을 독립적인 출력 한도로 취급하지 마세요. 생성된 사실, 코드, 추출 필드를 원래 입력과 대조해 검토하세요. 유용한 결과물은 명시된 작업을 진전시키고 실제로 제공한 근거로 확인할 수 있는 집중된 답변 또는 구조화된 결과입니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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 2는 대화형 코딩, 검색, 에이전트 작업 흐름을 위한 Inception의 확산 기반 텍스트 추론 모델입니다. 병렬 정제, 128K 컨텍스트, 조절 가능한 추론, 기본 도구 사용, 스키마 정렬 JSON으로 텍스트에서 집중된 답변과 구조화된 결과물을 만듭니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mercury 2는 확산 기반 텍스트 생성을 중심으로 구축한 Inception의 추론 언어 모델입니다. 왼쪽에서 오른쪽으로 순차 디코딩만 하는 대신 여러 토큰을 병렬로 정제하며 결과에 접근합니다. 제조사는 코딩, 에이전트, 검색, 추출에서 반복되는 대화형 단계를 위해 이 모델을 개발합니다. 서면 지시와 텍스트 컨텍스트를 받아 텍스트 답변, 코드, 구조화된 데이터, 도구 작업 제안을 생성합니다.
정확한 출시 설명에는 128K 컨텍스트, 조절 가능한 추론, 기본 도구 사용, 스키마 정렬 JSON이 명시되어 있습니다. 이는 Mercury 2에 문서화된 사양이며, 후속 Mercury 2.5의 컨텍스트 및 특화된 Voice, Router, Edit 모델과 별개입니다. 계열 이름에서 음성이나 편집 출력을 추정하지 말고 최종 답변 형태를 명시하세요.
간단한 추출에는 필드 정의와 원문 구절을 제공하세요. 추론 작업에는 전체 조건과 반드시 충족해야 할 제약을 명시하세요. 실용적인 요청은 “이 구현을 요구사항과 비교해 첫 번째 불일치를 찾고, 근거 설명과 함께 집중된 수정을 반환하세요”입니다. 모델이 중간 분석을 전개하더라도 최종 결과는 입력과 연결되어 있어야 합니다.
제조사는 자동 완성, 다음 편집 제안, 리팩터링, 대화형 코드 에이전트를 관련 작업으로 설명합니다. 주변 구현을 제공하고 무엇을 바꿔야 하는지 지정하세요. 기대 동작을 설명하고 수정에서도 유지해야 할 공개 이름이나 인터페이스를 보존하세요. 그러면 실제 프로젝트에 적용하기 전에 제안된 편집이 적합한지 검토할 수 있습니다.
도구 안내 개발 작업에서는 모델이 제공된 작업 중에서 선택하고 애플리케이션이 이를 실행합니다. 다음 대화 차례에는 실제 오류, 코드 발췌, 검증 관찰을 반환하세요. 생성된 구현과 성공적으로 실행된 결과는 별도 결과물이며, 작업은 완료를 입증하는 관찰을 요구해야 합니다.
제조사의 Mercury 2 활용 사례에는 다단계 검색, 재순위화, 요약이 있습니다. 각 단계의 목적을 정확히 정하세요. 검색할 질문, 관련 출처의 기준, 최종 답변에 필요한 사실을 지정하세요. 요약을 원자료로 추적할 수 있도록 흐름 전체에 출처 식별자를 유지하세요.
구조화된 출력에는 정의된 필드, 명확한 타입, 누락 정보에 대한 규칙이 있어야 합니다. 스키마 정렬은 결과의 표현에 관한 사항입니다. 값은 실제 문서나 도구 관찰과 비교하세요. 이어지는 작업에서는 관련 없는 이력을 쌓기보다 유용한 발견과 미해결 질문을 유지하세요.
Mercury 2는 음성 또는 다른 대화형 애플리케이션 안에서 텍스트 생성 단계를 담당할 수 있습니다. 그곳에서 문서화된 역할은 오디오와 재생을 담당하는 주변 구성요소가 사용할 말이나 결정을 생성하는 것입니다. 전사문 정리에는 전사문을 제공하고 편집 후에도 보존할 문구, 이름, 의미를 지정하세요.
128K 컨텍스트에는 원문 자료, 대화, 생성 내용이 함께 들어갑니다. 최종 응답 공간을 확보하고 수정 과정에서도 질문을 분명히 유지하며 컨텍스트 용량을 독립적인 출력 한도로 취급하지 마세요. 생성된 사실, 코드, 추출 필드를 원래 입력과 대조해 검토하세요. 유용한 결과물은 명시된 작업을 진전시키고 실제로 제공한 근거로 확인할 수 있는 집중된 답변 또는 구조화된 결과입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 inception/mercury-2 | 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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", "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 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
위에 표시된 메서드 경로를 사용하세요.
inception/mercury-2Mercury 2는 대화형 코딩, 검색, 에이전트 작업 흐름을 위한 Inception의 확산 기반 텍스트 추론 모델입니다. 병렬 정제, 128K 컨텍스트, 조절 가능한 추론, 기본 도구 사용, 스키마 정렬 JSON으로 텍스트에서 집중된 답변과 구조화된 결과물을 만듭니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mercury 2는 확산 기반 텍스트 생성을 중심으로 구축한 Inception의 추론 언어 모델입니다. 왼쪽에서 오른쪽으로 순차 디코딩만 하는 대신 여러 토큰을 병렬로 정제하며 결과에 접근합니다. 제조사는 코딩, 에이전트, 검색, 추출에서 반복되는 대화형 단계를 위해 이 모델을 개발합니다. 서면 지시와 텍스트 컨텍스트를 받아 텍스트 답변, 코드, 구조화된 데이터, 도구 작업 제안을 생성합니다.
정확한 출시 설명에는 128K 컨텍스트, 조절 가능한 추론, 기본 도구 사용, 스키마 정렬 JSON이 명시되어 있습니다. 이는 Mercury 2에 문서화된 사양이며, 후속 Mercury 2.5의 컨텍스트 및 특화된 Voice, Router, Edit 모델과 별개입니다. 계열 이름에서 음성이나 편집 출력을 추정하지 말고 최종 답변 형태를 명시하세요.
간단한 추출에는 필드 정의와 원문 구절을 제공하세요. 추론 작업에는 전체 조건과 반드시 충족해야 할 제약을 명시하세요. 실용적인 요청은 “이 구현을 요구사항과 비교해 첫 번째 불일치를 찾고, 근거 설명과 함께 집중된 수정을 반환하세요”입니다. 모델이 중간 분석을 전개하더라도 최종 결과는 입력과 연결되어 있어야 합니다.
제조사는 자동 완성, 다음 편집 제안, 리팩터링, 대화형 코드 에이전트를 관련 작업으로 설명합니다. 주변 구현을 제공하고 무엇을 바꿔야 하는지 지정하세요. 기대 동작을 설명하고 수정에서도 유지해야 할 공개 이름이나 인터페이스를 보존하세요. 그러면 실제 프로젝트에 적용하기 전에 제안된 편집이 적합한지 검토할 수 있습니다.
도구 안내 개발 작업에서는 모델이 제공된 작업 중에서 선택하고 애플리케이션이 이를 실행합니다. 다음 대화 차례에는 실제 오류, 코드 발췌, 검증 관찰을 반환하세요. 생성된 구현과 성공적으로 실행된 결과는 별도 결과물이며, 작업은 완료를 입증하는 관찰을 요구해야 합니다.
제조사의 Mercury 2 활용 사례에는 다단계 검색, 재순위화, 요약이 있습니다. 각 단계의 목적을 정확히 정하세요. 검색할 질문, 관련 출처의 기준, 최종 답변에 필요한 사실을 지정하세요. 요약을 원자료로 추적할 수 있도록 흐름 전체에 출처 식별자를 유지하세요.
구조화된 출력에는 정의된 필드, 명확한 타입, 누락 정보에 대한 규칙이 있어야 합니다. 스키마 정렬은 결과의 표현에 관한 사항입니다. 값은 실제 문서나 도구 관찰과 비교하세요. 이어지는 작업에서는 관련 없는 이력을 쌓기보다 유용한 발견과 미해결 질문을 유지하세요.
Mercury 2는 음성 또는 다른 대화형 애플리케이션 안에서 텍스트 생성 단계를 담당할 수 있습니다. 그곳에서 문서화된 역할은 오디오와 재생을 담당하는 주변 구성요소가 사용할 말이나 결정을 생성하는 것입니다. 전사문 정리에는 전사문을 제공하고 편집 후에도 보존할 문구, 이름, 의미를 지정하세요.
128K 컨텍스트에는 원문 자료, 대화, 생성 내용이 함께 들어갑니다. 최종 응답 공간을 확보하고 수정 과정에서도 질문을 분명히 유지하며 컨텍스트 용량을 독립적인 출력 한도로 취급하지 마세요. 생성된 사실, 코드, 추출 필드를 원래 입력과 대조해 검토하세요. 유용한 결과물은 명시된 작업을 진전시키고 실제로 제공한 근거로 확인할 수 있는 집중된 답변 또는 구조화된 결과입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 inception/mercury-2 | 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "inception/mercury-2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.