Mercury 2.5 – tai Inception difuzija pagrįstas samprotavimo kalbos modelis. Jis tęsia Mercury 2 su atnaujintu mokymu, kurį formavo grįžtamasis ryšys iš produkcinio naudojimo ir nesėkmių atvejai, išlaikydamas šeimos dėmesį greitai reaguojančiam teksto generavimui. Paskelbtas jo variantas apima 260K kontekstą, reguliuojamą samprotavimą, lygiagrečius įrankių iškvietimus ir schemą atitinkantį JSON. Įvestis – rašytinė užduotis ir svarbus tekstinis kontekstas; išvestis – tekstas, kodas, struktūrizuotas įrašas ar siūlomas įrankių iškvietimų turinys.
Mercury šeima kalbą generuoja lygiagrečiai tikslindama rezultatą, o ne vien prognozuodama žetoną po žetono iš kairės į dešinę. Šia architektūros kryptimi siekiama, kad kartotiniai modelio žingsniai tiktų interaktyviai darbo eigai. Reguliuojamas samprotavimas leidžia gamintojo variante analizės gylį pritaikyti užduočiai. Aiškiai nustatykite reikalingą galutinį rezultatą: atsakymas gali turėti būti trumpas net tada, kai tarpinis procesas sudėtingesnis.
Palyginimui pateikite kriterijus ir įvardytas šaltinių ištraukas. Išgavimui apibrėžkite laukus ir jų reikšmę. Naudinga užduoties instrukcija: „Paversk šias šaltinių ištraukas reikiamų specifikacijų įrašu, išsaugok vienetus ir nurodyk kiekvieną reikšmę pagrindžiančią ištrauką.“ Schemą atitinkanti išvestis suteikia programai sutvarkytą rezultatą; atitiktį šaltiniui vis tiek reikia peržiūrėti.
Gamintojas aprašo Mercury naudojimą paieškai planuoti, užklausoms performuluoti, faktams struktūrizuoti, šaltiniams apibendrinti ir atsakymams tikrinti. Programa gali kiekvienam žingsniui suteikti konkrečią paskirtį ir svarbius įrodymus perduoti kitam. Performuluojant užklausą prašykite išsaugoti tikruosius naudotojo apribojimus, o šaltinio santraukoje – galutiniam atsakymui reikalingus faktus, užuot tiesiog trumpinus kiekvieną ištrauką.
Mercury 2.5 lygiagrečių įrankių iškvietimų galimybė naudinga, kai nepriklausomos operacijos užduočiai gali suteikti skirtingų pastebėjimų. Pateikite aiškias funkcijų apibrėžtis ir parametrų schemas. Programa atlieka pasirinktus iškvietimus ir grąžina jų rezultatus. Iškvietimų identifikatorius ir šaltinių žymas išlaikykite kartu, kad galutinis atsakymas naudotų stebėtą informaciją, o ne prielaidą, kad įrankis buvo įvykdytas.
Gamintojas taip pat aprašo programavimo pagalbą ir palaikančias operacijas, tokias kaip ilgos sesijos glaudinimas ar tinkamo įrankio radimas. Glaudinimui nurodykite, ko reikia kitai užduočiai: priimtų reikalavimų, dabartinių klaidų, sprendimų ir juos pagrindžiančių įrodymų. Paprašykite modelio išsaugoti šiuos elementus ir atskirti nebaigtą darbą nuo užbaigto rezultato.
Programinės įrangos pakeitimui pateikite susijusį kodą, laukiamą elgseną ir klaidą sukeliančią įvestį ar pastebėtą klaidą. Paprašykite konkretaus įgyvendinimo ir jo paaiškinimo. Jei vaizdinė ar kalbos programa Mercury naudoja kaip kalbinį žingsnį, pateikite tekstą ar įrankio pastebėjimą, kurį šis modelis iš tikrųjų priima; kalbos atpažinimas, kalbos sintezė ir medijos atvaizdavimas lieka atskirais komponentais.
260K kontekstas priklauso dokumentuotam 2.5 variantui ir skiriasi nuo Mercury 2 pradinio 128K konteksto bei specializuotų Mercury Voice ir Router modelių. Šaltinio medžiagą, istoriją, samprotavimą ir galutinį rezultatą planuokite kartu. Prieš pradedant užduotį pasirinkite išvesties formą ir palikite vietos atsakymui su visomis privalomomis detalėmis.
Naudingas galutinis rezultatas – struktūrizuotas išgavimas, šaltiniu pagrįstas paaiškinimas, kodo pasiūlymas ar trumpa užduoties būsenos santrauka. Faktus tikrinkite pagal pateiktą medžiagą, o kodą – numatytoje aplinkoje. Difuzinė architektūra ir greito reagavimo paskirtis savaime nepatvirtina teisingumo, prieigos prie išorinio šaltinio ar siūlomo veiksmo įvykdymo.
", "aboutText": "Mercury 2.5 – tai Inception difuzija pagrįstas samprotavimo kalbos modelis. Jis tęsia Mercury 2 su atnaujintu mokymu, kurį formavo grįžtamasis ryšys iš produkcinio naudojimo ir nesėkmių atvejai, išlaikydamas šeimos dėmesį greitai reaguojančiam teksto generavimui. Paskelbtas jo variantas apima 260K kontekstą, reguliuojamą samprotavimą, lygiagrečius įrankių iškvietimus ir schemą atitinkantį JSON. Įvestis – rašytinė užduotis ir svarbus tekstinis kontekstas; išvestis – tekstas, kodas, struktūrizuotas įrašas ar siūlomas įrankių iškvietimų turinys.\n\n### Difuzija ir samprotavimas\n\nMercury šeima kalbą generuoja lygiagrečiai tikslindama rezultatą, o ne vien prognozuodama žetoną po žetono iš kairės į dešinę. Šia architektūros kryptimi siekiama, kad kartotiniai modelio žingsniai tiktų interaktyviai darbo eigai. Reguliuojamas samprotavimas leidžia gamintojo variante analizės gylį pritaikyti užduočiai. Aiškiai nustatykite reikalingą galutinį rezultatą: atsakymas gali turėti būti trumpas net tada, kai tarpinis procesas sudėtingesnis.\n\nPalyginimui pateikite kriterijus ir įvardytas šaltinių ištraukas. Išgavimui apibrėžkite laukus ir jų reikšmę. Naudinga užduoties instrukcija: „Paversk šias šaltinių ištraukas reikiamų specifikacijų įrašu, išsaugok vienetus ir nurodyk kiekvieną reikšmę pagrindžiančią ištrauką.“ Schemą atitinkanti išvestis suteikia programai sutvarkytą rezultatą; atitiktį šaltiniui vis tiek reikia peržiūrėti.\n\n### Paieškos ir informacijos gavimo darbo eigos\n\nGamintojas aprašo Mercury naudojimą paieškai planuoti, užklausoms performuluoti, faktams struktūrizuoti, šaltiniams apibendrinti ir atsakymams tikrinti. Programa gali kiekvienam žingsniui suteikti konkrečią paskirtį ir svarbius įrodymus perduoti kitam. Performuluojant užklausą prašykite išsaugoti tikruosius naudotojo apribojimus, o šaltinio santraukoje – galutiniam atsakymui reikalingus faktus, užuot tiesiog trumpinus kiekvieną ištrauką.\n\nMercury 2.5 lygiagrečių įrankių iškvietimų galimybė naudinga, kai nepriklausomos operacijos užduočiai gali suteikti skirtingų pastebėjimų. Pateikite aiškias funkcijų apibrėžtis ir parametrų schemas. Programa atlieka pasirinktus iškvietimus ir grąžina jų rezultatus. Iškvietimų identifikatorius ir šaltinių žymas išlaikykite kartu, kad galutinis atsakymas naudotų stebėtą informaciją, o ne prielaidą, kad įrankis buvo įvykdytas.\n\n### Programavimas ir darbas su kontekstu\n\nGamintojas taip pat aprašo programavimo pagalbą ir palaikančias operacijas, tokias kaip ilgos sesijos glaudinimas ar tinkamo įrankio radimas. Glaudinimui nurodykite, ko reikia kitai užduočiai: priimtų reikalavimų, dabartinių klaidų, sprendimų ir juos pagrindžiančių įrodymų. Paprašykite modelio išsaugoti šiuos elementus ir atskirti nebaigtą darbą nuo užbaigto rezultato.\n\nPrograminės įrangos pakeitimui pateikite susijusį kodą, laukiamą elgseną ir klaidą sukeliančią įvestį ar pastebėtą klaidą. Paprašykite konkretaus įgyvendinimo ir jo paaiškinimo. Jei vaizdinė ar kalbos programa Mercury naudoja kaip kalbinį žingsnį, pateikite tekstą ar įrankio pastebėjimą, kurį šis modelis iš tikrųjų priima; kalbos atpažinimas, kalbos sintezė ir medijos atvaizdavimas lieka atskirais komponentais.\n\n### Ribos ir išvesties peržiūra\n\n260K kontekstas priklauso dokumentuotam 2.5 variantui ir skiriasi nuo Mercury 2 pradinio 128K konteksto bei specializuotų Mercury Voice ir Router modelių. Šaltinio medžiagą, istoriją, samprotavimą ir galutinį rezultatą planuokite kartu. Prieš pradedant užduotį pasirinkite išvesties formą ir palikite vietos atsakymui su visomis privalomomis detalėmis.\n\nNaudingas galutinis rezultatas – struktūrizuotas išgavimas, šaltiniu pagrįstas paaiškinimas, kodo pasiūlymas ar trumpa užduoties būsenos santrauka. Faktus tikrinkite pagal pateiktą medžiagą, o kodą – numatytoje aplinkoje. Difuzinė architektūra ir greito reagavimo paskirtis savaime nepatvirtina teisingumo, prieigos prie išorinio šaltinio ar siūlomo veiksmo įvykdymo.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
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 – tai Inception difuzija pagrįstas samprotavimo tekstinis modelis su 260K kontekstu. Reguliuojamas samprotavimas, lygiagretūs įrankių iškvietimai ir schemą atitinkantis JSON palaiko paiešką, informacijos išgavimą, programavimo pagalbą ir kartotinius agento žingsnius, kuriems reikia aiškaus struktūrizuoto rezultato.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Mercury 2.5 – tai Inception difuzija pagrįstas samprotavimo kalbos modelis. Jis tęsia Mercury 2 su atnaujintu mokymu, kurį formavo grįžtamasis ryšys iš produkcinio naudojimo ir nesėkmių atvejai, išlaikydamas šeimos dėmesį greitai reaguojančiam teksto generavimui. Paskelbtas jo variantas apima 260K kontekstą, reguliuojamą samprotavimą, lygiagrečius įrankių iškvietimus ir schemą atitinkantį JSON. Įvestis – rašytinė užduotis ir svarbus tekstinis kontekstas; išvestis – tekstas, kodas, struktūrizuotas įrašas ar siūlomas įrankių iškvietimų turinys.
Mercury šeima kalbą generuoja lygiagrečiai tikslindama rezultatą, o ne vien prognozuodama žetoną po žetono iš kairės į dešinę. Šia architektūros kryptimi siekiama, kad kartotiniai modelio žingsniai tiktų interaktyviai darbo eigai. Reguliuojamas samprotavimas leidžia gamintojo variante analizės gylį pritaikyti užduočiai. Aiškiai nustatykite reikalingą galutinį rezultatą: atsakymas gali turėti būti trumpas net tada, kai tarpinis procesas sudėtingesnis.
Palyginimui pateikite kriterijus ir įvardytas šaltinių ištraukas. Išgavimui apibrėžkite laukus ir jų reikšmę. Naudinga užduoties instrukcija: „Paversk šias šaltinių ištraukas reikiamų specifikacijų įrašu, išsaugok vienetus ir nurodyk kiekvieną reikšmę pagrindžiančią ištrauką.“ Schemą atitinkanti išvestis suteikia programai sutvarkytą rezultatą; atitiktį šaltiniui vis tiek reikia peržiūrėti.
Gamintojas aprašo Mercury naudojimą paieškai planuoti, užklausoms performuluoti, faktams struktūrizuoti, šaltiniams apibendrinti ir atsakymams tikrinti. Programa gali kiekvienam žingsniui suteikti konkrečią paskirtį ir svarbius įrodymus perduoti kitam. Performuluojant užklausą prašykite išsaugoti tikruosius naudotojo apribojimus, o šaltinio santraukoje – galutiniam atsakymui reikalingus faktus, užuot tiesiog trumpinus kiekvieną ištrauką.
Mercury 2.5 lygiagrečių įrankių iškvietimų galimybė naudinga, kai nepriklausomos operacijos užduočiai gali suteikti skirtingų pastebėjimų. Pateikite aiškias funkcijų apibrėžtis ir parametrų schemas. Programa atlieka pasirinktus iškvietimus ir grąžina jų rezultatus. Iškvietimų identifikatorius ir šaltinių žymas išlaikykite kartu, kad galutinis atsakymas naudotų stebėtą informaciją, o ne prielaidą, kad įrankis buvo įvykdytas.
Gamintojas taip pat aprašo programavimo pagalbą ir palaikančias operacijas, tokias kaip ilgos sesijos glaudinimas ar tinkamo įrankio radimas. Glaudinimui nurodykite, ko reikia kitai užduočiai: priimtų reikalavimų, dabartinių klaidų, sprendimų ir juos pagrindžiančių įrodymų. Paprašykite modelio išsaugoti šiuos elementus ir atskirti nebaigtą darbą nuo užbaigto rezultato.
Programinės įrangos pakeitimui pateikite susijusį kodą, laukiamą elgseną ir klaidą sukeliančią įvestį ar pastebėtą klaidą. Paprašykite konkretaus įgyvendinimo ir jo paaiškinimo. Jei vaizdinė ar kalbos programa Mercury naudoja kaip kalbinį žingsnį, pateikite tekstą ar įrankio pastebėjimą, kurį šis modelis iš tikrųjų priima; kalbos atpažinimas, kalbos sintezė ir medijos atvaizdavimas lieka atskirais komponentais.
260K kontekstas priklauso dokumentuotam 2.5 variantui ir skiriasi nuo Mercury 2 pradinio 128K konteksto bei specializuotų Mercury Voice ir Router modelių. Šaltinio medžiagą, istoriją, samprotavimą ir galutinį rezultatą planuokite kartu. Prieš pradedant užduotį pasirinkite išvesties formą ir palikite vietos atsakymui su visomis privalomomis detalėmis.
Naudingas galutinis rezultatas – struktūrizuotas išgavimas, šaltiniu pagrįstas paaiškinimas, kodo pasiūlymas ar trumpa užduoties būsenos santrauka. Faktus tikrinkite pagal pateiktą medžiagą, o kodą – numatytoje aplinkoje. Difuzinė architektūra ir greito reagavimo paskirtis savaime nepatvirtina teisingumo, prieigos prie išorinio šaltinio ar siūlomo veiksmo įvykdymo.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos inception/mercury-2.5 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0004 / 1K tokenų Išvestis · Išvesties tokenai $0.0015 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00004 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0004 / 1K tokenų Išvestis · Išvesties tokenai $0.0015 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00004 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra inception/mercury-2.5
Naudokite aukščiau nurodytus metodų kelius.
inception/mercury-2.5Mercury 2.5 – tai Inception difuzija pagrįstas samprotavimo tekstinis modelis su 260K kontekstu. Reguliuojamas samprotavimas, lygiagretūs įrankių iškvietimai ir schemą atitinkantis JSON palaiko paiešką, informacijos išgavimą, programavimo pagalbą ir kartotinius agento žingsnius, kuriems reikia aiškaus struktūrizuoto rezultato.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Mercury 2.5 – tai Inception difuzija pagrįstas samprotavimo kalbos modelis. Jis tęsia Mercury 2 su atnaujintu mokymu, kurį formavo grįžtamasis ryšys iš produkcinio naudojimo ir nesėkmių atvejai, išlaikydamas šeimos dėmesį greitai reaguojančiam teksto generavimui. Paskelbtas jo variantas apima 260K kontekstą, reguliuojamą samprotavimą, lygiagrečius įrankių iškvietimus ir schemą atitinkantį JSON. Įvestis – rašytinė užduotis ir svarbus tekstinis kontekstas; išvestis – tekstas, kodas, struktūrizuotas įrašas ar siūlomas įrankių iškvietimų turinys.
Mercury šeima kalbą generuoja lygiagrečiai tikslindama rezultatą, o ne vien prognozuodama žetoną po žetono iš kairės į dešinę. Šia architektūros kryptimi siekiama, kad kartotiniai modelio žingsniai tiktų interaktyviai darbo eigai. Reguliuojamas samprotavimas leidžia gamintojo variante analizės gylį pritaikyti užduočiai. Aiškiai nustatykite reikalingą galutinį rezultatą: atsakymas gali turėti būti trumpas net tada, kai tarpinis procesas sudėtingesnis.
Palyginimui pateikite kriterijus ir įvardytas šaltinių ištraukas. Išgavimui apibrėžkite laukus ir jų reikšmę. Naudinga užduoties instrukcija: „Paversk šias šaltinių ištraukas reikiamų specifikacijų įrašu, išsaugok vienetus ir nurodyk kiekvieną reikšmę pagrindžiančią ištrauką.“ Schemą atitinkanti išvestis suteikia programai sutvarkytą rezultatą; atitiktį šaltiniui vis tiek reikia peržiūrėti.
Gamintojas aprašo Mercury naudojimą paieškai planuoti, užklausoms performuluoti, faktams struktūrizuoti, šaltiniams apibendrinti ir atsakymams tikrinti. Programa gali kiekvienam žingsniui suteikti konkrečią paskirtį ir svarbius įrodymus perduoti kitam. Performuluojant užklausą prašykite išsaugoti tikruosius naudotojo apribojimus, o šaltinio santraukoje – galutiniam atsakymui reikalingus faktus, užuot tiesiog trumpinus kiekvieną ištrauką.
Mercury 2.5 lygiagrečių įrankių iškvietimų galimybė naudinga, kai nepriklausomos operacijos užduočiai gali suteikti skirtingų pastebėjimų. Pateikite aiškias funkcijų apibrėžtis ir parametrų schemas. Programa atlieka pasirinktus iškvietimus ir grąžina jų rezultatus. Iškvietimų identifikatorius ir šaltinių žymas išlaikykite kartu, kad galutinis atsakymas naudotų stebėtą informaciją, o ne prielaidą, kad įrankis buvo įvykdytas.
Gamintojas taip pat aprašo programavimo pagalbą ir palaikančias operacijas, tokias kaip ilgos sesijos glaudinimas ar tinkamo įrankio radimas. Glaudinimui nurodykite, ko reikia kitai užduočiai: priimtų reikalavimų, dabartinių klaidų, sprendimų ir juos pagrindžiančių įrodymų. Paprašykite modelio išsaugoti šiuos elementus ir atskirti nebaigtą darbą nuo užbaigto rezultato.
Programinės įrangos pakeitimui pateikite susijusį kodą, laukiamą elgseną ir klaidą sukeliančią įvestį ar pastebėtą klaidą. Paprašykite konkretaus įgyvendinimo ir jo paaiškinimo. Jei vaizdinė ar kalbos programa Mercury naudoja kaip kalbinį žingsnį, pateikite tekstą ar įrankio pastebėjimą, kurį šis modelis iš tikrųjų priima; kalbos atpažinimas, kalbos sintezė ir medijos atvaizdavimas lieka atskirais komponentais.
260K kontekstas priklauso dokumentuotam 2.5 variantui ir skiriasi nuo Mercury 2 pradinio 128K konteksto bei specializuotų Mercury Voice ir Router modelių. Šaltinio medžiagą, istoriją, samprotavimą ir galutinį rezultatą planuokite kartu. Prieš pradedant užduotį pasirinkite išvesties formą ir palikite vietos atsakymui su visomis privalomomis detalėmis.
Naudingas galutinis rezultatas – struktūrizuotas išgavimas, šaltiniu pagrįstas paaiškinimas, kodo pasiūlymas ar trumpa užduoties būsenos santrauka. Faktus tikrinkite pagal pateiktą medžiagą, o kodą – numatytoje aplinkoje. Difuzinė architektūra ir greito reagavimo paskirtis savaime nepatvirtina teisingumo, prieigos prie išorinio šaltinio ar siūlomo veiksmo įvykdymo.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos inception/mercury-2.5 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0004 / 1K tokenų Išvestis · Išvesties tokenai $0.0015 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00004 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0004 / 1K tokenų Išvestis · Išvesties tokenai $0.0015 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00004 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "inception/mercury-2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra inception/mercury-2.5
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
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.