Mercury 2 ialah model bahasa penaakulan Inception yang dibina berasaskan penjanaan teks melalui difusi. Daripada hanya menyahkod secara berurutan dari kiri ke kanan, model memurnikan beberapa token secara selari menuju hasil. Pengeluar membangunkan varian ini untuk langkah interaktif berulang dalam pengekodan, ejen, pengambilan maklumat dan pengekstrakan. Ia menerima arahan bertulis dan konteks teks serta menghasilkan jawapan teks, kod, data berstruktur atau operasi alat yang dicadangkan.
Penerangan pelancaran tepat menyenaraikan konteks 128K, penaakulan boleh laras, penggunaan alat natif dan JSON sejajar skema. Ciri ini tergolong dalam varian Mercury 2 yang didokumenkan, berasingan daripada konteks Mercury 2.5 yang lebih baharu dan model khusus Voice, Router dan Edit. Tetapkan bentuk jawapan akhir secara jelas, bukannya menyimpulkan output pertuturan atau penyuntingan daripada nama keluarga.
Untuk pengekstrakan mudah, berikan takrif medan dan petikan sumber. Untuk tugas penaakulan, nyatakan syarat lengkap dan kekangan yang mesti dipenuhi. Ringkasan arahan praktikal ialah: “Bandingkan pelaksanaan ini dengan keperluan, kenal pasti ketidakpadanan pertama dan kembalikan pembetulan terfokus dengan penerangan sokongannya.” Hasil akhir patut kekal terikat pada input walaupun model membangunkan analisis perantaraan.
Pembuat menerangkan pelengkapan automatik, cadangan suntingan seterusnya, pemfaktoran semula dan ejen kod interaktif sebagai beban kerja berkaitan. Bekalkan pelaksanaan sekeliling dan kenal pasti perkara yang patut berubah. Terangkan tingkah laku yang dijangka dan kekalkan nama atau antara muka awam yang mesti dikekalkan oleh semakan. Suntingan cadangan kemudian boleh diperiksa kesesuaiannya sebelum diterapkan pada projek sebenar.
Dalam tugas pembangunan berpandukan alat, model memilih daripada operasi yang dibekalkan dan aplikasi melaksanakannya. Kembalikan ralat sebenar, petikan kod atau pemerhatian pengesahan kepada giliran seterusnya. Pelaksanaan yang dijana dan hasil yang berjaya dilaksanakan ialah artifak berasingan, dan tugas patut memerlukan pemerhatian yang membuktikan penyelesaian.
Kes penggunaan pengeluar Mercury 2 merangkumi pengambilan maklumat berbilang lompatan, penyusunan semula kedudukan dan peringkasan. Berikan tujuan tepat kepada setiap langkah: kenal pasti soalan untuk dicari, kriteria sumber berkaitan dan fakta yang diperlukan oleh jawapan akhir. Kekalkan pengecam sumber sepanjang aliran kerja supaya ringkasan boleh dijejaki kembali kepada bahannya.
Output berstruktur patut mempunyai medan yang ditakrifkan, jenis yang jelas dan konvensyen untuk maklumat yang tiada. Penjajaran skema berkaitan perwakilan hasil; bandingkan nilainya dengan dokumen atau pemerhatian alat sebenar. Dalam tugas berterusan, kekalkan dapatan berguna dan soalan yang belum diselesaikan, bukannya mengumpulkan sejarah yang tidak berkaitan.
Mercury 2 boleh membekalkan langkah penjanaan teks dalam aplikasi suara atau aplikasi interaktif lain. Peranannya yang didokumenkan di situ ialah menghasilkan perkataan atau keputusan yang digunakan komponen sekeliling, yang mengendalikan audio dan main balik. Untuk pembersihan transkrip, berikan transkrip dan nyatakan susunan kata, nama serta maksud yang mesti dikekalkan semasa suntingan.
Konteks 128K mengandungi bahan sumber, perbualan dan kandungan yang dijana bersama-sama. Peruntukkan ruang untuk respons akhir, pastikan soalan kekal jelas sepanjang semakan dan elakkan menganggap kapasiti konteks sebagai peruntukan output bebas. Semak fakta yang dijana, kod dan medan yang diekstrak berdasarkan input asal. Artifak yang berguna ialah jawapan terfokus atau hasil berstruktur yang memajukan tugas yang dinyatakan dan boleh disemak dengan bukti yang benar-benar dibekalkan.
", "aboutText": "Mercury 2 ialah model bahasa penaakulan Inception yang dibina berasaskan penjanaan teks melalui difusi. Daripada hanya menyahkod secara berurutan dari kiri ke kanan, model memurnikan beberapa token secara selari menuju hasil. Pengeluar membangunkan varian ini untuk langkah interaktif berulang dalam pengekodan, ejen, pengambilan maklumat dan pengekstrakan. Ia menerima arahan bertulis dan konteks teks serta menghasilkan jawapan teks, kod, data berstruktur atau operasi alat yang dicadangkan.\n\n### Varian pengeluar\n\nPenerangan pelancaran tepat menyenaraikan konteks 128K, penaakulan boleh laras, penggunaan alat natif dan JSON sejajar skema. Ciri ini tergolong dalam varian Mercury 2 yang didokumenkan, berasingan daripada konteks Mercury 2.5 yang lebih baharu dan model khusus Voice, Router dan Edit. Tetapkan bentuk jawapan akhir secara jelas, bukannya menyimpulkan output pertuturan atau penyuntingan daripada nama keluarga.\n\nUntuk pengekstrakan mudah, berikan takrif medan dan petikan sumber. Untuk tugas penaakulan, nyatakan syarat lengkap dan kekangan yang mesti dipenuhi. Ringkasan arahan praktikal ialah: “Bandingkan pelaksanaan ini dengan keperluan, kenal pasti ketidakpadanan pertama dan kembalikan pembetulan terfokus dengan penerangan sokongannya.” Hasil akhir patut kekal terikat pada input walaupun model membangunkan analisis perantaraan.\n\n### Bantuan pengekodan dan penyuntingan\n\nPembuat menerangkan pelengkapan automatik, cadangan suntingan seterusnya, pemfaktoran semula dan ejen kod interaktif sebagai beban kerja berkaitan. Bekalkan pelaksanaan sekeliling dan kenal pasti perkara yang patut berubah. Terangkan tingkah laku yang dijangka dan kekalkan nama atau antara muka awam yang mesti dikekalkan oleh semakan. Suntingan cadangan kemudian boleh diperiksa kesesuaiannya sebelum diterapkan pada projek sebenar.\n\nDalam tugas pembangunan berpandukan alat, model memilih daripada operasi yang dibekalkan dan aplikasi melaksanakannya. Kembalikan ralat sebenar, petikan kod atau pemerhatian pengesahan kepada giliran seterusnya. Pelaksanaan yang dijana dan hasil yang berjaya dilaksanakan ialah artifak berasingan, dan tugas patut memerlukan pemerhatian yang membuktikan penyelesaian.\n\n### Carian dan gelung ejen\n\nKes penggunaan pengeluar Mercury 2 merangkumi pengambilan maklumat berbilang lompatan, penyusunan semula kedudukan dan peringkasan. Berikan tujuan tepat kepada setiap langkah: kenal pasti soalan untuk dicari, kriteria sumber berkaitan dan fakta yang diperlukan oleh jawapan akhir. Kekalkan pengecam sumber sepanjang aliran kerja supaya ringkasan boleh dijejaki kembali kepada bahannya.\n\nOutput berstruktur patut mempunyai medan yang ditakrifkan, jenis yang jelas dan konvensyen untuk maklumat yang tiada. Penjajaran skema berkaitan perwakilan hasil; bandingkan nilainya dengan dokumen atau pemerhatian alat sebenar. Dalam tugas berterusan, kekalkan dapatan berguna dan soalan yang belum diselesaikan, bukannya mengumpulkan sejarah yang tidak berkaitan.\n\n### Tugas bahasa interaktif dan had\n\nMercury 2 boleh membekalkan langkah penjanaan teks dalam aplikasi suara atau aplikasi interaktif lain. Peranannya yang didokumenkan di situ ialah menghasilkan perkataan atau keputusan yang digunakan komponen sekeliling, yang mengendalikan audio dan main balik. Untuk pembersihan transkrip, berikan transkrip dan nyatakan susunan kata, nama serta maksud yang mesti dikekalkan semasa suntingan.\n\nKonteks 128K mengandungi bahan sumber, perbualan dan kandungan yang dijana bersama-sama. Peruntukkan ruang untuk respons akhir, pastikan soalan kekal jelas sepanjang semakan dan elakkan menganggap kapasiti konteks sebagai peruntukan output bebas. Semak fakta yang dijana, kod dan medan yang diekstrak berdasarkan input asal. Artifak yang berguna ialah jawapan terfokus atau hasil berstruktur yang memajukan tugas yang dinyatakan dan boleh disemak dengan bukti yang benar-benar dibekalkan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Clean up a dictated task note\n\nClean up this supplied transcript for a task tracker: "Um, ask Rina, no, ask Sam to review invoice INV-209 before Thursday. Keep Rina copied. It is 480 euros, not 840." Remove fillers and false starts while preserving the corrected owner, copied person, invoice ID, deadline and amount. Return one clear task sentence.One cleaned task sentence retaining the final owner, copy instruction, invoice ID, deadline and corrected amount.Check that Sam owns review, Rina is copied and the amount is 480 euros.inception/mercury-2Mercury 2 ialah model teks penaakulan berasaskan difusi Inception untuk pengekodan interaktif, carian dan aliran kerja ejen. Pemurnian selari, konteks 128K, penaakulan boleh laras, penggunaan alat natif dan JSON sejajar skema membantu menghasilkan jawapan terfokus serta artifak berstruktur daripada teks.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Mercury 2 ialah model bahasa penaakulan Inception yang dibina berasaskan penjanaan teks melalui difusi. Daripada hanya menyahkod secara berurutan dari kiri ke kanan, model memurnikan beberapa token secara selari menuju hasil. Pengeluar membangunkan varian ini untuk langkah interaktif berulang dalam pengekodan, ejen, pengambilan maklumat dan pengekstrakan. Ia menerima arahan bertulis dan konteks teks serta menghasilkan jawapan teks, kod, data berstruktur atau operasi alat yang dicadangkan.
Penerangan pelancaran tepat menyenaraikan konteks 128K, penaakulan boleh laras, penggunaan alat natif dan JSON sejajar skema. Ciri ini tergolong dalam varian Mercury 2 yang didokumenkan, berasingan daripada konteks Mercury 2.5 yang lebih baharu dan model khusus Voice, Router dan Edit. Tetapkan bentuk jawapan akhir secara jelas, bukannya menyimpulkan output pertuturan atau penyuntingan daripada nama keluarga.
Untuk pengekstrakan mudah, berikan takrif medan dan petikan sumber. Untuk tugas penaakulan, nyatakan syarat lengkap dan kekangan yang mesti dipenuhi. Ringkasan arahan praktikal ialah: “Bandingkan pelaksanaan ini dengan keperluan, kenal pasti ketidakpadanan pertama dan kembalikan pembetulan terfokus dengan penerangan sokongannya.” Hasil akhir patut kekal terikat pada input walaupun model membangunkan analisis perantaraan.
Pembuat menerangkan pelengkapan automatik, cadangan suntingan seterusnya, pemfaktoran semula dan ejen kod interaktif sebagai beban kerja berkaitan. Bekalkan pelaksanaan sekeliling dan kenal pasti perkara yang patut berubah. Terangkan tingkah laku yang dijangka dan kekalkan nama atau antara muka awam yang mesti dikekalkan oleh semakan. Suntingan cadangan kemudian boleh diperiksa kesesuaiannya sebelum diterapkan pada projek sebenar.
Dalam tugas pembangunan berpandukan alat, model memilih daripada operasi yang dibekalkan dan aplikasi melaksanakannya. Kembalikan ralat sebenar, petikan kod atau pemerhatian pengesahan kepada giliran seterusnya. Pelaksanaan yang dijana dan hasil yang berjaya dilaksanakan ialah artifak berasingan, dan tugas patut memerlukan pemerhatian yang membuktikan penyelesaian.
Kes penggunaan pengeluar Mercury 2 merangkumi pengambilan maklumat berbilang lompatan, penyusunan semula kedudukan dan peringkasan. Berikan tujuan tepat kepada setiap langkah: kenal pasti soalan untuk dicari, kriteria sumber berkaitan dan fakta yang diperlukan oleh jawapan akhir. Kekalkan pengecam sumber sepanjang aliran kerja supaya ringkasan boleh dijejaki kembali kepada bahannya.
Output berstruktur patut mempunyai medan yang ditakrifkan, jenis yang jelas dan konvensyen untuk maklumat yang tiada. Penjajaran skema berkaitan perwakilan hasil; bandingkan nilainya dengan dokumen atau pemerhatian alat sebenar. Dalam tugas berterusan, kekalkan dapatan berguna dan soalan yang belum diselesaikan, bukannya mengumpulkan sejarah yang tidak berkaitan.
Mercury 2 boleh membekalkan langkah penjanaan teks dalam aplikasi suara atau aplikasi interaktif lain. Peranannya yang didokumenkan di situ ialah menghasilkan perkataan atau keputusan yang digunakan komponen sekeliling, yang mengendalikan audio dan main balik. Untuk pembersihan transkrip, berikan transkrip dan nyatakan susunan kata, nama serta maksud yang mesti dikekalkan semasa suntingan.
Konteks 128K mengandungi bahan sumber, perbualan dan kandungan yang dijana bersama-sama. Peruntukkan ruang untuk respons akhir, pastikan soalan kekal jelas sepanjang semakan dan elakkan menganggap kapasiti konteks sebagai peruntukan output bebas. Semak fakta yang dijana, kod dan medan yang diekstrak berdasarkan input asal. Artifak yang berguna ialah jawapan terfokus atau hasil berstruktur yang memajukan tugas yang dinyatakan dan boleh disemak dengan bukti yang benar-benar dibekalkan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had inception/mercury-2 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.00005 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.00005 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inception/mercury-2", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='inception/mercury-2',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='inception/mercury-2',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra inception/mercury-2
Gunakan laluan kaedah yang dipaparkan di atas.
inception/mercury-2Mercury 2 ialah model teks penaakulan berasaskan difusi Inception untuk pengekodan interaktif, carian dan aliran kerja ejen. Pemurnian selari, konteks 128K, penaakulan boleh laras, penggunaan alat natif dan JSON sejajar skema membantu menghasilkan jawapan terfokus serta artifak berstruktur daripada teks.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Mercury 2 ialah model bahasa penaakulan Inception yang dibina berasaskan penjanaan teks melalui difusi. Daripada hanya menyahkod secara berurutan dari kiri ke kanan, model memurnikan beberapa token secara selari menuju hasil. Pengeluar membangunkan varian ini untuk langkah interaktif berulang dalam pengekodan, ejen, pengambilan maklumat dan pengekstrakan. Ia menerima arahan bertulis dan konteks teks serta menghasilkan jawapan teks, kod, data berstruktur atau operasi alat yang dicadangkan.
Penerangan pelancaran tepat menyenaraikan konteks 128K, penaakulan boleh laras, penggunaan alat natif dan JSON sejajar skema. Ciri ini tergolong dalam varian Mercury 2 yang didokumenkan, berasingan daripada konteks Mercury 2.5 yang lebih baharu dan model khusus Voice, Router dan Edit. Tetapkan bentuk jawapan akhir secara jelas, bukannya menyimpulkan output pertuturan atau penyuntingan daripada nama keluarga.
Untuk pengekstrakan mudah, berikan takrif medan dan petikan sumber. Untuk tugas penaakulan, nyatakan syarat lengkap dan kekangan yang mesti dipenuhi. Ringkasan arahan praktikal ialah: “Bandingkan pelaksanaan ini dengan keperluan, kenal pasti ketidakpadanan pertama dan kembalikan pembetulan terfokus dengan penerangan sokongannya.” Hasil akhir patut kekal terikat pada input walaupun model membangunkan analisis perantaraan.
Pembuat menerangkan pelengkapan automatik, cadangan suntingan seterusnya, pemfaktoran semula dan ejen kod interaktif sebagai beban kerja berkaitan. Bekalkan pelaksanaan sekeliling dan kenal pasti perkara yang patut berubah. Terangkan tingkah laku yang dijangka dan kekalkan nama atau antara muka awam yang mesti dikekalkan oleh semakan. Suntingan cadangan kemudian boleh diperiksa kesesuaiannya sebelum diterapkan pada projek sebenar.
Dalam tugas pembangunan berpandukan alat, model memilih daripada operasi yang dibekalkan dan aplikasi melaksanakannya. Kembalikan ralat sebenar, petikan kod atau pemerhatian pengesahan kepada giliran seterusnya. Pelaksanaan yang dijana dan hasil yang berjaya dilaksanakan ialah artifak berasingan, dan tugas patut memerlukan pemerhatian yang membuktikan penyelesaian.
Kes penggunaan pengeluar Mercury 2 merangkumi pengambilan maklumat berbilang lompatan, penyusunan semula kedudukan dan peringkasan. Berikan tujuan tepat kepada setiap langkah: kenal pasti soalan untuk dicari, kriteria sumber berkaitan dan fakta yang diperlukan oleh jawapan akhir. Kekalkan pengecam sumber sepanjang aliran kerja supaya ringkasan boleh dijejaki kembali kepada bahannya.
Output berstruktur patut mempunyai medan yang ditakrifkan, jenis yang jelas dan konvensyen untuk maklumat yang tiada. Penjajaran skema berkaitan perwakilan hasil; bandingkan nilainya dengan dokumen atau pemerhatian alat sebenar. Dalam tugas berterusan, kekalkan dapatan berguna dan soalan yang belum diselesaikan, bukannya mengumpulkan sejarah yang tidak berkaitan.
Mercury 2 boleh membekalkan langkah penjanaan teks dalam aplikasi suara atau aplikasi interaktif lain. Peranannya yang didokumenkan di situ ialah menghasilkan perkataan atau keputusan yang digunakan komponen sekeliling, yang mengendalikan audio dan main balik. Untuk pembersihan transkrip, berikan transkrip dan nyatakan susunan kata, nama serta maksud yang mesti dikekalkan semasa suntingan.
Konteks 128K mengandungi bahan sumber, perbualan dan kandungan yang dijana bersama-sama. Peruntukkan ruang untuk respons akhir, pastikan soalan kekal jelas sepanjang semakan dan elakkan menganggap kapasiti konteks sebagai peruntukan output bebas. Semak fakta yang dijana, kod dan medan yang diekstrak berdasarkan input asal. Artifak yang berguna ialah jawapan terfokus atau hasil berstruktur yang memajukan tugas yang dinyatakan dan boleh disemak dengan bukti yang benar-benar dibekalkan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had inception/mercury-2 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.00005 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.00005 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "inception/mercury-2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'inception/mercury-2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'inception/mercury-2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra inception/mercury-2
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
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.