modeller

Inception: Mercury 3

Markdown · JSON

Inception: Mercury 3

inception/mercury-3
InceptionTekstInndata 0,0002 USD / 1KUtdata 0,0007 USD / 1K

Diffusjonsbasert tekstmodell fra Inception for dialog, store dokumenter og sammenhengende kunnskapsoppgaver i flere trinn.

En tekstmodell basert på diffusjon

Mercury 3 er en modell fra Inception som bruker en diffusjonsbasert tilnærming til tekstgenerering. Den viderefører Mercury-familien, som utvikleren retter mot interaktive applikasjoner og oppgaver med flere påfølgende modellforespørsler. I beskrivelsen av Mercury 3 fremhever Inception dialogbasert støtte, læring, dataarbeid og agentbaserte søkeoppgaver.

Diffusjonsarkitekturen er en egenskap ved modellen. Den bestemmer ikke svartiden i en konkret applikasjon: Resultatet avhenger også av forespørselens omfang, svarlengden og betjeningsforholdene. I Ailoot tar Mercury 3 imot tekst og returnerer tekst. Et slikt grensesnitt passer til forklaringer, dokumentbehandling og forberedelse av neste oppgavetrinn ut fra opplysningene som er gitt.

Stor kontekst for sammenhengende arbeid

For Mercury 3 i Ailoot er det oppgitt en kontekst på 1 000 000 tokener. Du kan samle en stor mengde tekstmateriale i én diskusjon: produktbeskrivelse, regler, korrespondanse og krav til resultatet. Verdien av stor kontekst blir tydelig når svaret må ta hensyn til flere oppgavedeler samtidig, for eksempel sammenligne en kundestøtteinstruks med avtalevilkår og utarbeide et svar på en konkret henvendelse.

I en slik forespørsel er det nyttig å merke dokumentene, beholde navnene deres og be om at hver konklusjon angir hvilket materiale den bygger på. Hvis oppgaven har flere trinn, kan du definere mellomresultater: først relevante regler, så analyse av tilfellet og deretter et svarutkast. Dette gjør resultatet enklere å kontrollere og lar deg presisere ett trinn uten å beskrive hele oppgaven på nytt.

Interaktive bruksområder

I en læringsdialog kan Mercury 3 brukes til å gjennomgå en løsning, lage et hint eller forklare et begrep på et gitt nivå. I dataarbeid kan du sende inn feltbeskrivelser, et tekstlig datautvalg og et spørsmål for å få forklart mønstre eller foreslått en omformingsplan. For kundestøtte kan du legge ved reglene og be om et forståelig svar tilpasset brukerens situasjon.

Disse bruksmåtene benytter tekstmodellen som del av en arbeidsprosess. Selvstendig nettsøk, nettleserstyring, tilgang til virksomhetssystemer og talesamtaler avhenger av verktøyene som er koblet til applikasjonen. Mercury Voice og Mercury Decide er egne produkter fra Inception; deres spesialfunksjoner inngår ikke i beskrivelsen av Mercury 3.

Tilgjengelig via Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Inndatatyper
text
Utdatatyper
text
Kontekst
Ikke angitt i katalogen
Maks. svar
Ikke angitt i katalogen
Inndata
0,0002 USD / 1K
Utdata
0,0007 USD / 1K
Lesing fra hurtigbuffer
0,00002 USD / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Inndatatyper
text
Utdatatyper
text
Kontekst
Ikke angitt i katalogen
Maks. svar
Ikke angitt i katalogen
Inndata
0,0002 USD / 1K
Utdata
0,0007 USD / 1K
Lesing fra hurtigbuffer
0,00002 USD / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Inndatatyper
text
Utdatatyper
text
Kontekst
Ikke angitt i katalogen
Maks. svar
Ikke angitt i katalogen
Inndata
0,0002 USD / 1K
Utdata
0,0007 USD / 1K
Lesing fra hurtigbuffer
0,00002 USD / 1K
Ultra Gemini generateContentPOST /v1beta/models/inception/mercury-3:generateContent
Inndatatyper
text
Utdatatyper
text
Kontekst
Ikke angitt i katalogen
Maks. svar
Ikke angitt i katalogen
Inndata
0,0002 USD / 1K
Utdata
0,0007 USD / 1K
Lesing fra hurtigbuffer
0,00002 USD / 1K
inception/mercury-3 · JSON
{"about":"### En tekstmodell basert på diffusjon\n\nMercury 3 er en modell fra Inception som bruker en diffusjonsbasert tilnærming til tekstgenerering. Den viderefører Mercury-familien, som utvikleren retter mot interaktive applikasjoner og oppgaver med flere påfølgende modellforespørsler. I beskrivelsen av Mercury 3 fremhever Inception dialogbasert støtte, læring, dataarbeid og agentbaserte søkeoppgaver.\n\nDiffusjonsarkitekturen er en egenskap ved modellen. Den bestemmer ikke svartiden i en konkret applikasjon: Resultatet avhenger også av forespørselens omfang, svarlengden og betjeningsforholdene. I Ailoot tar Mercury 3 imot tekst og returnerer tekst. Et slikt grensesnitt passer til forklaringer, dokumentbehandling og forberedelse av neste oppgavetrinn ut fra opplysningene som er gitt.\n\n### Stor kontekst for sammenhengende arbeid\n\nFor Mercury 3 i Ailoot er det oppgitt en kontekst på 1 000 000 tokener. Du kan samle en stor mengde tekstmateriale i én diskusjon: produktbeskrivelse, regler, korrespondanse og krav til resultatet. Verdien av stor kontekst blir tydelig når svaret må ta hensyn til flere oppgavedeler samtidig, for eksempel sammenligne en kundestøtteinstruks med avtalevilkår og utarbeide et svar på en konkret henvendelse.\n\nI en slik forespørsel er det nyttig å merke dokumentene, beholde navnene deres og be om at hver konklusjon angir hvilket materiale den bygger på. Hvis oppgaven har flere trinn, kan du definere mellomresultater: først relevante regler, så analyse av tilfellet og deretter et svarutkast. Dette gjør resultatet enklere å kontrollere og lar deg presisere ett trinn uten å beskrive hele oppgaven på nytt.\n\n### Interaktive bruksområder\n\nI en læringsdialog kan Mercury 3 brukes til å gjennomgå en løsning, lage et hint eller forklare et begrep på et gitt nivå. I dataarbeid kan du sende inn feltbeskrivelser, et tekstlig datautvalg og et spørsmål for å få forklart mønstre eller foreslått en omformingsplan. For kundestøtte kan du legge ved reglene og be om et forståelig svar tilpasset brukerens situasjon.\n\nDisse bruksmåtene benytter tekstmodellen som del av en arbeidsprosess. Selvstendig nettsøk, nettleserstyring, tilgang til virksomhetssystemer og talesamtaler avhenger av verktøyene som er koblet til applikasjonen. Mercury Voice og Mercury Decide er egne produkter fra Inception; deres spesialfunksjoner inngår ikke i beskrivelsen av Mercury 3.","alias_of":null,"aliases":[],"author":"Inception","canonical_model":"inception/mercury-3","ctx":null,"formats":["chat","gemini","messages","responses"],"id":"inception/mercury-3","input":["text"],"kind":"text","max_out":null,"methods":[{"cache_read":0.02,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":0.2,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":0.7,"output":["text"],"path":"/v1/messages","request_model_id":"inception/mercury-3","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.02,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":0.2,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":0.7,"output":["text"],"path":"/v1/responses","request_model_id":"inception/mercury-3","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.02,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":0.2,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":0.7,"output":["text"],"path":"/v1/chat/completions","request_model_id":"inception/mercury-3","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.02,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":0.2,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":0.7,"output":["text"],"path":"/v1beta/models/inception/mercury-3:generateContent","request_model_id":"inception/mercury-3","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"inception/mercury-3","request_model_id":"inception/mercury-3","route_label":"Ultra"}],"name":"Inception: Mercury 3","price":{"in":0.2,"in_label":null,"out":0.7,"out_label":null,"sort_in":0.2,"sort_out":0.7,"varies":false},"public_id":"inception/mercury-3","short":"Diffusjonsbasert tekstmodell fra Inception for dialog, store dokumenter og sammenhengende kunnskapsoppgaver i flere trinn."}

Spørsmål

Hvordan velger jeg en modell til oppgaven min?

Avklar først hvilke inndata og utdata du trenger: tekst, bilder, lyd eller video. Sammenlign deretter kompatible API-metoder, den eksakte modell-ID-en eller modellen aliaset peker til nå, pris og faktureringsenhet. GET /v1/models er gratis og viser modellene som er tilgjengelige for nøkkelen din.

Støtter hver modell alle API-metoder og medietyper?

Bruk API-metodene og typene inndata/utdata som er oppført på modellkortet. Støtte for tekst, bilder, lyd eller video avhenger av den valgte modellen og metoden; se det aktuelle eksemplet på en forespørsel før du sender dataene dine.

Hva er forskjellen på en modell-ID og et alias?

En eksakt modell-ID identifiserer en bestemt modell. Et alias peker til en modell, og målmodellen kan endres. Sjekk i katalogen hvilken modell aliaset peker til nå; bruk den eksakte ID-en når integrasjonen din krever en bestemt modell.

Hvordan sammenligner jeg priser før jeg sender en forespørsel?

Se modellkortet for pris og faktureringsenhet for den valgte API-metoden. Sammenlign samme enhet og samme type inndata/utdata; forespørselshistorikken viser faktisk bruk og belastet beløp.

Hva gir abonnementet?

Rabatt på tokenkjøp for jevnlig bruk. Velg etter forespørselsvolum; vilkår og abonnementspris vises ved bestilling.

Hvordan bruker jeg kampanjekode opptil 50% rabatt?

Oppgi koden ved tokenkjøp. Beløpet beregnes etter kampanjevilkårene; rabattstørrelsen vises før betaling.