Mercury 2.5 — диффузионная языковая модель Inception для рассуждений. Она следует за Mercury 2 с обновлённым обучением, учитывающим обратную связь из эксплуатации и случаи ошибок, сохраняя направленность семейства на быстро реагирующую генерацию текста. Опубликованный вариант включает контекст 260K, настраиваемое рассуждение, параллельные вызовы инструментов и JSON, согласованный со схемой. На вход подаются письменное задание и нужный текстовый контекст; на выходе — текст, код, структурированная запись или предложенное содержимое вызова инструмента.
Семейство Mercury генерирует язык посредством параллельного уточнения, а не только предсказывает токены один за другим слева направо. Такая архитектура призвана вписать повторяющиеся шаги модели в интерактивный рабочий процесс. Настраиваемое рассуждение позволяет варианту производителя подбирать глубину анализа под задачу. Явно задайте нужный итоговый результат: ответ может требоваться короткий, даже если промежуточный процесс сложнее.
Для сравнения передайте критерии и помеченные исходные фрагменты. Для извлечения определите поля и их смысл. Полезная инструкция: «Преобразуй эти исходные фрагменты в запись обязательных характеристик, сохрани единицы измерения и укажи фрагмент, подтверждающий каждое значение». Вывод по схеме даёт приложению организованный результат; соответствие источнику всё равно требует проверки.
Производитель описывает применение Mercury для планирования поиска, переформулирования запросов, структурирования фактов, краткого изложения источников и проверки ответов. Приложение может задавать каждому шагу конкретную цель и передавать нужные сведения следующему. При переформулировании запроса требуйте сохранять реальные ограничения пользователя, а при изложении источника — факты, нужные итоговому ответу, вместо простого сокращения каждого фрагмента.
Параллельные вызовы инструментов Mercury 2.5 полезны, когда независимые операции могут получить разные наблюдения для задачи. Предоставьте понятные определения функций и схемы параметров. Приложение выполняет выбранные вызовы и возвращает результаты. Держите идентификаторы вызовов и метки источников вместе, чтобы итоговый ответ использовал наблюдаемую информацию, а не предположение, что инструмент был выполнен.
Разработчик также описывает помощь с кодом и вспомогательные операции, например сжатие длинной сессии или поиск подходящего инструмента. Для сжатия определите, что нужно следующей задаче: принятые требования, текущие ошибки, решения и подтверждающие их данные. Попросите модель сохранить эти сведения и отличать незавершённую работу от готового результата.
Для изменения ПО передайте нужный код, ожидаемое поведение и входные данные, вызывающие сбой, или наблюдаемую ошибку. Запросите конкретную реализацию и объяснение. Если визуальное или речевое приложение использует Mercury на языковом этапе, передайте текст или наблюдение инструмента, которые модель фактически получает; распознавание речи, синтез речи и рендеринг медиа остаются отдельными компонентами.
Контекст 260K относится к документированному варианту 2.5 и отличается от стартового контекста Mercury 2 в 128K и специализированных моделей Mercury Voice и Router. Планируйте исходные материалы, историю, рассуждение и итоговый результат вместе. Выберите форму вывода до начала задачи и оставьте место для ответа с обязательными деталями.
Полезный итог — структурированное извлечение, объяснение по источникам, предложение кода или краткое описание состояния задачи. Проверяйте факты по переданным материалам, а код — в целевой среде. Диффузионная архитектура и роль в быстро реагирующих задачах сами по себе не подтверждают правильность, доступ к внешнему источнику или выполнение предложенного действия.
", "aboutText": "Mercury 2.5 — диффузионная языковая модель Inception для рассуждений. Она следует за Mercury 2 с обновлённым обучением, учитывающим обратную связь из эксплуатации и случаи ошибок, сохраняя направленность семейства на быстро реагирующую генерацию текста. Опубликованный вариант включает контекст 260K, настраиваемое рассуждение, параллельные вызовы инструментов и JSON, согласованный со схемой. На вход подаются письменное задание и нужный текстовый контекст; на выходе — текст, код, структурированная запись или предложенное содержимое вызова инструмента.\n\n### Диффузия и рассуждение\n\nСемейство Mercury генерирует язык посредством параллельного уточнения, а не только предсказывает токены один за другим слева направо. Такая архитектура призвана вписать повторяющиеся шаги модели в интерактивный рабочий процесс. Настраиваемое рассуждение позволяет варианту производителя подбирать глубину анализа под задачу. Явно задайте нужный итоговый результат: ответ может требоваться короткий, даже если промежуточный процесс сложнее.\n\nДля сравнения передайте критерии и помеченные исходные фрагменты. Для извлечения определите поля и их смысл. Полезная инструкция: «Преобразуй эти исходные фрагменты в запись обязательных характеристик, сохрани единицы измерения и укажи фрагмент, подтверждающий каждое значение». Вывод по схеме даёт приложению организованный результат; соответствие источнику всё равно требует проверки.\n\n### Поиск и получение информации\n\nПроизводитель описывает применение Mercury для планирования поиска, переформулирования запросов, структурирования фактов, краткого изложения источников и проверки ответов. Приложение может задавать каждому шагу конкретную цель и передавать нужные сведения следующему. При переформулировании запроса требуйте сохранять реальные ограничения пользователя, а при изложении источника — факты, нужные итоговому ответу, вместо простого сокращения каждого фрагмента.\n\nПараллельные вызовы инструментов Mercury 2.5 полезны, когда независимые операции могут получить разные наблюдения для задачи. Предоставьте понятные определения функций и схемы параметров. Приложение выполняет выбранные вызовы и возвращает результаты. Держите идентификаторы вызовов и метки источников вместе, чтобы итоговый ответ использовал наблюдаемую информацию, а не предположение, что инструмент был выполнен.\n\n### Работа с кодом и контекстом\n\nРазработчик также описывает помощь с кодом и вспомогательные операции, например сжатие длинной сессии или поиск подходящего инструмента. Для сжатия определите, что нужно следующей задаче: принятые требования, текущие ошибки, решения и подтверждающие их данные. Попросите модель сохранить эти сведения и отличать незавершённую работу от готового результата.\n\nДля изменения ПО передайте нужный код, ожидаемое поведение и входные данные, вызывающие сбой, или наблюдаемую ошибку. Запросите конкретную реализацию и объяснение. Если визуальное или речевое приложение использует Mercury на языковом этапе, передайте текст или наблюдение инструмента, которые модель фактически получает; распознавание речи, синтез речи и рендеринг медиа остаются отдельными компонентами.\n\n### Ограничения и проверка результата\n\nКонтекст 260K относится к документированному варианту 2.5 и отличается от стартового контекста Mercury 2 в 128K и специализированных моделей Mercury Voice и Router. Планируйте исходные материалы, историю, рассуждение и итоговый результат вместе. Выберите форму вывода до начала задачи и оставьте место для ответа с обязательными деталями.\n\nПолезный итог — структурированное извлечение, объяснение по источникам, предложение кода или краткое описание состояния задачи. Проверяйте факты по переданным материалам, а код — в целевой среде. Диффузионная архитектура и роль в быстро реагирующих задачах сами по себе не подтверждают правильность, доступ к внешнему источнику или выполнение предложенного действия.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
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 — диффузионная текстовая модель Inception для рассуждений с контекстом 260K. Настраиваемое рассуждение, параллельные вызовы инструментов и JSON по схеме поддерживают поиск, извлечение данных, помощь с кодом и повторяющиеся агентные шаги, которым нужен ясный структурированный результат.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Mercury 2.5 — диффузионная языковая модель Inception для рассуждений. Она следует за Mercury 2 с обновлённым обучением, учитывающим обратную связь из эксплуатации и случаи ошибок, сохраняя направленность семейства на быстро реагирующую генерацию текста. Опубликованный вариант включает контекст 260K, настраиваемое рассуждение, параллельные вызовы инструментов и JSON, согласованный со схемой. На вход подаются письменное задание и нужный текстовый контекст; на выходе — текст, код, структурированная запись или предложенное содержимое вызова инструмента.
Семейство Mercury генерирует язык посредством параллельного уточнения, а не только предсказывает токены один за другим слева направо. Такая архитектура призвана вписать повторяющиеся шаги модели в интерактивный рабочий процесс. Настраиваемое рассуждение позволяет варианту производителя подбирать глубину анализа под задачу. Явно задайте нужный итоговый результат: ответ может требоваться короткий, даже если промежуточный процесс сложнее.
Для сравнения передайте критерии и помеченные исходные фрагменты. Для извлечения определите поля и их смысл. Полезная инструкция: «Преобразуй эти исходные фрагменты в запись обязательных характеристик, сохрани единицы измерения и укажи фрагмент, подтверждающий каждое значение». Вывод по схеме даёт приложению организованный результат; соответствие источнику всё равно требует проверки.
Производитель описывает применение Mercury для планирования поиска, переформулирования запросов, структурирования фактов, краткого изложения источников и проверки ответов. Приложение может задавать каждому шагу конкретную цель и передавать нужные сведения следующему. При переформулировании запроса требуйте сохранять реальные ограничения пользователя, а при изложении источника — факты, нужные итоговому ответу, вместо простого сокращения каждого фрагмента.
Параллельные вызовы инструментов Mercury 2.5 полезны, когда независимые операции могут получить разные наблюдения для задачи. Предоставьте понятные определения функций и схемы параметров. Приложение выполняет выбранные вызовы и возвращает результаты. Держите идентификаторы вызовов и метки источников вместе, чтобы итоговый ответ использовал наблюдаемую информацию, а не предположение, что инструмент был выполнен.
Разработчик также описывает помощь с кодом и вспомогательные операции, например сжатие длинной сессии или поиск подходящего инструмента. Для сжатия определите, что нужно следующей задаче: принятые требования, текущие ошибки, решения и подтверждающие их данные. Попросите модель сохранить эти сведения и отличать незавершённую работу от готового результата.
Для изменения ПО передайте нужный код, ожидаемое поведение и входные данные, вызывающие сбой, или наблюдаемую ошибку. Запросите конкретную реализацию и объяснение. Если визуальное или речевое приложение использует Mercury на языковом этапе, передайте текст или наблюдение инструмента, которые модель фактически получает; распознавание речи, синтез речи и рендеринг медиа остаются отдельными компонентами.
Контекст 260K относится к документированному варианту 2.5 и отличается от стартового контекста Mercury 2 в 128K и специализированных моделей Mercury Voice и Router. Планируйте исходные материалы, историю, рассуждение и итоговый результат вместе. Выберите форму вывода до начала задачи и оставьте место для ответа с обязательными деталями.
Полезный итог — структурированное извлечение, объяснение по источникам, предложение кода или краткое описание состояния задачи. Проверяйте факты по переданным материалам, а код — в целевой среде. Диффузионная архитектура и роль в быстро реагирующих задачах сами по себе не подтверждают правильность, доступ к внешнему источнику или выполнение предложенного действия.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения inception/mercury-2.5 | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения Примеры: system, user, assistant, tool, function Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели. Зависит от модели | По умолчанию— |
Полеmessages[].content | Типstring|content_part[]|null | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_calls | Типtool_call[] | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_call_id | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: role=tool; используйте фактически возвращённый ID | По умолчанию— |
Полеmessages[].name | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].reasoning_content | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует | По умолчанию— |
Полеmessages[].reasoning_details | Типobject|array | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеmax_completion_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеstream_options.include_usage | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtemperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtop_p | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеstop | Типstring|string[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools | Типfunction_tool[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].type | Типstring | ТребованиеНеобязательно | Значения и ограничения function Зависит от модели | По умолчанию— |
Полеtools[].function.name | Типstring | ТребованиеОбязательно | Значения и ограничения Применяется, когда: передан инструмент-функция | По умолчанию— |
Полеtools[].function.description | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtools[].function.parameters | ТипJSON_schema | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtool_choice | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеparallel_tool_calls | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеresponse_format | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning_effort | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеservice_tier | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеinstructions | Типstring | ТребованиеНеобязательно | Значения и ограничения Поле совместимости | По умолчанию— |
Полеfunctions | Типfunction[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеfunction_call | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеprompt_cache_options | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmodalities | Типstring[] | ТребованиеНеобязательно | Значения и ограничения text | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется на этом текстовом маршруте Ultra | По умолчанию— |
Полеcache_control.ttl | Типstring | ТребованиеНеобязательно | Значения и ограничения Условия: 1h отклоняется в фактических местах настройки кэша запросов | По умолчанию— |
Текст · Текст UTF8
messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages |
Параметрmaterial_types | Контрактtext |
Параметрmessages | Контрактмассив сообщений со структурой role/content |
Параметрfile_material | Контрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него |
Параметрoptional_controls | Контрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Контрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса |
Параметрoutput_modalities | Контрактtext |
Параметрhosted_operations | Контрактfalse |
Параметрmultimodal_input_binding | Контрактnull |
Жизненный цикл: synchronous_or_streamed
Отправляйте точный ID модели вместе с messages.
Длина контекста не является пределом выхода.
Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата |
|---|---|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0004 / 1K токенов Выход · Выходные токены $0.0015 / 1K токенов Вход · Чтение кэша $0.00004 / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0004 / 1K токенов Выход · Выходные токены $0.0015 / 1K токенов Вход · Чтение кэша $0.00004 / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеchoices[].index | Типinteger |
Полеchoices[].message.content | Типstring|null |
Полеchoices[].message.tool_calls | Типtool_call[] |
Полеchoices[].message.reasoning_content | Типstring |
Полеchoices[].message.reasoning_details | Типobject|array |
Полеchoices[].finish_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra inception/mercury-2.5
Используйте пути методов, указанные выше.
inception/mercury-2.5Mercury 2.5 — диффузионная текстовая модель Inception для рассуждений с контекстом 260K. Настраиваемое рассуждение, параллельные вызовы инструментов и JSON по схеме поддерживают поиск, извлечение данных, помощь с кодом и повторяющиеся агентные шаги, которым нужен ясный структурированный результат.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Mercury 2.5 — диффузионная языковая модель Inception для рассуждений. Она следует за Mercury 2 с обновлённым обучением, учитывающим обратную связь из эксплуатации и случаи ошибок, сохраняя направленность семейства на быстро реагирующую генерацию текста. Опубликованный вариант включает контекст 260K, настраиваемое рассуждение, параллельные вызовы инструментов и JSON, согласованный со схемой. На вход подаются письменное задание и нужный текстовый контекст; на выходе — текст, код, структурированная запись или предложенное содержимое вызова инструмента.
Семейство Mercury генерирует язык посредством параллельного уточнения, а не только предсказывает токены один за другим слева направо. Такая архитектура призвана вписать повторяющиеся шаги модели в интерактивный рабочий процесс. Настраиваемое рассуждение позволяет варианту производителя подбирать глубину анализа под задачу. Явно задайте нужный итоговый результат: ответ может требоваться короткий, даже если промежуточный процесс сложнее.
Для сравнения передайте критерии и помеченные исходные фрагменты. Для извлечения определите поля и их смысл. Полезная инструкция: «Преобразуй эти исходные фрагменты в запись обязательных характеристик, сохрани единицы измерения и укажи фрагмент, подтверждающий каждое значение». Вывод по схеме даёт приложению организованный результат; соответствие источнику всё равно требует проверки.
Производитель описывает применение Mercury для планирования поиска, переформулирования запросов, структурирования фактов, краткого изложения источников и проверки ответов. Приложение может задавать каждому шагу конкретную цель и передавать нужные сведения следующему. При переформулировании запроса требуйте сохранять реальные ограничения пользователя, а при изложении источника — факты, нужные итоговому ответу, вместо простого сокращения каждого фрагмента.
Параллельные вызовы инструментов Mercury 2.5 полезны, когда независимые операции могут получить разные наблюдения для задачи. Предоставьте понятные определения функций и схемы параметров. Приложение выполняет выбранные вызовы и возвращает результаты. Держите идентификаторы вызовов и метки источников вместе, чтобы итоговый ответ использовал наблюдаемую информацию, а не предположение, что инструмент был выполнен.
Разработчик также описывает помощь с кодом и вспомогательные операции, например сжатие длинной сессии или поиск подходящего инструмента. Для сжатия определите, что нужно следующей задаче: принятые требования, текущие ошибки, решения и подтверждающие их данные. Попросите модель сохранить эти сведения и отличать незавершённую работу от готового результата.
Для изменения ПО передайте нужный код, ожидаемое поведение и входные данные, вызывающие сбой, или наблюдаемую ошибку. Запросите конкретную реализацию и объяснение. Если визуальное или речевое приложение использует Mercury на языковом этапе, передайте текст или наблюдение инструмента, которые модель фактически получает; распознавание речи, синтез речи и рендеринг медиа остаются отдельными компонентами.
Контекст 260K относится к документированному варианту 2.5 и отличается от стартового контекста Mercury 2 в 128K и специализированных моделей Mercury Voice и Router. Планируйте исходные материалы, историю, рассуждение и итоговый результат вместе. Выберите форму вывода до начала задачи и оставьте место для ответа с обязательными деталями.
Полезный итог — структурированное извлечение, объяснение по источникам, предложение кода или краткое описание состояния задачи. Проверяйте факты по переданным материалам, а код — в целевой среде. Диффузионная архитектура и роль в быстро реагирующих задачах сами по себе не подтверждают правильность, доступ к внешнему источнику или выполнение предложенного действия.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения inception/mercury-2.5 | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— |
Полеmessages[].content | Типstring | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Текст · Текст UTF-8
строка messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages, max_tokens |
Параметрoptional_controls | Контрактstream |
Параметрmaterial_types | Контрактtext |
Параметрtext_file_material | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. |
Жизненный цикл: synchronous_or_streamed
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата |
|---|---|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0004 / 1K токенов Выход · Выходные токены $0.0015 / 1K токенов Вход · Чтение кэша $0.00004 / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0004 / 1K токенов Выход · Выходные токены $0.0015 / 1K токенов Вход · Чтение кэша $0.00004 / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "inception/mercury-2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеid | Типstring |
Полеmodel | Типstring |
Полеcontent[] | Типtext|thinking|tool_use|other content block |
Полеstop_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra inception/mercury-2.5
Используйте пути методов, указанные выше.
Технический пример на английском
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.