Source: https://ailoot.ai/models/ru/inception-mercury-3/ Canonical: https://ailoot.ai/models/ru/inception-mercury-3/ Language: ru # Inception: Mercury 3 [Markdown](https://ailoot.ai/models/ru/inception-mercury-3/index.md) · [JSON](https://ailoot.ai/models/ru/inception-mercury-3/facts.json) ## [Inception: Mercury 3](https://ailoot.ai/models/ru/inception-mercury-3/) `inception/mercury-3` InceptionТекстВход 0,0002 $ / 1KВыход 0,0007 $ / 1K Диффузионная текстовая модель Inception для диалогов, работы с большими документами и последовательных интеллектуальных задач. ### Текстовая модель на основе диффузии Mercury 3 — модель Inception, использующая диффузионный подход к генерации текста. Это продолжение семейства Mercury, которое разработчик развивает для интерактивных приложений и задач с несколькими последовательными обращениями к модели. В описании Mercury 3 Inception выделяет диалоговую поддержку, обучение, работу с данными и поисковые агентные сценарии. Диффузионная архитектура — свойство модели. Она не задаёт время ответа конкретного приложения: итог зависит также от объёма запроса, длины результата и условий обслуживания. В Ailoot Mercury 3 принимает текст и возвращает текст. Такой интерфейс подходит для объяснений, обработки документов и подготовки следующего шага в задаче по предоставленным сведениям. ### Большой контекст для связанной работы Для Mercury 3 в Ailoot указан контекст 1 000 000 токенов. В одном обсуждении можно собрать большой набор текстовых материалов: описание продукта, правила, переписку и требования к результату. Практическая ценность большого контекста проявляется, когда ответ должен учитывать несколько частей задачи одновременно — например, сопоставить инструкцию поддержки с условиями договора и подготовить ответ на конкретное обращение. Для такого запроса полезно обозначить документы, сохранить их названия и попросить указывать, на какой материал опирается каждый вывод. Если задача состоит из нескольких шагов, задайте промежуточный результат: сначала перечень релевантных правил, затем разбор случая, после этого проект ответа. Это делает результат проще для проверки и позволяет уточнить один этап без повторного описания всей задачи. ### Интерактивные сценарии В учебном диалоге Mercury 3 можно использовать для разбора решения, подготовки подсказки или объяснения понятия на заданном уровне. В работе с данными — передать описание полей, текстовую выборку и вопрос, чтобы получить пояснение закономерностей либо план преобразования. Для поддержки — приложить правила и попросить составить понятный ответ с учётом ситуации пользователя. Эти сценарии используют текстовую модель как часть рабочего процесса. Самостоятельный поиск в интернете, управление браузером, доступ к системам компании и голосовое общение зависят от подключённых инструментов приложения. Mercury Voice и Mercury Decide — отдельные продукты Inception; их специализированные возможности не входят в описание Mercury 3. ### Доступно в Ailoot API Входные данные `text` Результат `text` Контекст В каталоге не указано Макс. ответ В каталоге не указано Вход 0,0002 $ */ 1K* Выход 0,0007 $ */ 1K* Чтение кэша 0,00002 $ */ 1K* Входные данные `text` Результат `text` Контекст В каталоге не указано Макс. ответ В каталоге не указано Вход 0,0002 $ */ 1K* Выход 0,0007 $ */ 1K* Чтение кэша 0,00002 $ */ 1K* Входные данные `text` Результат `text` Контекст В каталоге не указано Макс. ответ В каталоге не указано Вход 0,0002 $ */ 1K* Выход 0,0007 $ */ 1K* Чтение кэша 0,00002 $ */ 1K* Входные данные `text` Результат `text` Контекст В каталоге не указано Макс. ответ В каталоге не указано Вход 0,0002 $ */ 1K* Выход 0,0007 $ */ 1K* Чтение кэша 0,00002 $ */ 1K* `inception/mercury-3` · JSON ``` {"about":"### Текстовая модель на основе диффузии\n\nMercury 3 — модель Inception, использующая диффузионный подход к генерации текста. Это продолжение семейства Mercury, которое разработчик развивает для интерактивных приложений и задач с несколькими последовательными обращениями к модели. В описании Mercury 3 Inception выделяет диалоговую поддержку, обучение, работу с данными и поисковые агентные сценарии.\n\nДиффузионная архитектура — свойство модели. Она не задаёт время ответа конкретного приложения: итог зависит также от объёма запроса, длины результата и условий обслуживания. В Ailoot Mercury 3 принимает текст и возвращает текст. Такой интерфейс подходит для объяснений, обработки документов и подготовки следующего шага в задаче по предоставленным сведениям.\n\n### Большой контекст для связанной работы\n\nДля Mercury 3 в Ailoot указан контекст 1 000 000 токенов. В одном обсуждении можно собрать большой набор текстовых материалов: описание продукта, правила, переписку и требования к результату. Практическая ценность большого контекста проявляется, когда ответ должен учитывать несколько частей задачи одновременно — например, сопоставить инструкцию поддержки с условиями договора и подготовить ответ на конкретное обращение.\n\nДля такого запроса полезно обозначить документы, сохранить их названия и попросить указывать, на какой материал опирается каждый вывод. Если задача состоит из нескольких шагов, задайте промежуточный результат: сначала перечень релевантных правил, затем разбор случая, после этого проект ответа. Это делает результат проще для проверки и позволяет уточнить один этап без повторного описания всей задачи.\n\n### Интерактивные сценарии\n\nВ учебном диалоге Mercury 3 можно использовать для разбора решения, подготовки подсказки или объяснения понятия на заданном уровне. В работе с данными — передать описание полей, текстовую выборку и вопрос, чтобы получить пояснение закономерностей либо план преобразования. Для поддержки — приложить правила и попросить составить понятный ответ с учётом ситуации пользователя.\n\nЭти сценарии используют текстовую модель как часть рабочего процесса. Самостоятельный поиск в интернете, управление браузером, доступ к системам компании и голосовое общение зависят от подключённых инструментов приложения. Mercury Voice и Mercury Decide — отдельные продукты Inception; их специализированные возможности не входят в описание 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":"Диффузионная текстовая модель Inception для диалогов, работы с большими документами и последовательных интеллектуальных задач."} ``` ## Вопросы Как выбрать модель для своей задачи? Сначала определите нужные вход и выход: текст, изображение, аудио или видео. Затем сравните совместимые API-методы, точный ID модели или текущую цель alias, цену и единицу расчёта. Бесплатный GET /v1/models показывает модели, доступные вашему ключу. Каждая ли модель поддерживает все API-методы и типы медиа? Используйте API-методы и типы входа и выхода, указанные в карточке модели. Поддержка текста, изображений, аудио или видео зависит от выбранных модели и метода; перед отправкой данных проверьте их пример запроса. Чем точный ID модели отличается от alias? Точный ID обозначает конкретную модель. Alias указывает на модель, и его цель может меняться. Проверьте текущую цель alias в каталоге; используйте точный ID, когда интеграции нужна конкретная модель. Как сравнить цены до отправки запроса? Проверьте в карточке модели цену и единицу расчёта для выбранного API-метода. Сравнивайте одинаковые единицы и типы входа и выхода; история запросов показывает фактическое использование и списанную сумму. Что даёт подписка? Скидку на покупку токенов для регулярной работы. Выберите тариф по своему объёму запросов; условия и стоимость подписки показаны при оформлении. Как применить промокод на скидку до 50%? Введите промокод при покупке токенов. Итоговая сумма пересчитывается по условиям акции; размер скидки виден до оплаты. ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.