Mercury 2 är Inceptions språkmodell för resonemang, byggd kring diffusionsbaserad textgenerering. I stället för att enbart avkoda sekventiellt från vänster till höger förfinar modellen flera token parallellt mot resultatet. Tillverkaren utvecklar denna variant för återkommande interaktiva steg inom programmering, agenter, informationshämtning och extraktion. Den tar emot skriftliga instruktioner och textkontext och producerar ett textsvar, kod, strukturerade data eller föreslagna verktygsoperationer.
Den exakta lanseringsbeskrivningen anger en kontext på 128K, justerbart resonemang, inbyggd verktygsanvändning och schemaanpassad JSON. Dessa funktioner tillhör Mercury 2:s dokumenterade variant, separat från den senare Mercury 2.5-kontexten och de specialiserade modellerna Voice, Router och Edit. Ange det slutliga svarets form uttryckligt i stället för att härleda tal- eller redigeringsutdata ur familjenamnet.
För en enkel extraktion anger du fältdefinitionerna och källavsnittet. För en resonemangsuppgift anger du det fullständiga villkoret och de begränsningar som måste gälla. Ett praktiskt underlag är: ”Jämför denna implementation med kraven, identifiera den första avvikelsen och returnera en fokuserad korrigering med en stödjande förklaring.” Slutresultatet bör förbli kopplat till indata även när modellen utvecklar mellanliggande analys.
Tillverkaren beskriver automatisk komplettering, förslag på nästa redigering, refaktorering och interaktiva kodagenter som relevanta arbetsuppgifter. Tillhandahåll den omgivande implementationen och identifiera vad som ska ändras. Förklara det förväntade beteendet och bevara offentliga namn eller gränssnitt som omarbetningen måste behålla. En föreslagen redigering kan då granskas för lämplighet innan den tillämpas på det faktiska projektet.
I en verktygsstyrd utvecklingsuppgift väljer modellen bland tillhandahållna operationer och applikationen utför dem. Återför verkliga fel, kodutdrag eller valideringsobservationer till nästa tur. Den genererade implementationen och ett framgångsrikt utfört resultat är separata leveranser, och uppgiften bör kräva den observation som fastställer slutförande.
Tillverkarens användningsfall för Mercury 2 omfattar informationshämtning i flera led, omrangering och sammanfattning. Ge varje steg ett exakt syfte: identifiera frågan som ska sökas, kriterierna för en relevant källa och de fakta som det slutliga svaret behöver. Behåll källidentifierare genom arbetsflödet så att en sammanfattning kan spåras tillbaka till sitt material.
En strukturerad utdata bör ha definierade fält, tydliga typer och en konvention för saknad information. Schemaanpassning gäller resultatets representation; jämför dess värden med det faktiska dokumentet eller verktygsobservationen. I en pågående uppgift behåller du användbara slutsatser och obesvarade frågor snarare än samlar orelaterad historik.
Mercury 2 kan tillhandahålla textgenereringssteget i en röstbaserad eller annan interaktiv applikation. Dess dokumenterade roll där är att producera orden eller beslutet som de omgivande komponenterna använder för att hantera ljud och uppspelning. För rensning av en transkription tillhandahåller du transkriptionen och anger vilken ordalydelse, vilka namn och vilken betydelse som måste överleva redigeringen.
Kontexten på 128K innehåller källmaterial, samtal och genererat innehåll tillsammans. Reservera utrymme för det slutliga svaret, håll frågan synlig genom omarbetningar och undvik att behandla kontextkapacitet som en oberoende utdatakapacitet. Granska genererade fakta, kod och extraherade fält mot den ursprungliga indatan. Det användbara resultatet är ett fokuserat svar eller ett strukturerat resultat som för den angivna uppgiften framåt och kan kontrolleras med det underlag som faktiskt har tillhandahållits.
", "aboutText": "Mercury 2 är Inceptions språkmodell för resonemang, byggd kring diffusionsbaserad textgenerering. I stället för att enbart avkoda sekventiellt från vänster till höger förfinar modellen flera token parallellt mot resultatet. Tillverkaren utvecklar denna variant för återkommande interaktiva steg inom programmering, agenter, informationshämtning och extraktion. Den tar emot skriftliga instruktioner och textkontext och producerar ett textsvar, kod, strukturerade data eller föreslagna verktygsoperationer.\n\n### Tillverkarens modellvariant\n\nDen exakta lanseringsbeskrivningen anger en kontext på 128K, justerbart resonemang, inbyggd verktygsanvändning och schemaanpassad JSON. Dessa funktioner tillhör Mercury 2:s dokumenterade variant, separat från den senare Mercury 2.5-kontexten och de specialiserade modellerna Voice, Router och Edit. Ange det slutliga svarets form uttryckligt i stället för att härleda tal- eller redigeringsutdata ur familjenamnet.\n\nFör en enkel extraktion anger du fältdefinitionerna och källavsnittet. För en resonemangsuppgift anger du det fullständiga villkoret och de begränsningar som måste gälla. Ett praktiskt underlag är: ”Jämför denna implementation med kraven, identifiera den första avvikelsen och returnera en fokuserad korrigering med en stödjande förklaring.” Slutresultatet bör förbli kopplat till indata även när modellen utvecklar mellanliggande analys.\n\n### Kod- och redigeringsassistans\n\nTillverkaren beskriver automatisk komplettering, förslag på nästa redigering, refaktorering och interaktiva kodagenter som relevanta arbetsuppgifter. Tillhandahåll den omgivande implementationen och identifiera vad som ska ändras. Förklara det förväntade beteendet och bevara offentliga namn eller gränssnitt som omarbetningen måste behålla. En föreslagen redigering kan då granskas för lämplighet innan den tillämpas på det faktiska projektet.\n\nI en verktygsstyrd utvecklingsuppgift väljer modellen bland tillhandahållna operationer och applikationen utför dem. Återför verkliga fel, kodutdrag eller valideringsobservationer till nästa tur. Den genererade implementationen och ett framgångsrikt utfört resultat är separata leveranser, och uppgiften bör kräva den observation som fastställer slutförande.\n\n### Sökning och agentloopar\n\nTillverkarens användningsfall för Mercury 2 omfattar informationshämtning i flera led, omrangering och sammanfattning. Ge varje steg ett exakt syfte: identifiera frågan som ska sökas, kriterierna för en relevant källa och de fakta som det slutliga svaret behöver. Behåll källidentifierare genom arbetsflödet så att en sammanfattning kan spåras tillbaka till sitt material.\n\nEn strukturerad utdata bör ha definierade fält, tydliga typer och en konvention för saknad information. Schemaanpassning gäller resultatets representation; jämför dess värden med det faktiska dokumentet eller verktygsobservationen. I en pågående uppgift behåller du användbara slutsatser och obesvarade frågor snarare än samlar orelaterad historik.\n\n### Interaktiva språkuppgifter och gränser\n\nMercury 2 kan tillhandahålla textgenereringssteget i en röstbaserad eller annan interaktiv applikation. Dess dokumenterade roll där är att producera orden eller beslutet som de omgivande komponenterna använder för att hantera ljud och uppspelning. För rensning av en transkription tillhandahåller du transkriptionen och anger vilken ordalydelse, vilka namn och vilken betydelse som måste överleva redigeringen.\n\nKontexten på 128K innehåller källmaterial, samtal och genererat innehåll tillsammans. Reservera utrymme för det slutliga svaret, håll frågan synlig genom omarbetningar och undvik att behandla kontextkapacitet som en oberoende utdatakapacitet. Granska genererade fakta, kod och extraherade fält mot den ursprungliga indatan. Det användbara resultatet är ett fokuserat svar eller ett strukturerat resultat som för den angivna uppgiften framåt och kan kontrolleras med det underlag som faktiskt har tillhandahållits.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
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 är Inceptions diffusionsbaserade resonemangsmodell för text i interaktiva programmerings-, sök- och agentflöden. Parallell förfining, en kontext på 128K, justerbart resonemang, inbyggd verktygsanvändning och schemaanpassad JSON hjälper till att skapa fokuserade svar och strukturerade resultat från text.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Mercury 2 är Inceptions språkmodell för resonemang, byggd kring diffusionsbaserad textgenerering. I stället för att enbart avkoda sekventiellt från vänster till höger förfinar modellen flera token parallellt mot resultatet. Tillverkaren utvecklar denna variant för återkommande interaktiva steg inom programmering, agenter, informationshämtning och extraktion. Den tar emot skriftliga instruktioner och textkontext och producerar ett textsvar, kod, strukturerade data eller föreslagna verktygsoperationer.
Den exakta lanseringsbeskrivningen anger en kontext på 128K, justerbart resonemang, inbyggd verktygsanvändning och schemaanpassad JSON. Dessa funktioner tillhör Mercury 2:s dokumenterade variant, separat från den senare Mercury 2.5-kontexten och de specialiserade modellerna Voice, Router och Edit. Ange det slutliga svarets form uttryckligt i stället för att härleda tal- eller redigeringsutdata ur familjenamnet.
För en enkel extraktion anger du fältdefinitionerna och källavsnittet. För en resonemangsuppgift anger du det fullständiga villkoret och de begränsningar som måste gälla. Ett praktiskt underlag är: ”Jämför denna implementation med kraven, identifiera den första avvikelsen och returnera en fokuserad korrigering med en stödjande förklaring.” Slutresultatet bör förbli kopplat till indata även när modellen utvecklar mellanliggande analys.
Tillverkaren beskriver automatisk komplettering, förslag på nästa redigering, refaktorering och interaktiva kodagenter som relevanta arbetsuppgifter. Tillhandahåll den omgivande implementationen och identifiera vad som ska ändras. Förklara det förväntade beteendet och bevara offentliga namn eller gränssnitt som omarbetningen måste behålla. En föreslagen redigering kan då granskas för lämplighet innan den tillämpas på det faktiska projektet.
I en verktygsstyrd utvecklingsuppgift väljer modellen bland tillhandahållna operationer och applikationen utför dem. Återför verkliga fel, kodutdrag eller valideringsobservationer till nästa tur. Den genererade implementationen och ett framgångsrikt utfört resultat är separata leveranser, och uppgiften bör kräva den observation som fastställer slutförande.
Tillverkarens användningsfall för Mercury 2 omfattar informationshämtning i flera led, omrangering och sammanfattning. Ge varje steg ett exakt syfte: identifiera frågan som ska sökas, kriterierna för en relevant källa och de fakta som det slutliga svaret behöver. Behåll källidentifierare genom arbetsflödet så att en sammanfattning kan spåras tillbaka till sitt material.
En strukturerad utdata bör ha definierade fält, tydliga typer och en konvention för saknad information. Schemaanpassning gäller resultatets representation; jämför dess värden med det faktiska dokumentet eller verktygsobservationen. I en pågående uppgift behåller du användbara slutsatser och obesvarade frågor snarare än samlar orelaterad historik.
Mercury 2 kan tillhandahålla textgenereringssteget i en röstbaserad eller annan interaktiv applikation. Dess dokumenterade roll där är att producera orden eller beslutet som de omgivande komponenterna använder för att hantera ljud och uppspelning. För rensning av en transkription tillhandahåller du transkriptionen och anger vilken ordalydelse, vilka namn och vilken betydelse som måste överleva redigeringen.
Kontexten på 128K innehåller källmaterial, samtal och genererat innehåll tillsammans. Reservera utrymme för det slutliga svaret, håll frågan synlig genom omarbetningar och undvik att behandla kontextkapacitet som en oberoende utdatakapacitet. Granska genererade fakta, kod och extraherade fält mot den ursprungliga indatan. Det användbara resultatet är ett fokuserat svar eller ett strukturerat resultat som för den angivna uppgiften framåt och kan kontrolleras med det underlag som faktiskt har tillhandahållits.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser inception/mercury-2 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0005 / 1K token Utdata · Utdatatoken $0.0015 / 1K token Indata · Cacheläsning $0.00005 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0005 / 1K token Utdata · Utdatatoken $0.0015 / 1K token Indata · Cacheläsning $0.00005 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra inception/mercury-2
Använd metodsökvägarna som visas ovan.
inception/mercury-2Mercury 2 är Inceptions diffusionsbaserade resonemangsmodell för text i interaktiva programmerings-, sök- och agentflöden. Parallell förfining, en kontext på 128K, justerbart resonemang, inbyggd verktygsanvändning och schemaanpassad JSON hjälper till att skapa fokuserade svar och strukturerade resultat från text.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Mercury 2 är Inceptions språkmodell för resonemang, byggd kring diffusionsbaserad textgenerering. I stället för att enbart avkoda sekventiellt från vänster till höger förfinar modellen flera token parallellt mot resultatet. Tillverkaren utvecklar denna variant för återkommande interaktiva steg inom programmering, agenter, informationshämtning och extraktion. Den tar emot skriftliga instruktioner och textkontext och producerar ett textsvar, kod, strukturerade data eller föreslagna verktygsoperationer.
Den exakta lanseringsbeskrivningen anger en kontext på 128K, justerbart resonemang, inbyggd verktygsanvändning och schemaanpassad JSON. Dessa funktioner tillhör Mercury 2:s dokumenterade variant, separat från den senare Mercury 2.5-kontexten och de specialiserade modellerna Voice, Router och Edit. Ange det slutliga svarets form uttryckligt i stället för att härleda tal- eller redigeringsutdata ur familjenamnet.
För en enkel extraktion anger du fältdefinitionerna och källavsnittet. För en resonemangsuppgift anger du det fullständiga villkoret och de begränsningar som måste gälla. Ett praktiskt underlag är: ”Jämför denna implementation med kraven, identifiera den första avvikelsen och returnera en fokuserad korrigering med en stödjande förklaring.” Slutresultatet bör förbli kopplat till indata även när modellen utvecklar mellanliggande analys.
Tillverkaren beskriver automatisk komplettering, förslag på nästa redigering, refaktorering och interaktiva kodagenter som relevanta arbetsuppgifter. Tillhandahåll den omgivande implementationen och identifiera vad som ska ändras. Förklara det förväntade beteendet och bevara offentliga namn eller gränssnitt som omarbetningen måste behålla. En föreslagen redigering kan då granskas för lämplighet innan den tillämpas på det faktiska projektet.
I en verktygsstyrd utvecklingsuppgift väljer modellen bland tillhandahållna operationer och applikationen utför dem. Återför verkliga fel, kodutdrag eller valideringsobservationer till nästa tur. Den genererade implementationen och ett framgångsrikt utfört resultat är separata leveranser, och uppgiften bör kräva den observation som fastställer slutförande.
Tillverkarens användningsfall för Mercury 2 omfattar informationshämtning i flera led, omrangering och sammanfattning. Ge varje steg ett exakt syfte: identifiera frågan som ska sökas, kriterierna för en relevant källa och de fakta som det slutliga svaret behöver. Behåll källidentifierare genom arbetsflödet så att en sammanfattning kan spåras tillbaka till sitt material.
En strukturerad utdata bör ha definierade fält, tydliga typer och en konvention för saknad information. Schemaanpassning gäller resultatets representation; jämför dess värden med det faktiska dokumentet eller verktygsobservationen. I en pågående uppgift behåller du användbara slutsatser och obesvarade frågor snarare än samlar orelaterad historik.
Mercury 2 kan tillhandahålla textgenereringssteget i en röstbaserad eller annan interaktiv applikation. Dess dokumenterade roll där är att producera orden eller beslutet som de omgivande komponenterna använder för att hantera ljud och uppspelning. För rensning av en transkription tillhandahåller du transkriptionen och anger vilken ordalydelse, vilka namn och vilken betydelse som måste överleva redigeringen.
Kontexten på 128K innehåller källmaterial, samtal och genererat innehåll tillsammans. Reservera utrymme för det slutliga svaret, håll frågan synlig genom omarbetningar och undvik att behandla kontextkapacitet som en oberoende utdatakapacitet. Granska genererade fakta, kod och extraherade fält mot den ursprungliga indatan. Det användbara resultatet är ett fokuserat svar eller ett strukturerat resultat som för den angivna uppgiften framåt och kan kontrolleras med det underlag som faktiskt har tillhandahållits.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser inception/mercury-2 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0005 / 1K token Utdata · Utdatatoken $0.0015 / 1K token Indata · Cacheläsning $0.00005 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0005 / 1K token Utdata · Utdatatoken $0.0015 / 1K token Indata · Cacheläsning $0.00005 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "inception/mercury-2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra inception/mercury-2
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
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.