modeller

Inception: Mercury 3

Markdown · JSON

Inception: Mercury 3

inception/mercury-3
InceptionTextIndata 0,0002 US$ / 1KUtdata 0,0007 US$ / 1K

Inceptions diffusionsbaserade textmodell för dialog, stora dokument och intellektuella uppgifter i flera steg.

En diffusionsbaserad textmodell

Mercury 3 är en modell från Inception som använder en diffusionsbaserad metod för textgenerering. Den fortsätter Mercury-familjen, som utvecklaren bygger för interaktiva applikationer och uppgifter med flera på varandra följande modellanrop. I beskrivningen av Mercury 3 lyfter Inception fram dialogsbaserad support, utbildning, dataarbete och sökande agentflöden.

Diffusionsarkitekturen är en egenskap hos modellen. Den avgör inte svarstiden i en viss applikation: resultatet beror också på begärans omfattning, svarets längd och driftförhållandena. I Ailoot API tar Mercury 3 emot text och returnerar text. Gränssnittet passar för förklaringar, dokumentbearbetning och framtagning av nästa steg i en uppgift utifrån tillhandahållna uppgifter.

Stor kontext för sammanhängande arbete

För Mercury 3 i Ailoot API anges en kontext på 1 000 000 token. I en diskussion kan du samla ett stort textunderlag: produktbeskrivning, regler, korrespondens och resultatkrav. Den praktiska nyttan visar sig när svaret måste väga samman flera delar av uppgiften, till exempel jämföra en supportinstruktion med avtalsvillkor och utforma ett svar på ett konkret ärende.

För en sådan begäran är det bra att märka dokumenten, behålla deras namn och be om att varje slutsats kopplas till sitt underlag. Om uppgiften består av flera steg, ange delresultat: först en lista över relevanta regler, sedan en analys av fallet och därefter ett svarsutkast. Det gör resultatet lättare att kontrollera och låter dig precisera en etapp utan att beskriva hela uppgiften igen.

Interaktiva användningsområden

I en undervisningsdialog kan Mercury 3 användas för att gå igenom en lösning, ge en ledtråd eller förklara ett begrepp på vald nivå. För dataarbete kan du ange fältbeskrivningar, ett textbaserat dataurval och en fråga för att få en förklaring av mönster eller en omvandlingsplan. För support kan du bifoga reglerna och be om ett begripligt svar som tar hänsyn till användarens situation.

Arbetsflödena använder textmodellen som en del av processen. Självständig internetsökning, webbläsarstyrning, åtkomst till företagssystem och röstsamtal beror på de verktyg som är anslutna till applikationen. Mercury Voice och Mercury Decide är separata Inception-produkter; deras specialiserade funktioner ingår inte i beskrivningen av Mercury 3.

Tillgängligt via Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Indatatyper
text
Utdatatyper
text
Kontext
Inte angivet i katalogen
Maximalt svar
Inte angivet i katalogen
Indata
0,0002 US$ / 1K
Utdata
0,0007 US$ / 1K
Cacheläsning
0,00002 US$ / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Indatatyper
text
Utdatatyper
text
Kontext
Inte angivet i katalogen
Maximalt svar
Inte angivet i katalogen
Indata
0,0002 US$ / 1K
Utdata
0,0007 US$ / 1K
Cacheläsning
0,00002 US$ / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Indatatyper
text
Utdatatyper
text
Kontext
Inte angivet i katalogen
Maximalt svar
Inte angivet i katalogen
Indata
0,0002 US$ / 1K
Utdata
0,0007 US$ / 1K
Cacheläsning
0,00002 US$ / 1K
Ultra Gemini generateContentPOST /v1beta/models/inception/mercury-3:generateContent
Indatatyper
text
Utdatatyper
text
Kontext
Inte angivet i katalogen
Maximalt svar
Inte angivet i katalogen
Indata
0,0002 US$ / 1K
Utdata
0,0007 US$ / 1K
Cacheläsning
0,00002 US$ / 1K
inception/mercury-3 · JSON
{"about":"### En diffusionsbaserad textmodell\n\nMercury 3 är en modell från Inception som använder en diffusionsbaserad metod för textgenerering. Den fortsätter Mercury-familjen, som utvecklaren bygger för interaktiva applikationer och uppgifter med flera på varandra följande modellanrop. I beskrivningen av Mercury 3 lyfter Inception fram dialogsbaserad support, utbildning, dataarbete och sökande agentflöden.\n\nDiffusionsarkitekturen är en egenskap hos modellen. Den avgör inte svarstiden i en viss applikation: resultatet beror också på begärans omfattning, svarets längd och driftförhållandena. I Ailoot API tar Mercury 3 emot text och returnerar text. Gränssnittet passar för förklaringar, dokumentbearbetning och framtagning av nästa steg i en uppgift utifrån tillhandahållna uppgifter.\n\n### Stor kontext för sammanhängande arbete\n\nFör Mercury 3 i Ailoot API anges en kontext på 1 000 000 token. I en diskussion kan du samla ett stort textunderlag: produktbeskrivning, regler, korrespondens och resultatkrav. Den praktiska nyttan visar sig när svaret måste väga samman flera delar av uppgiften, till exempel jämföra en supportinstruktion med avtalsvillkor och utforma ett svar på ett konkret ärende.\n\nFör en sådan begäran är det bra att märka dokumenten, behålla deras namn och be om att varje slutsats kopplas till sitt underlag. Om uppgiften består av flera steg, ange delresultat: först en lista över relevanta regler, sedan en analys av fallet och därefter ett svarsutkast. Det gör resultatet lättare att kontrollera och låter dig precisera en etapp utan att beskriva hela uppgiften igen.\n\n### Interaktiva användningsområden\n\nI en undervisningsdialog kan Mercury 3 användas för att gå igenom en lösning, ge en ledtråd eller förklara ett begrepp på vald nivå. För dataarbete kan du ange fältbeskrivningar, ett textbaserat dataurval och en fråga för att få en förklaring av mönster eller en omvandlingsplan. För support kan du bifoga reglerna och be om ett begripligt svar som tar hänsyn till användarens situation.\n\nArbetsflödena använder textmodellen som en del av processen. Självständig internetsökning, webbläsarstyrning, åtkomst till företagssystem och röstsamtal beror på de verktyg som är anslutna till applikationen. Mercury Voice och Mercury Decide är separata Inception-produkter; deras specialiserade funktioner ingår inte i beskrivningen 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":"Inceptions diffusionsbaserade textmodell för dialog, stora dokument och intellektuella uppgifter i flera steg."}

Frågor

Hur väljer jag modell för min uppgift?

Bestäm först vilka in- och utdata du behöver: text, bild, ljud eller video. Jämför sedan kompatibla API-metoder, exakt modell-ID eller aliasets nuvarande mål, pris och debiteringsenhet. GET /v1/models är gratis och listar modeller som din nyckel har tillgång till.

Stöder varje modell alla API-metoder och medietyper?

Använd de API-metoder och typer av in- och utdata som anges på modellkortet. Stöd för text, bilder, ljud eller video beror på vald modell och metod; kontrollera exemplet innan du skickar data.

Vad är skillnaden mellan ett modell-ID och ett alias?

Ett exakt ID betecknar en viss modell. Ett alias pekar på en modell och målet kan ändras. Kontrollera aliasets nuvarande mål i katalogen; använd exakt ID när integrationen behöver en viss modell.

Hur jämför jag priser innan jag skickar en begäran?

Kontrollera priset och debiteringsenheten för vald API-metod på modellkortet. Jämför samma enhet och samma typer av in- och utdata; historiken visar faktisk användning och debiterat belopp.

Vad ger prenumerationen?

Rabatt på tokenköp för återkommande arbete. Välj plan efter anropsvolym; villkor och prenumerationspris visas vid köpet.

Hur använder jag kampanjkod upp till 50%?

Ange koden vid tokenköpet. Beloppet räknas om enligt kampanjvillkoren och rabatten visas före betalning.