Inception: Mercury 2.5

Inception: Mercury 2.5 ist ein Textmodell von Inception. Es gehört zur Kategorie Text und wird von seinem Anbieter als das neueste Diffusion LLM (dLLM) des Unternehmens sowie als das schnellste Reasoning LLM beschrieben. Das Veröffentlichungsdatum des Anbieters ist der 2026-09-08. Anstatt Token sequenziell zu generieren, erzeugt und verfeinert Mercury 2.5 mehrere Token parallel.

Das Modell akzeptiert Text als Eingabe und gibt Text als Ausgabe zurück. Es hat ein Kontextfenster von 260.000 Token, wodurch lange Dokumente, große Codedateien oder ausgedehnte Gesprächsverläufe in einer einzigen Anfrage verarbeitet werden können. Die maximale Ausgabe beträgt 65.536 Token, sodass Antworten lang sein können, wenn die Aufgabe es erfordert. Da es sich um ein Reasoning-Modell handelt, kann es Probleme durcharbeiten, bevor es seine endgültige Antwort erzeugt, und das Reasoning-Verhalten kann über die unterstützten Parameter beeinflusst werden.

Diese Fähigkeiten deuten auf einige praktische Anwendungen hin. Arbeiten mit langem Kontext wie das Zusammenfassen oder Abfragen großer Dokumente, Codebasen oder Transkripte passt zum Kontextfenster von 260.000 Token. Reasoning-intensive Aufgaben, einschließlich mehrstufiger Analyse, Planung und Problemlösung, passen natürlich zur Positionierung des Modells als Reasoning LLM. Die Unterstützung von Tool Calling und strukturierter Ausgabe macht es geeignet für Agenten-ähnliche Workflows und für Anwendungen, die Antworten in einem definierten Format benötigen, etwa zum Extrahieren von Feldern aus Text oder zur Steuerung nachgelagerter Automatisierung. Die parallele Token-Generierung macht es zudem relevant, wo die Antwortlatenz eine Rolle spielt.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "inception/mercury-2.5" auf. Die unterstützten Anforderungsparameter sind include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice und tools. In der Praxis bedeutet dies, dass Sie die Ausgabelänge mit max_tokens begrenzen, die Stichprobenauswahl mit temperature steuern, die Generierung bei bestimmten Sequenzen mit stop anhalten, strukturierte oder formatierte Ausgabe über response_format und structured_outputs anfordern und dem Modell Funktionen mit tools und tool_choice bereitstellen können. Die Parameter reasoning, reasoning_effort und include_reasoning ermöglichen es Ihnen, abzustimmen, wie viel Reasoning das Modell ausführt und ob Reasoning-Inhalte zurückgegeben werden.

Es gibt Fälle, in denen ein anderes Modell besser passen könnte. Mercury 2.5 nimmt nur Text als Eingabe, daher liegen Aufgaben mit Bildern, Audio oder anderen Modalitäten außerhalb seines Bereichs. Seine Ausgabe ist ebenfalls nur Text. Wenn Ihr Workload nicht von Reasoning oder paralleler Generierung profitiert, kann ein einfacheres Modell ausreichen, aber innerhalb von Textaufgaben machen das Kontextfenster, das Ausgabelimit und der Parametersatz Mercury 2.5 zu einer flexiblen Wahl.