Inception: Mercury Decide

Inception: Mercury Decide ist ein strukturiertes Entscheidungsmodell von Inception. Es ist kein allgemeines Chat-Modell, sondern um eine bestimmte Aufgabe herum gebaut: einen Zustand, den Sie bereitstellen, zusammen mit typisierten Fragen entgegenzunehmen und eine Entscheidung zurückzugeben. Es wird als System-One-Endpunkt bereitgestellt, was den Inferenzstil beschreibt, den Inception für dieses Modell verwendet. Wenn Ihre Anwendung eine Antwort in Form einer Auswahl, eines Scores oder eines Ja/Nein statt eines Absatzes Prosa benötigt, gehört sie zu dieser Modellkategorie.

Auf der Eingabeseite akzeptiert Mercury Decide Text. Der Zustand, den Sie senden, und die Fragen, die Sie daran anhängen, sind beide Text, und die Fragen sind typisiert, das heißt jede Frage trägt eine erwartete Antwortform. Die Ausgabe ist eine Entscheidung statt Freitext, passend zu den typisierten Fragen, die Sie angeben. Das Kontextfenster beträgt 65.536 Token, und die maximale Ausgabe beträgt 58.982 Token, sodass lange Zustände und viele Fragen in eine einzige Anfrage passen.

Die praktischen Einsatzmöglichkeiten ergeben sich direkt aus dieser Form. Überall dort, wo Sie sonst Regellogik oder einen Klassifikator schreiben würden, um zwischen Optionen zu wählen, ein Element zu bewerten oder eine Ja/Nein-Frage zu einem Textkörper zu beantworten, kann Mercury Decide diese Entscheidung aus einem Zustand erzeugen, den Sie in der Anfrage beschreiben. Beispiele sind Routing- oder Triage-Entscheidungen, Gating-Schritte in einer Pipeline, bei denen ein boolesches Ergebnis ausreicht, und die Bewertung von Kandidaten anhand von Kriterien. Da die Ausgabe bereits eine Entscheidung ist, vermeiden Sie das Parsen von Freitext und können das Ergebnis direkt an die nächste Stufe Ihres Systems übergeben.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "inception/mercury-decide" auf. Da die API OpenAI-kompatibel ist, funktionieren bestehende OpenAI-Client-Bibliotheken und Werkzeuge mit einer Änderung der Basis-URL. Beachten Sie, dass dieses Modell keine unterstützten Parameter auflistet, verlassen Sie sich also nicht darauf, dass Sampling-Steuerungen wie temperature oder top_p akzeptiert werden; senden Sie den Zustand und die typisierten Fragen in der Anfrage und lesen Sie die Entscheidung aus der Antwort. Prüfen Sie die Live-Preistabelle auf dieser Seite für aktuelle Tarife.

Eine Sache, die Sie vor der Einführung abwägen sollten: Das Modell nimmt Text entgegen und gibt Entscheidungen aus. Es ist nicht die richtige Wahl, wenn Sie generierte Prosa, Zusammenfassungen, Übersetzungen oder anderen Freitext benötigen, und es ist nicht multimodal, sodass Bilder, Audio und ähnliche Eingaben außerhalb des Umfangs liegen. Wenn Ihre Aufgabe darin besteht, geschriebene Inhalte zu erzeugen, statt eine typisierte Frage zu beantworten, wird ein allgemeines Textgenerierungsmodell Ihnen besser dienen.