Inception: Mercury 2.5

Inception: Mercury 2.5 es un modelo de texto de Inception. Pertenece a la categoría de texto y su proveedor lo describe como el último LLM de difusión (dLLM) de la empresa, así como el LLM de razonamiento más rápido. La fecha de lanzamiento del proveedor es 2026-09-08. En lugar de generar tokens de forma secuencial, Mercury 2.5 produce y refina múltiples tokens en paralelo.

El modelo acepta texto como entrada y devuelve texto como salida. Tiene una ventana de contexto de 260.000 tokens, lo que permite manejar documentos largos, archivos de código grandes o historiales de conversación extensos en una sola solicitud. La salida máxima es de 65.536 tokens, por lo que las respuestas pueden ser largas cuando la tarea lo requiere. Como es un modelo de razonamiento, puede trabajar en los problemas antes de producir su respuesta final, y el comportamiento de razonamiento puede influirse a través de los parámetros admitidos.

Estas capacidades apuntan a algunos usos prácticos. El trabajo con contexto largo, como resumir o consultar documentos grandes, bases de código o transcripciones, encaja en la ventana de 260.000 tokens. Las tareas con gran carga de razonamiento, incluidos el análisis de varios pasos, la planificación y la resolución de problemas, son una combinación natural dado el posicionamiento del modelo como un LLM de razonamiento. La compatibilidad con llamadas a herramientas y salida estructurada lo hace adecuado para flujos de trabajo estilo agente y para aplicaciones que necesitan respuestas en un formato definido, como extraer campos de un texto o impulsar automatizaciones posteriores. La generación paralela de tokens también lo hace relevante donde importa la latencia de respuesta.

Se llama al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "inception/mercury-2.5". Los parámetros de solicitud que admite son include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice y tools. En la práctica, esto significa que puedes limitar la longitud de salida con max_tokens, controlar el muestreo con temperature, detener la generación en secuencias dadas con stop, solicitar salida estructurada o formateada mediante response_format y structured_outputs, y exponer funciones al modelo con tools y tool_choice. Los parámetros reasoning, reasoning_effort e include_reasoning permiten ajustar cuánto razonamiento realiza el modelo y si se devuelve el contenido de razonamiento.

Hay casos en los que otro modelo puede encajar mejor. Mercury 2.5 solo toma texto como entrada, por lo que las tareas que implican imágenes, audio u otras modalidades quedan fuera de su alcance. Su salida también es solo texto. Si tu carga de trabajo no se beneficia del razonamiento o la generación paralela, un modelo más simple puede ser suficiente, pero dentro de las tareas de texto la ventana de contexto, el límite de salida y el conjunto de parámetros hacen de Mercury 2.5 una opción flexible.