Inception: Mercury 2.5

Inception : Mercury 2.5 est un modèle de texte d'Inception. Il appartient à la catégorie texte et est décrit par son fournisseur comme le dernier LLM de diffusion (dLLM) de l'entreprise, ainsi que le LLM de raisonnement le plus rapide. La date de publication du fournisseur est le 2026-09-08. Plutôt que de générer des tokens séquentiellement, Mercury 2.5 produit et affine plusieurs tokens en parallèle.

Le modèle accepte du texte en entrée et renvoie du texte en sortie. Il dispose d'une fenêtre de contexte de 260 000 tokens, ce qui permet de traiter de longs documents, de gros fichiers de code ou des historiques de conversation étendus en une seule requête. La sortie maximale est de 65 536 tokens, les réponses peuvent donc être longues lorsque la tâche l'exige. Comme il s'agit d'un modèle de raisonnement, il peut travailler sur les problèmes avant de produire sa réponse finale, et le comportement de raisonnement peut être influencé via les paramètres pris en charge.

Ces capacités ouvrent la voie à quelques usages pratiques. Le travail sur de longs contextes, comme le résumé ou l'interrogation de documents volumineux, de bases de code ou de transcriptions, correspond à la fenêtre de 260 000 tokens. Les tâches à forte composante de raisonnement, notamment l'analyse en plusieurs étapes, la planification et la résolution de problèmes, sont un choix naturel compte tenu du positionnement du modèle comme LLM de raisonnement. La prise en charge de l'appel d'outils et de la sortie structurée le rend adapté aux workflows de type agent et aux applications qui nécessitent des réponses dans un format défini, comme l'extraction de champs à partir de texte ou l'alimentation d'automatisations en aval. La génération parallèle de tokens le rend également pertinent là où la latence des réponses compte.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "inception/mercury-2.5". Les paramètres de requête pris en charge sont include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice et tools. En pratique, cela signifie que vous pouvez limiter la longueur de sortie avec max_tokens, contrôler l'échantillonnage avec temperature, arrêter la génération sur des séquences données avec stop, demander une sortie structurée ou formatée via response_format et structured_outputs, et exposer des fonctions au modèle avec tools et tool_choice. Les paramètres reasoning, reasoning_effort et include_reasoning vous permettent de régler l'ampleur du raisonnement effectué par le modèle et de choisir si le contenu de raisonnement est renvoyé.

Il existe des cas où un autre modèle peut mieux convenir. Mercury 2.5 n'accepte que du texte en entrée, les tâches impliquant des images, de l'audio ou d'autres modalités sortent donc de son périmètre. Sa sortie est également uniquement du texte. Si votre charge de travail ne tire pas parti du raisonnement ou de la génération parallèle, un modèle plus simple peut suffire, mais dans le cadre des tâches textuelles, la fenêtre de contexte, la limite de sortie et l'ensemble de paramètres font de Mercury 2.5 un choix flexible.