Inception: Mercury 2

इन्सेप्शन: Mercury 2, Inception का एक टेक्स्ट मॉडल है, जो api14 पर मॉडल आईडी inception/mercury-2 के तहत सूचीबद्ध है। यह टेक्स्ट श्रेणी से संबंधित है और इसके प्रदाता द्वारा इसे एक अत्यंत तेज़ रीज़निंग LLM, और पहला रीज़निंग डिफ्यूज़न LLM (dLLM) बताया गया है। प्रदाता की रिलीज़ तिथि 2026-03-04 है। यदि आप किसी टेक्स्ट पाइपलाइन के लिए मॉडल चुन रहे हैं, तो यहाँ अंतर करने वाला विवरण पारंपरिक अनुक्रमिक डिकोडर के बजाय जनरेशन के प्रति डिफ्यूज़न दृष्टिकोण है।

क्षमताओं पर, Mercury 2 टेक्स्ट लेता है और टेक्स्ट लौटाता है, इसलिए यह मल्टीमॉडल मॉडल नहीं है। इसकी कॉन्टेक्स्ट विंडो 128,000 टोकन है और अधिकतम आउटपुट 50,000 टोकन है। प्रदाता का विवरण बताता है कि टोकन को क्रमिक रूप से उत्पन्न करने के बजाय, Mercury 2 समानांतर में कई टोकन उत्पन्न और परिष्कृत करता है। रीज़निंग व्यवहार निश्चित होने के बजाय अनुरोध पैरामीटर के माध्यम से उजागर किया जाता है, जो मायने रखता है यदि आप नियंत्रित करना चाहते हैं कि मॉडल उत्तर देने से पहले कितनी आंतरिक रीज़निंग करता है।

व्यावहारिक उपयोग के मामले बड़ी कॉन्टेक्स्ट विंडो, बड़े आउटपुट बजट और कॉन्फ़िगर करने योग्य रीज़निंग के उस संयोजन से निकलते हैं। लंबे दस्तावेज़, मल्टी फ़ाइल कोडबेस, ट्रांसक्रिप्ट और शोध सामग्री 128,000 टोकन के भीतर फिट होते हैं, और 50,000 टोकन की आउटपुट सीमा लंबे रूप के उत्तरों, संरचित रिपोर्टों और विस्तारित रीज़निंग ट्रेस का समर्थन करती है। चूँकि मॉडल टूल्स और संरचित आउटपुट स्वीकार करता है, यह एजेंट शैली के वर्कफ़्लो और ऐसे अनुप्रयोगों के लिए भी उपयुक्त है जिन्हें मुक्त टेक्स्ट के बजाय मशीन-पठनीय प्रतिक्रियाओं की आवश्यकता होती है। जो टीमें रीज़निंग-भारी कार्यों में लेटेंसी की परवाह करती हैं, वे डिफ्यूज़न आधारित रीज़निंग मॉडल के स्वाभाविक दर्शक हैं।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी inception/mercury-2 का उपयोग करके कॉल करते हैं। समर्थित अनुरोध पैरामीटर हैं include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice और tools। व्यवहार में इसका मतलब है कि आप max_tokens से टोकन सीमा निर्धारित कर सकते हैं, temperature से सैंपलिंग ट्यून कर सकते हैं, stop अनुक्रमों से जनरेशन को सीमित कर सकते हैं, response_format और structured_outputs के माध्यम से JSON या स्कीमा आकार का आउटपुट अनुरोध कर सकते हैं, और tools और tool_choice के माध्यम से फ़ंक्शन कॉलिंग जोड़ सकते हैं। reasoning, reasoning_effort और include_reasoning पैरामीटर आपको यह तय करने देते हैं कि मॉडल कितनी रीज़निंग करता है और क्या वह रीज़निंग आपको लौटाई जाती है।

दिए गए तथ्य असमर्थित मोडलिटी, दर सीमाएँ या मूल्य निर्धारण व्यवहार सूचीबद्ध नहीं करते हैं, इसलिए मॉडल को केवल टेक्स्ट मानें और लागत के लिए पृष्ठ पर लाइव मूल्य तालिका देखें। यदि आपके कार्य को छवि या ऑडियो इनपुट चाहिए, तो Mercury 2 उपयुक्त नहीं है, क्योंकि इसकी इनपुट और आउटपुट मोडलिटी केवल टेक्स्ट हैं। सीधे टेक्स्ट जनरेशन के लिए जहाँ आपको रीज़निंग नियंत्रण, टूल्स या संरचित आउटपुट की आवश्यकता नहीं है, एक सरल मॉडल पर्याप्त हो सकता है, लेकिन बताए गए तथ्यों के भीतर Mercury 2 लंबे कॉन्टेक्स्ट टेक्स्ट कार्य, टूल उपयोग और स्कीमा-सीमित प्रतिक्रियाओं को कवर करता है।