Inception: Mercury 2

Inception: Mercury 2 adalah model teks dari Inception, yang terdaftar di api14 dengan id model inception/mercury-2. Model ini termasuk dalam kategori teks dan dijelaskan oleh penyedianya sebagai LLM penalaran yang sangat cepat, dan sebagai LLM difusi penalaran pertama (dLLM). Tanggal rilis penyedia adalah 2026-03-04. Jika Anda memilih model untuk pipeline teks, detail pembeda di sini adalah pendekatan difusi untuk generasi, bukan dekoder sekuensial konvensional.

Dari sisi kemampuan, Mercury 2 menerima teks dan mengembalikan teks, jadi ini bukan model multimodal. Model ini memiliki jendela konteks 128.000 token dan output maksimum 50.000 token. Deskripsi penyedia mencatat bahwa alih-alih menghasilkan token secara sekuensial, Mercury 2 menghasilkan dan menyempurnakan beberapa token secara paralel. Perilaku penalaran diekspos melalui parameter permintaan, bukan bersifat tetap, yang penting jika Anda ingin mengendalikan seberapa banyak penalaran internal yang dilakukan model sebelum menjawab.

Kasus penggunaan praktis mengikuti kombinasi jendela konteks besar, anggaran output besar, dan penalaran yang dapat dikonfigurasi. Dokumen panjang, basis kode multi file, transkrip, dan materi riset muat dalam 128.000 token, dan batas output 50.000 token mendukung jawaban panjang, laporan terstruktur, dan jejak penalaran yang diperluas. Karena model ini menerima tools dan output terstruktur, model ini juga cocok untuk alur kerja bergaya agen dan aplikasi yang membutuhkan respons yang dapat dibaca mesin, bukan teks bebas. Tim yang peduli tentang latensi dalam tugas berat penalaran adalah audiens alami untuk model penalaran berbasis difusi.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan id model inception/mercury-2. Parameter permintaan yang didukung adalah include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice dan tools. Dalam praktiknya, itu berarti Anda dapat menetapkan batas token dengan max_tokens, menyetel sampling dengan temperature, membatasi generasi dengan urutan stop, meminta output berbentuk JSON atau skema melalui response_format dan structured_outputs, serta melampirkan pemanggilan fungsi melalui tools dan tool_choice. Parameter reasoning, reasoning_effort dan include_reasoning memungkinkan Anda memutuskan seberapa banyak penalaran yang dilakukan model dan apakah penalaran itu dikembalikan kepada Anda.

Fakta yang diberikan tidak mencantumkan modalitas yang tidak didukung, batas laju, atau perilaku harga, jadi perlakukan model ini sebagai teks saja dan periksa tabel harga langsung di halaman untuk biaya. Jika tugas Anda membutuhkan input gambar atau audio, Mercury 2 bukan pilihan yang tepat, karena modalitas input dan outputnya hanya teks. Untuk generasi teks yang sederhana di mana Anda tidak memerlukan kontrol penalaran, tools, atau output terstruktur, model yang lebih sederhana mungkin cukup, tetapi dalam fakta yang dinyatakan, Mercury 2 mencakup pekerjaan teks konteks panjang, penggunaan tool, dan respons yang dibatasi skema.