Inception: Mercury 2.5

Inception: Mercury 2.5 adalah model teks dari Inception. Model ini termasuk dalam kategori teks dan dideskripsikan oleh penyedianya sebagai LLM difusi (dLLM) terbaru dari perusahaan tersebut, serta LLM penalaran tercepat. Tanggal rilis penyedia adalah 2026-09-08. Alih-alih menghasilkan token secara berurutan, Mercury 2.5 menghasilkan dan menyempurnakan beberapa token secara paralel.

Model ini menerima teks sebagai input dan mengembalikan teks sebagai output. Model ini memiliki jendela konteks 260.000 token, yang memungkinkan dokumen panjang, file kode besar, atau riwayat percakapan yang panjang ditangani dalam satu permintaan. Output maksimum adalah 65.536 token, sehingga respons dapat menjadi panjang ketika tugas memerlukannya. Karena ini adalah model penalaran, model ini dapat mengerjakan masalah sebelum menghasilkan jawaban akhirnya, dan perilaku penalaran dapat dipengaruhi melalui parameter yang didukung.

Kemampuan ini mengarah pada beberapa penggunaan praktis. Pekerjaan konteks panjang seperti meringkas atau menanyakan dokumen besar, basis kode, atau transkrip cocok dengan jendela 260.000 token. Tugas yang berat penalaran, termasuk analisis multi-langkah, perencanaan, dan pemecahan masalah, sangat cocok mengingat posisi model ini sebagai LLM penalaran. Dukungan pemanggilan alat dan output terstruktur membuatnya cocok untuk alur kerja bergaya agen dan untuk aplikasi yang membutuhkan respons dalam format yang ditentukan, seperti mengekstrak bidang dari teks atau menggerakkan otomatisasi hilir. Pembuatan token paralel juga membuatnya relevan ketika latensi respons penting.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan id model "inception/mercury-2.5". Parameter permintaan yang didukungnya adalah include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice, dan tools. Dalam praktiknya, ini berarti Anda dapat membatasi panjang output dengan max_tokens, mengontrol pengambilan sampel dengan temperature, menghentikan pembuatan pada urutan tertentu dengan stop, meminta output terstruktur atau terformat melalui response_format dan structured_outputs, serta mengekspos fungsi ke model dengan tools dan tool_choice. Parameter reasoning, reasoning_effort, dan include_reasoning memungkinkan Anda menyetel seberapa banyak penalaran yang dilakukan model dan apakah konten penalaran dikembalikan.

Ada kasus di mana model lain mungkin lebih cocok. Mercury 2.5 hanya menerima teks sebagai input, sehingga tugas yang melibatkan gambar, audio, atau modalitas lain berada di luar cakupannya. Outputnya juga hanya teks. Jika beban kerja Anda tidak mendapat manfaat dari penalaran atau pembuatan paralel, model yang lebih sederhana mungkin sudah cukup, tetapi dalam tugas teks, jendela konteks, batas output, dan kumpulan parameter membuat Mercury 2.5 menjadi pilihan yang fleksibel.