Inception: Mercury 2

Inception: Mercury 2 is een tekstmodel van Inception, vermeld op api14 onder het model-id inception/mercury-2. Het behoort tot de categorie tekst en wordt door de provider beschreven als een extreem snelle reasoning LLM, en als de eerste reasoning diffusion LLM (dLLM). De releasedatum van de provider is 2026-03-04. Als je een model kiest voor een tekstpipeline, is het onderscheidende detail hier de diffusiebenadering van generatie in plaats van een conventionele sequentiële decoder.

Wat betreft mogelijkheden: Mercury 2 neemt tekst in en geeft tekst terug, dus het is geen multimodaal model. Het heeft een contextvenster van 128.000 tokens en een maximale uitvoer van 50.000 tokens. De providerbeschrijving vermeldt dat Mercury 2, in plaats van tokens sequentieel te genereren, meerdere tokens parallel produceert en verfijnt. Reasoning-gedrag wordt blootgesteld via aanvraagparameters in plaats van vast te liggen, wat belangrijk is als je wilt bepalen hoeveel interne reasoning het model uitvoert voordat het antwoordt.

De praktische use cases volgen uit die combinatie van een groot contextvenster, een groot uitvoerbudget en configureerbare reasoning. Lange documenten, codebases met meerdere bestanden, transcripties en onderzoeksmateriaal passen binnen 128.000 tokens, en het uitvoerplafond van 50.000 tokens ondersteunt langvormige antwoorden, gestructureerde rapporten en uitgebreide reasoning-traces. Omdat het model tools en gestructureerde uitvoer accepteert, is het ook geschikt voor agent-achtige workflows en toepassingen die machineleesbare antwoorden nodig hebben in plaats van vrije tekst. Teams die waarde hechten aan latentie bij reasoning-intensieve taken zijn het natuurlijke publiek voor een diffusiegebaseerd reasoning-model.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id inception/mercury-2. De ondersteunde aanvraagparameters zijn include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice en tools. In de praktijk betekent dat je een tokenplafond kunt instellen met max_tokens, sampling kunt afstemmen met temperature, generatie kunt beperken met stop-reeksen, JSON- of schemavormige uitvoer kunt aanvragen via response_format en structured_outputs, en function calling kunt koppelen via tools en tool_choice. De parameters reasoning, reasoning_effort en include_reasoning laten je beslissen hoeveel reasoning het model doet en of die reasoning aan je wordt teruggegeven.

De gegeven feiten vermelden geen niet-ondersteunde modaliteiten, snelheidslimieten of prijsgedrag, dus behandel het model als alleen tekst en controleer de actuele prijstabel op de pagina voor kosten. Als je taak beeld- of audio-invoer nodig heeft, is Mercury 2 niet de juiste keuze, aangezien de invoer- en uitvoermodaliteiten alleen tekst zijn. Voor eenvoudige tekstgeneratie waarbij je geen reasoning-besturing, tools of gestructureerde uitvoer nodig hebt, kan een eenvoudiger model voldoende zijn, maar binnen de vermelde feiten dekt Mercury 2 langcontext tekstwerk, toolgebruik en schema-beperkte antwoorden.