Inception: Mercury 2

Inception: Mercury 2 é um modelo de texto da Inception, listado em api14 sob o id de modelo inception/mercury-2. Pertence à categoria de texto e é descrito pelo seu fornecedor como um LLM de raciocínio extremamente rápido, e como o primeiro LLM de difusão de raciocínio (dLLM). A data de lançamento do fornecedor é 2026-03-04. Se estiver a escolher um modelo para um pipeline de texto, o detalhe distintivo aqui é a abordagem de difusão à geração em vez de um descodificador sequencial convencional.

Em termos de capacidades, o Mercury 2 recebe texto e devolve texto, pelo que não é um modelo multimodal. Tem uma janela de contexto de 128.000 tokens e uma saída máxima de 50.000 tokens. A descrição do fornecedor observa que, em vez de gerar tokens sequencialmente, o Mercury 2 produz e refina múltiplos tokens em paralelo. O comportamento de raciocínio é exposto através de parâmetros do pedido em vez de ser fixo, o que é relevante se quiser controlar quanto raciocínio interno o modelo realiza antes de responder.

Os casos de uso práticos decorrem dessa combinação de uma janela de contexto grande, um orçamento de saída grande e raciocínio configurável. Documentos longos, bases de código com múltiplos ficheiros, transcrições e material de investigação cabem dentro de 128.000 tokens, e o limite de saída de 50.000 tokens suporta respostas de formato longo, relatórios estruturados e traços de raciocínio extensos. Como o modelo aceita ferramentas e saídas estruturadas, também se adequa a fluxos de trabalho no estilo de agentes e a aplicações que precisam de respostas legíveis por máquina em vez de texto livre. As equipas que se preocupam com a latência em tarefas com muito raciocínio são o público natural para um modelo de raciocínio baseado em difusão.

Pode chamá-lo através da API compatível com OpenAI do api14 usando o id de modelo inception/mercury-2. Os parâmetros de pedido suportados são include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice e tools. Na prática, isso significa que pode definir um limite de tokens com max_tokens, ajustar a amostragem com temperature, restringir a geração com sequências de stop, pedir saída em JSON ou em formato de esquema através de response_format e structured_outputs, e anexar chamadas de funções através de tools e tool_choice. Os parâmetros reasoning, reasoning_effort e include_reasoning permitem-lhe decidir quanto raciocínio o modelo faz e se esse raciocínio lhe é devolvido.

Os factos fornecidos não listam modalidades não suportadas, limites de taxa ou comportamento de preços, pelo que deve tratar o modelo como apenas de texto e consultar a tabela de preços em direto na página para o custo. Se a sua tarefa precisar de entrada de imagem ou áudio, o Mercury 2 não é a escolha certa, uma vez que as suas modalidades de entrada e saída são apenas texto. Para geração de texto simples em que não precisa de controlo de raciocínio, ferramentas ou saída estruturada, um modelo mais simples pode ser suficiente, mas dentro dos factos indicados o Mercury 2 cobre trabalho de texto com contexto longo, uso de ferramentas e respostas restringidas por esquema.