Inception: Mercury 2.5

Inception: Mercury 2.5 é um modelo de texto da Inception. Pertence à categoria de texto e é descrito pelo seu fornecedor como o mais recente LLM de difusão (dLLM) da empresa, bem como o LLM de raciocínio mais rápido. A data de lançamento do fornecedor é 2026-09-08. Em vez de gerar tokens sequencialmente, o Mercury 2.5 produz e refina vários tokens em paralelo.

O modelo aceita texto como entrada e devolve texto como saída. Tem uma janela de contexto de 260.000 tokens, o que permite processar documentos longos, ficheiros de código grandes ou históricos de conversa extensos num único pedido. A saída máxima é de 65.536 tokens, pelo que as respostas podem ser longas quando a tarefa o exige. Por ser um modelo de raciocínio, consegue trabalhar os problemas antes de produzir a resposta final, e o comportamento de raciocínio pode ser influenciado através dos parâmetros suportados.

Estas capacidades apontam para algumas utilizações práticas. Trabalho com contexto longo, como resumir ou consultar documentos grandes, bases de código ou transcrições, encaixa na janela de 260.000 tokens. Tarefas com forte componente de raciocínio, incluindo análise em várias etapas, planeamento e resolução de problemas, são uma correspondência natural dada a posição do modelo como LLM de raciocínio. O suporte de chamada de ferramentas e de saída estruturada torna-o adequado para fluxos de trabalho ao estilo de agentes e para aplicações que precisam de respostas num formato definido, como extrair campos de texto ou alimentar automatizações a jusante. A geração paralela de tokens também o torna relevante onde a latência da resposta é importante.

Chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "inception/mercury-2.5". Os parâmetros de pedido que suporta são include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice e tools. Na prática, isto significa que pode limitar o comprimento da saída com max_tokens, controlar a amostragem com temperature, parar a geração em sequências dadas com stop, pedir saída estruturada ou formatada através de response_format e structured_outputs, e expor funções ao modelo com tools e tool_choice. Os parâmetros reasoning, reasoning_effort e include_reasoning permitem ajustar quanto raciocínio o modelo realiza e se o conteúdo de raciocínio é devolvido.

Há casos em que outro modelo pode encaixar melhor. O Mercury 2.5 aceita apenas texto como entrada, pelo que tarefas que envolvam imagens, áudio ou outras modalidades estão fora do seu âmbito. A sua saída também é apenas texto. Se a sua carga de trabalho não beneficiar de raciocínio ou de geração paralela, um modelo mais simples pode ser suficiente, mas dentro de tarefas de texto a janela de contexto, o limite de saída e o conjunto de parâmetros tornam o Mercury 2.5 uma escolha flexível.