Mercury 2 API — быстрый reasoning, агенты и токены

Контекст: 128 000токенов
Результат: Текстформат ответа
Вход / выход: 50 ₽ / 140 ₽за 1 млн токенов

ПОДКЛЮЧЕНИЕ

От модели к первому запросу

Используйте идентификатор модели в совместимом API-клиенте. Полные параметры, ключи и ответы с ошибками описаны в документации.

const response = await client.chat.completions.create({
  model: "inception/mercury-2",
  messages: [{ role: "user", content: "Ваш запрос" }],
});

Открыть инструкцию по подключению →

ПОДРОБНЫЙ ОБЗОР

Возможности модели

Inception объясняет, что Mercury 2 уточняет несколько токенов параллельно вместо строго последовательной генерации. Разработчик заявляет 128K context, tunable reasoning, tool use и schema-aligned JSON. Опубликованные tokens/sec измерены на определённом NVIDIA hardware и не равны задержке Tokenmost end to end. Tokenmost показывает `inception/mercury-2`, text-to-text, 128000 токенов и reasoning levels none, low, medium, high. Route перечисляет tools и structured output. Preflight проверяет schema, stop, streaming, max output, returned usage, p95 latency и розничную цену. Тестовый диалог содержит перебивания, неоднозначную дату, недоступный слот и действие, требующее подтверждения. Эталон фиксирует намерение, аргументы tool call и точную финальную реплику.

Разделите голосовой pipeline

ASR передаёт текст и confidence, Mercury выбирает следующий шаг, TTS озвучивает только подтверждённый текст. Ошибки каждого слоя журналируются отдельно. Аудио не отправляется Mercury 2 напрямую, поскольку route заявляет текст.

Сократите контекст разговора

Храните слоты, согласия и последние существенные реплики в структуре. Полную стенограмму подключайте только при споре. Не позволяйте пересказу менять подтверждённые дату, сумму или личность пользователя.

Защитите tool calls

Схема ограничивает операцию, идентификатор и допустимые поля. Чтение можно выполнить сразу, запись требует повторения параметров пользователю и явного согласия. Контроллер проверяет права и идемпотентность.

Измерьте ощущаемую задержку

Считайте ASR finalization, model time to first token, tool duration и TTS start. Тестируйте пики нагрузки и повторные вызовы. Быстрое декодирование полезно только когда вся цепочка укладывается в диалоговый бюджет.

Подберите reasoning по намерению

Для приветствия используйте none, для выбора по простым правилам low, а сложный конфликт отправляйте medium или high. Сравнивайте task success, задержку и usage. Цена оценивается за завершённый разговор, а не отдельную реплику.

Вопросы и ответы

Mercury 2 принимает аудио?

Нет, текущий route текстовый; нужны отдельные ASR и TTS компоненты.

Что означает diffusion LLM?

Модель уточняет несколько токенов параллельно, а не генерирует только слева направо.

Есть ли reasoning levels?

Каталог Tokenmost заявляет none, low, medium и high.

Можно вызывать инструменты?

Да, tools заявлены, но операции валидирует и исполняет ваше приложение.

Как считать цену?

По usage всех реплик и инструментов на завершённый диалог с учётом ASR и TTS.