Mercury 3 — диффузионная LLM для чата и AI-агентов

Контекст: 1 000 000токенов
Результат: Текстформат ответа
Стоимость: Тариф уточняетсяусловия — в блоке подключения

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-3",
  messages: [{ role: "user", content: "Ваш запрос" }],
});

Открыть инструкцию по подключению →

ПОДРОБНЫЙ ОБЗОР

Возможности модели

Контекст — 1 000 000 токенов; заявленный предел ответа — 131 072 токена.

Вход и выход — текст. В снимке OpenRouter перечислены tools, tool_choice, response_format и structured_outputs.

Reasoning необязателен, включён по умолчанию; default effort — medium. Перечислены high, medium, low и none.

Диффузионная модель и практический выбор

Разработчик представил Mercury 3 19 октября как новый выпуск диффузионной LLM. Архитектурный подход сам по себе не доказывает преимущество на вашей задаче. Возьмите несколько реальных обращений поддержки, заданий по коду и вопросов по документам. До просмотра ответов определите, что считается правильным результатом. Оцените также запросы с недостаточной информацией: помощник должен уточнять условия, если без них невозможно дать надёжный ответ.

Проверяйте задержку всего сценария

Для диалога измеряйте время от отправки запроса до первого полезного фрагмента и до завершения ответа. Для агента отдельно учитывайте модель, ожидание инструмента и повторные шаги. Высокая скорость выдачи токенов не гарантирует короткое ожидание пользователя, если запрос долго стоит в очереди или приложение выполняет медленный поиск. Проверяйте короткие и длинные ответы при обычной для продукта нагрузке. В этой карточке собственных измерений задержки нет.

Инструменты и структурированный результат

Для извлечения полей задайте схему и проверьте, что выбранный маршрут принимает нужные элементы. Затем валидируйте сам ответ до записи в базу. Поддержка structured_outputs не подтверждает правильность фактов и бизнес-решений. Для функции с внешним эффектом проверяйте аргументы и полномочия отдельно от генерации текста. Предусмотрите неверный вызов, пустой результат и таймаут инструмента. Успешный ответ модели не является доказательством выполненного изменения во внешней системе.

Контекст, reasoning и границы мультимодальности

Большое окно удобно для сопоставления источников, но не следует заполнять его нерелевантным материалом. Сохраняйте идентификаторы документов и проверяйте подтверждение основных выводов. Настройку reasoning выбирайте по результатам контрольных задач; разрешённые значения различаются между моделями. Mercury 3 в этой записи принимает текст. Упоминание голосовых сценариев на сайте разработчика не превращает её в отдельный аудио-API: распознавание и синтез могут требовать других компонентов приложения.

Вопросы и ответы

Mercury 3 гарантированно быстрее других моделей?

В этой карточке такой гарантии нет. Публикация разработчика описывает его измерения, а пользовательская задержка зависит от маршрута, нагрузки и сценария.

Можно ли передавать изображение?

Снимок выбранной модели перечисляет только текстовый вход. Для изображения выбирайте модель и маршрут с явно подтверждённой поддержкой такого формата.

Нужно ли всегда оставлять medium?

Это значение по умолчанию в текущем снимке. Сравните допустимые настройки на собственном наборе задач и не меняйте их только ради предполагаемой скорости.

Карточка означает уже работающий API Tokenmost?

Нет. Она описывает модель. Доступность запросов зависит от активного маршрута, ключа и условий сервиса; платная приёмка здесь не проводилась.