Inception: Mercury 2 inception/mercury-2

Модель Inception: Mercury 2 от Inception (семейство mercury-2) доступна через единый OpenAI-совместимый API НейроГейт — без VPN, с оплатой в рублях, единым ключом для всех 353+ моделей платформы.
Доступны через единый API НейроГейт: 3 модели Inception.

👁 Зрение 🧠 Рассуждение 🎨 Генерация изображений 🎙 Аудио-вход 🔊 Синтез речи 🆓 Бесплатно

128K

контекст, токенов

25 ₽

за 1 млн входных токенов

75 ₽

за 1 млн выходных токенов

возможностей

Что такое Inception: Mercury 2

Reasoning-задачи, где нужна максимальная скорость ответа без отказа от многошагового анализа.

Mercury 2 от компании Inception — это reasoning-модель с нестандартной архитектурой: в отличие от классических авторегрессионных LLM, она относится к классу диффузионных языковых моделей (dLLM). Вместо последовательной генерации токен за токеном Mercury 2 производит и уточняет несколько токенов параллельно, что принципиально меняет соотношение скорости и качества рассуждений.

Ключевая ставка — на экстремально высокую скорость при сохранении способности к многошаговому reasoning. Это делает модель интересной там, где задержка критична: интерактивные приложения, real-time пайплайны, высоконагруженные сервисы с большим числом одновременных запросов. Контекстное окно в 128 000 токенов позволяет работать с объёмными документами и длинными диалогами без потери контекста.

Mercury 2 позиционируется как первая в своём роде reasoning dLLM — архитектурный эксперимент, переросший в продуктовую модель. Для команд, которые ищут альтернативу традиционным reasoning-моделям и готовы оценить нестандартный подход, это заметный вариант для тестирования.

Когда брать эту модель

✓ Real-time приложения, где критична низкая задержка генерации
✓ Многошаговые reasoning-задачи: анализ, планирование, отладка
✓ Высоконагруженные сервисы с большим потоком параллельных запросов
✓ Работа с длинными документами и кодовыми базами (до 128k токенов)
✓ Эксперименты с диффузионными LLM как альтернативой авторегрессионным моделям

Пример работы

Реальный сценарий, на котором модель проявляет себя:

Проанализируй следующий фрагмент кода на Python, найди потенциальные узкие места производительности и предложи оптимизированную версию с объяснением каждого изменения.

Использование Inception: Mercury 2 через НейроГейт

OpenAI-совместимый эндпоинт https://api.neuralgate.ru/v1 — замени base_url в любом SDK и используй модель по её id.

# Chat completion
curl https://api.neuralgate.ru/v1/chat/completions \
  -H "Authorization: Bearer $NEURALGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "inception/mercury-2",
    "messages": [{"role":"user","content":"Привет!"}]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-...your-neuralgate-key...",
    base_url="https://api.neuralgate.ru/v1",
)
response = client.chat.completions.create(
    model="inception/mercury-2",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NEURALGATE_API_KEY,
  baseURL: "https://api.neuralgate.ru/v1",
});
const resp = await client.chat.completions.create({
  model: "inception/mercury-2",
  messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);