قیمت و API مدل Mercury 2.5 در ایران
inception/mercury-2.5
شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. ورودی کش‌شده: ۱٬۳۸۵ تومان به‌ازای هر ۱M توکن.قیمت‌ها و شارژ
کد آمادهٔ Mercury 2.5: فراخوانی ابزار (tool calling)
نمونه بر اساس قابلیت‌های همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا می‌شود.
from openai import OpenAI
import json
client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")
tools = [{
"type": "function",
"function": {
"name": "check_stock",
"description": "موجودی یک محصول را برمی‌گرداند",
"parameters": {
"type": "object",
"properties": {"sku": {"type": "string"}},
"required": ["sku"],
},
},
}]
messages = [{"role": "user", "content": "از کفش نایک مدل NK-42 چند تا موجوده"}]
first = client.chat.completions.create(model="inception/mercury-2.5", messages=messages, tools=tools)
call = first.choices[0].message.tool_calls[0]
# you run the function yourself — the model never touches the database
args = json.loads(call.function.arguments)
result = {"sku": args["sku"], "qty": 7}
messages += [first.choices[0].message, {"role": "tool", "tool_call_id": call.id, "content": json.dumps(result)}]
final = client.chat.completions.create(model="inception/mercury-2.5", messages=messages, tools=tools)
print(final.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.uttapen.ir/v1", apiKey: "sk-up-…" });
const tools = [{
type: "function",
function: {
name: "check_stock",
description: "موجودی یک محصول را برمی‌گرداند",
parameters: { type: "object", properties: { sku: { type: "string" } }, required: ["sku"] },
},
}];
const messages = [{ role: "user", content: "از کفش نایک مدل NK-42 چند تا موجوده" }];
const first = await client.chat.completions.create({ model: "inception/mercury-2.5", messages, tools });
const call = first.choices[0].message.tool_calls[0];
const args = JSON.parse(call.function.arguments);
const result = { sku: args.sku, qty: 7 };
messages.push(first.choices[0].message, { role: "tool", tool_call_id: call.id, content: JSON.stringify(result) });
const final = await client.chat.completions.create({ model: "inception/mercury-2.5", messages, tools });
console.log(final.choices[0].message.content);curl https://api.uttapen.ir/v1/chat/completions \
-H "Authorization: Bearer sk-up-…" \
-H "Content-Type: application/json" \
-d '{
"model": "inception/mercury-2.5",
"messages": [{"role": "user", "content": "از کفش نایک مدل NK-42 چند تا موجوده"}],
"tools": [{
"type": "function",
"function": {
"name": "check_stock",
"parameters": {"type": "object", "properties": {"sku": {"type": "string"}}, "required": ["sku"]}
}
}]
}'Mercury 2.5 برای چه کاری خوب است؟
Mercury 2.5 یکی از مدل‌های Inception است و در یوتاپن با شناسهٔ «inception/
قابلیت‌هایی که در همین شناسه فعال است: tool calling دارد، یعنی می‌تواند تابع‌های خودت را با آرگومان درست صدا بزند؛ با response_format خروجی JSON معتبر می‌دهد و مستقیم به کد وصل می‌شود؛ حالت استدلال دارد و روی مسئلهٔ چندمرحله‌ای، ریاضی و دیباگ بهتر جواب می‌دهد. همهٔ این‌ها با همان پارامترهای استاندارد SDK رسمی OpenAI کار می‌کنند و کد اختصاصی لازم ندارند. توجه کن که توکن‌های استدلال هم توکن خروجی محسوب می‌شوند و در صورتحساب می‌آیند.
برای برآورد سرانگشتی: هر ۱٬۰۰۰ کلمه رفت‌وبرگشت با این مدل حدود ۸۶ تومان است (۱۳٬۸۴۹ تومان ورودی و ۵۱٬۹۳۳ تومان خروجی به‌ازای ۱M توکن). cache ورودی دارد: توکن‌های تکراری متن ورودی با ۱٬۳۸۵ تومان / ۱M حساب می‌شوند، که برای پرامپت سیستمی بلند تفاوت بزرگی است. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد، و درخواستی که ناموفق باشد هزینهای ندارد.
نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر Nova Micro 1.0 است: Mercury 2.5 حدود ۱۰٪ گران‌تر از آن تمام می‌شود و حداکثر طول متنش بیشتر است. هر دو با همان کلید و همان کد کار می‌کنند، پس عوض‌کردن‌شان فقط تغییر یک رشته است.
برای اینکه عدد قابل تصور شود: با ۱۰۰ هزار تومان اعتبار، حدود ۱٬۱۶۳ درخواست ۱٬۰۰۰ کلمهای روی Mercury 2.5 جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱۱٬۶۲۸ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۶۵٬۷۸۲ تومان می‌شود. پر کردن کامل پنجرهٔ ۲۶۰٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۳٬۶۰۱ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.
نزدیک‌ترین هم‌خانوادهٔ این مدل «inception/
Inception در کاتالوگ ما ۳ مدل دارد؛ ارزان‌ترین‌شان Mercury 2.5 با ۸۶ تومان و گران‌ترین Mercury 2 با ۴۵۰ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل reasoning_effort را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض top_p، seed را که بیشتر مدلها دارند پشتیبانی نمی‌کند، پس اگر کدت به آن‌ها تکیه دارد قبل از جابه‌جایی تست کن. از نظر طول متن نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Aion 3.5 با ۲۶۲٬۱۴۴ توکن است.
بهترین جای استفاده‌اش: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، حل مسئلهٔ منطقی و بازبینی کد، ایجنت‌هایی که به API و دیتابیس وصل می‌شوند، استخراج داده با اسکیمای مشخص، تحلیل سند یا کدبیس بلند در یک درخواست.
Mercury 2.5 is the fastest reasoning LLM, and the latest diffusion LLM (dLLM) from Inception. Instead of generating tokens sequentially, Mercury 2.5 produces and refines multiple tokens in parallel, achieving...
سه کار واقعی، با قیمت همین مدل
اعداد از همان قیمت‌های بالا حساب شده‌اند و با تغییر قیمت مدل تغییر می‌کنند.
| کار | توکن | هزینه |
|---|---|---|
| یک نوبت گفتگو با تاریخچهٔ متوسط | ۱٬۵۰۰ ورودی + ۴۰۰ خروجی | ۴۲ تومان |
| خلاصه‌کردن سند ده‌صفحه‌ای | ۴٬۰۰۰ ورودی + ۶۰۰ خروجی | ۸۷ تومان |
| دسته‌بندی هزار ردیف کوتاه | ۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی | ۲٬۷۰۱ تومان |
سؤال‌های پرتکرار
- چطور با Mercury 2.5 در ایران کار کنم؟
- در یوتاپن ثبتنام کن، کیف پول را تومانی شارژ کن، کلید API بساز و در SDK رسمی OpenAI فقط base_url را به https:/
/ api.uttapen.ir/ v1 و model را به «inception/ mercury-2.5» تغییر بده. بقیهٔ کدت دستنخورده میماند. - قیمت Mercury 2.5 به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۱۳٬۸۴۹ تومان و هر ۱ میلیون توکن خروجی ۵۱٬۹۳۳ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۸۶ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینهای ندارد.
- Mercury 2.5 چند توکن ورودی میگیرد؟
- تا ۲۶۰٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۱۹۵ هزار کلمه. حداکثر طول پاسخ هم ۶۵٬۵۳۶ توکن است.
- آیا Mercury 2.5 استریم و tool calling را پشتیبانی میکند؟
- استریم (stream=true) روی همهٔ مدلها فعال است. این مدل tool calling را با همان قالب OpenAI پشتیبانی میکند. خروجی ساختیافته با response_format هم کار میکند.