چطور با Mercury 2.5 Preview 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-preview» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Mercury 2.5 Preview به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۱۱٬۶۰۵ تومان و هر ۱ میلیون توکن خروجی ۴۳٬۵۱۹ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۷۲ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Mercury 2.5 Preview 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 Preview 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.

قیمت و API مدل Mercury 2.5 Preview در ایران

inception/mercury-2.5-preview

toolsreasoningjson

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

11,605 تومان

خروجی · هر ۱M توکن

43,519 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

72 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 1,161 تومان / 1M.قیمت‌ها و شارژ

کد آمادهٔ Mercury 2.5 Preview: حل مسئلهٔ چندمرحله‌ای با حالت استدلال

نمونه بر اساس قابلیت‌های همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا می‌شود.

from openai import OpenAI

client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")

resp = client.chat.completions.create(
    model="inception/mercury-2.5-preview",
    messages=[{"role": "user", "content": (
        "یک فروشگاه ۳ انبار دارد. انبار A روزی ۱۲۰ سفارش، B روزی ۸۵ و C روزی ۴۰ سفارش می‌فرستد. "
        "اگر C تعطیل شود و بارش بین A و B نسبت به ظرفیت‌شان تقسیم شود، هر کدام روزی چند سفارش می‌فرستند؟ "
        "مرحله‌به‌مرحله حساب کن و در پایان فقط دو عدد بده."
    )}],
    reasoning_effort="medium",   # low | medium | high
)
print(resp.choices[0].message.content)
# توکن‌های استدلال هم توکن خروجی حساب می‌شوند:
print(resp.usage.completion_tokens_details)

curl https://api.uttapen.ir/v1/chat/completions \
  -H "Authorization: Bearer sk-up-…" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "inception/mercury-2.5-preview",
    "messages": [{"role": "user", "content": "۱۲۰ و ۸۵ سفارش روزانه بین دو انبار تقسیم می‌شود؛ مرحله‌به‌مرحله حساب کن."}],
    "reasoning": {"effort": "medium"}
  }'

import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.uttapen.ir/v1", apiKey: "sk-up-…" });

const resp = await client.chat.completions.create({
  model: "inception/mercury-2.5-preview",
  messages: [{ role: "user", content: "۱۲۰ و ۸۵ سفارش روزانه بین دو انبار تقسیم می‌شود؛ مرحله‌به‌مرحله حساب کن و در پایان فقط دو عدد بده." }],
  reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);
console.log(resp.usage.completion_tokens_details);

Mercury 2.5 Preview برای چه کاری خوب است؟

Mercury 2.5 Preview از Inception می‌آید؛ در کد فقط همین رشته را در فیلد model بگذار: «inception/mercury-2.5-preview». Mercury 2.5 Preview تا ۲۶۰٬۰۰۰ توکن را در یک درخواست نگه می‌دارد (نزدیک ۱۹۵ هزار کلمهٔ فارسی)، و همین عدد سقف تاریخچهٔ گفتگو در محصول تو را تعیین می‌کند. حداکثر طول پاسخ در هر فراخوانی ۶۵٬۵۳۶ توکن است. از نظر قیمت در دستهٔ «بسیار ارزان» است — ارزان‌تر از ۱۹ مدل و گران‌تر از ۳۸۷ مدل پولی دیگر کاتالوگ.

آنچه این مدل بیش از یک مدل متنی ساده انجام می‌دهد: 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.

۱۱٬۶۰۵ تومان برای هر ۱M توکن ورودی و ۴۳٬۵۱۹ تومان برای هر ۱M توکن خروجی؛ در دستهٔ «بسیار ارزان» کاتالوگ می‌نشیند و یک درخواست ۱٬۰۰۰ کلمه‌ای ≈ ۷۲ تومان. cache ورودی دارد: توکن‌های تکراری context با ۱٬۱۶۱ تومان / ۱M حساب می‌شوند، که برای پرامپت سیستمی بلند تفاوت بزرگی است. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد؛ درخواست ناموفق صفر تومان.

نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر Granite 4.2 8B است: Mercury 2.5 Preview تقریباً 1.3 برابر ارزان‌تر از آن تمام می‌شود و پنجرهٔ context آن بزرگ‌تر 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 ۱٬۳۸۹ درخواست ۱٬۰۰۰ کلمه‌ای روی Mercury 2.5 Preview جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱۳٬۸۸۹ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۵۵٬۱۲۴ تومان می‌شود. پر کردن کامل پنجرهٔ ۲۶۰٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۳٬۰۱۷ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «inception/mercury-2» است و انتخاب بین این دو همان جایی است که بیشتر آدم‌ها گیر می‌کنند. روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه 5.2 برابر ارزان‌تر از آن درمی‌آید (۷۲ در برابر ۳۷۷ تومان). پنجرهٔ context هم یکی نیست: ۲۶۰٬۰۰۰ در برابر ۱۲۸٬۰۰۰ توکن. حداکثر طول پاسخ هم فرق دارد: ۶۵٬۵۳۶ در برابر ۵۰٬۰۰۰ توکن.

Inception در کاتالوگ ما ۲ مدل دارد؛ ارزان‌ترین‌شان Mercury 2.5 Preview با ۷۲ تومان و گران‌ترین Mercury 2 با ۳۷۷ 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 اندازهٔ context نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Trinity Large Thinking با ۲۶۲٬۱۴۴ توکن است.

کاربردهایی که برای این مدل معنی می‌دهد: 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.

توضیح رسمی تأمین‌کننده (انگلیسی)

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	1,500 ورودی + 400 خروجی	35 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	73 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	2,263 تومان

سؤال‌های پرتکرار

چطور با Mercury 2.5 Preview 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-preview» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Mercury 2.5 Preview به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۱۱٬۶۰۵ تومان و هر ۱ میلیون توکن خروجی ۴۳٬۵۱۹ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۷۲ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Mercury 2.5 Preview 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 Preview 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.