Что такое dLLM и в чем преимущество Mercury Coder?

Это диффузионная языковая модель, которая в отличие от стандартных моделей генерирует текст не по одному токену за раз, а через процесс диффузии. Это позволяет Mercury Coder работать в 5-10 раз быстрее аналогов на платформе alltokens.

Какой объем контекста поддерживает модель?

Модель поддерживает до 128 000 токенов, что позволяет загружать в промпт целые библиотеки или несколько файлов проекта одновременно для анализа и рефакторинга.

Поддерживает ли модель вызов функций?

Да, Mercury Coder поддерживает параметры tools и tool_choice, что позволяет интегрировать её в сложные рабочие процессы и использовать внешние инструменты при написании кода.

Inception: Mercury Coder

INInceptionОбновлено: 30 апреля 2025 г.

Mercury Coder — это первая большая языковая модель на базе диффузионного подхода (dLLM), специально оптимизированная для написания кода. Благодаря инновационной архитектуре она демонстрирует скорость генерации в 5-10 раз выше, чем у традиционных оптимизированных моделей, сохраняя при этом контекстное окно в 128 000 токенов.

Использовать через API

Метрики

Вход

32 ₽/M

Выход

94 ₽/M

Контекст

128k tokens

Параметры

Релиз

30 апреля 2025 г.

Поддерживаемые параметры

max_tokensresponse_formatstopstructured_outputstemperaturetool_choicetools

Технический обзор

Mercury Coder — это первая большая языковая модель на базе диффузионных алгоритмов. Благодаря инновационному методу дискретной диффузии, модель работает в 5–10 раз быстрее даже таких оптимизированных решений, как Claude 3.5 Haiku и GPT-4o Mini, сохраняя при этом сопоставимый уровень производительности. Скорость Mercury Coder позволяет разработчикам не прерывать рабочий процесс, обеспечивая мгновенные ответы в чате и быстрые предложения по автодополнению кода. В рейтинге Copilot Arena Mercury Coder занимает первое место по скорости и делит второе место по качеству генерации. На платформе alltokens вы можете оценить возможности этой модели в реальном времени.

Кодинг

Инструменты

Длинный контекст

Мультимодальность

Веб-автоматизация

Смежные подборки

Модели для программирования Недорогие модели

Сравнение с похожими моделями

Модель

Для чего

Контекст

Цена ₽

Модель

Inception: Mercury CoderТекущая

Для чего

Контекст

128k

Цена ₽

32 / 94

Inception: Mercury CoderТекущая

128k

32 / 94

Модель

Inception: Mercury 2

Для чего

Базовая модель той же серии, использующая аналогичную диффузионную архитектуру для задач общего назначения.

Контекст

128k

Цена ₽

32 / 94

Inception: Mercury 2

128k

32 / 94

Модель

DeepSeek: DeepSeek V3.1 Terminus

Для чего

Конкурирующая модель для разработки ПО с сопоставимым объемом контекстного окна и высокой производительностью в кодинге.

Контекст

164k

Цена ₽

34 / 118

DeepSeek: DeepSeek V3.1 Terminus

164k

34 / 118

Когда выбирать

Необходима экстремально высокая скорость генерации программного кода без потери качества.
Требуется работа с объемными кодовыми базами благодаря контекстному окну 128k.
Нужна поддержка современных инструментов разработки через structured outputs и функции tool_choice.

Когда не выбирать

Требуется выполнение творческих задач, не связанных с программированием или техническими текстами.
Необходима работа с мультимодальным контентом, так как модель поддерживает только текстовый ввод.
Предпочтительны классические авторегрессионные модели с предсказуемым пошаговым выводом.