Mercury Edit 2

Mercury Edit 2: Die Revolution der Next-Edit Prediction durch Diffusion LLMs

In der modernen Softwareentwicklung ist Geschwindigkeit der entscheidende Faktor. Mit der Einführung von Mercury Edit 2 präsentiert Inception ein bahnbrechendes, zweckgebundenes Diffusion LLM (dLLM), das speziell für die latenzkritischste Komponente des Entwicklungs-Workflows entwickelt wurde: die Next-Edit Prediction (Vorhersage des nächsten Bearbeitungsschritts).

Was ist Mercury Edit 2?

Mercury Edit 2 ist ein hochspezialisiertes KI-Modell, das darauf ausgerichtet ist, den nächsten Bearbeitungsschritt eines Entwicklers basierend auf den jüngsten Änderungen und dem Kontext der Codebasis vorherzusagen. Während herkömmliche Modelle oft sequenziell arbeiten, nutzt Mercury Edit 2 die Diffusion-Technologie, um Token parallel zu generieren.

Das Ergebnis ist eine Vorhersagegeschwindigkeit, die sich so natürlich anfühlt wie der eigene Gedankengang. Als Upgrade zum vorherigen Next-Edit-Modell ergänzt Mercury Edit 2 bestehende Auto-Complete-Endpunkte und lässt sich nahtlos in Umgebungen wie den Zed-Editor oder via API in eigene Workflows integrieren. Ein einfacher Druck auf die Tab-Taste genügt, um die präzisen Vorschläge zu übernehmen.

Herausragende Features von Mercury Edit 2

Diffusion-basierte Architektur (dLLM)

Im Gegensatz zu Standard-LLMs ermöglicht die dLLM-Struktur von Mercury Edit 2 die parallele Generierung von Code-Tokens. Dies reduziert die Latenz massiv und macht das Modell zum idealen Werkzeug für Echtzeit-Anwendungen in der Programmierung.

Optimiert durch KTO Reinforcement Learning

Um sicherzustellen, dass die Vorschläge nicht nur technisch korrekt, sondern auch für den Menschen nützlich sind, wurde Mercury Edit 2 mit einem speziellen Verfahren trainiert:

• Hochwertige Datensätze: Training auf einer breiten Palette von Sprachen und Szenarien.
• Human Preference Alignment: Nutzung der KTO (Kahneman-Tversky Optimization) Methode, einem ungepaarten Reinforcement-Learning-Verfahren.
• Feedback-Loop: Das Modell lernt aus explizitem Nutzerfeedback (Akzeptieren vs. Ablehnen von Edits).

Überlegene Präzision und Effizienz

Die Optimierung hat zu messbaren Verbesserungen gegenüber dem Vorgängermodell geführt:

• 48 % höhere Akzeptanzrate: Die Edits von Mercury Edit 2 werden deutlich häufiger von Entwicklern übernommen.
• 27 % selektiver: Das Modell ist weniger ablenkend, da es gezieltere Vorschläge macht und unnötige Edits vermeidet.

Use Case: Wo Mercury Edit 2 glänzt

Mercury Edit 2 ist für Szenarien konzipiert, in denen Qualität und Geschwindigkeit gleichermaßen zählen. Es wurde gegen verschiedene Benchmarks wie Instinct, Fill-in-the-middle (FIM) und Next-edit Prediction (NEP) getestet. Hier sind die primären Einsatzgebiete:

• Refactoring: Schnelle Anpassung von Codestrukturen.
• Variablenumbenennung: Konsistente Änderungen über den gesamten Kontext hinweg.
• Feature-Implementierung: Vorhersage der nächsten logischen Zeilen bei der Entwicklung neuer Funktionen.
• Zeilenvervollständigung: Nahtloses Weiterschreiben von Code-Fragmenten.

Durch die Integration in den Zed-Editor können Entwickler Mercury Edit 2 direkt in ihrer gewohnten Umgebung nutzen, wobei das System provider-agnostisch bleibt, um maximale Flexibilität zu gewährleisten.

Preise und Verfügbarkeit

Mercury Edit 2 ist ab sofort auf der Inception Platform verfügbar. Die Preisstruktur ist auf Skalierbarkeit ausgelegt:

• Input-Tokens: $0,25 pro 1 Million Tokens.
• Output-Tokens: $0,75 pro 1 Million Tokens.
• Cached Input: $0,025 pro 1 Million Tokens.

Bonus für Neukunden: Jedes neue Konto auf der Inception API-Plattform erhält automatisch 10 Millionen KOSTENLOSE Tokens.

Zusätzlich können Zed-Nutzer mit dem API-Key sk_ae471146ea60fc117c131b574b00ba96 einen kostenlosen Monat für Edit-Vorschläge freischalten.

FAQ - Häufig gestellte Fragen

Wie unterscheidet sich Mercury Edit 2 von normalen Auto-Complete-Modellen?

Während Auto-Complete oft nur das nächste Wort vorschlägt, analysiert Mercury Edit 2 den Kontext Ihrer letzten Änderungen und schlägt ganze Bearbeitungsschritte (Edits) vor, die parallel generiert werden.

Auf welchen Sprachen wurde das Modell trainiert?

Mercury Edit 2 wurde auf einem kuratierten Datensatz trainiert, der eine breite Palette an Programmiersprachen abdeckt, um in vielfältigen Codebasen einsatzfähig zu sein.

Ist Mercury Edit 2 schneller als andere Frontier-Modelle?

Ja, in Benchmarks bietet Mercury Edit 2 eine überlegene Kombination aus Qualität und Geschwindigkeit, insbesondere im Vergleich zu geschwindigkeitsoptimierten Standard-Modellen, dank seiner speziellen Diffusion-Architektur.

Wie kann ich Mercury Edit 2 integrieren?

Entwickler können das Modell über die Inception API nutzen oder direkt im Zed-Editor konfigurieren. Für Unterstützung und Feedback steht zudem der Inception Discord-Server zur Verfügung.