AREX Feed Article
Inception 的 Mercury Decide 在 OpenRouter 支持图像输入：看图作答、打分，定价不变
北京时间 10 月 14 日凌晨 1 时 25 分（UTC 10 月 13 日 17 时 25 分），发帖宣布：Inception（X 账号 @_inception_ai）的决策模型 Mercury Decide 现已在 OpenRouter 支持图像输入。用户把图像和文本一起放进 Decisions 请求的 state（共享上下文字段），Mercury Decide 就根据图像内容回答给定类型的问题，输出三选一——从选项里选一项、给一个分数，或者一个附带概率的 yes/no。帖子链接指向 。
帖子里写明定价不变：免费端点照旧，付费端点每百万输入 tokens 0.02 美元并继续带零数据保留（zero data retention，ZDR），图像按输入 tokens 计费。已经把 Mercury Decide 的输入模态列为 text 和 image，输出模态标为 decisions。四分多钟后，Inception 确认这项能力，并附上了一个玩 NES 游戏的演示。
图像编码成 base64 放进 state，问题单独列出
OpenRouter 的 写明了用法：把图像编码成 base64 data URL，作为 image_url 部件放进 state 数组、与文本并列，请求发往 openrouter.ai/api/alpha/decisions。图像必须是 base64 data URL，OpenRouter 不抓取远程 http(s) 链接；图像部件要放在 state 数组顶层，嵌进其他对象不会被当作图像，顶层的 images 字段会被直接拒绝（400 错误），没有 data:image 前缀的裸 base64 字符串也不会被当作图像——Inception 的文档写明，写成普通字符串的图像 URL 会按普通文本处理。
（直连端点为 api.inceptionlabs.ai/v1/decisions）给出了三种问题类型的定义：选择题（choice）接受 1～255 个命名选项，返回概率最高的选项、每个选项各自的概率和一个 confidence（置信度）值；评分题（score）接受一组按序排列的等级描述（1～10 个），返回按概率加权的平均等级，可以是小数；是非题（noul）返回 0～1 之间「肯定答案」的概率。文档同时划出边界：Mercury Decide 不支持 /v1/chat/completions、流式输出和工具调用，图像也不能放进选项的 criteria 里。
限制方面两家文档口径基本一致：单次请求最多 16 张图；Inception 文档写明单张不超过 10 MiB、整个请求体不超过 20 MiB（base64 编码会把体积放大约三分之一）；OpenRouter 指南给出的是 12 MB 的图返回 422、16 MB 的图返回 413，建议每张控制在几 MB 以内。有一处不一致：Inception 文档列出的支持格式是 PNG、JPEG、WebP 和 GIF，OpenRouter 指南只列 PNG、JPEG、WebP。OpenRouter 还说明，请求里的 detail 参数（auto/low/high）Mercury Decide 会忽略。
「不变」的定价定于 10 月 8 日：0.04 美元列表价打对折
「不变」的基准是 10 月 8 日定下的价格。当天，宣布 Mercury Decide 在平台上有了付费的 ZDR 端点，与免费端点并存：输入 0.02 美元/百万 tokens（0.04 美元列表价的五折），输出和缓存输入免费，上下文 66K（API 页面的精确值为 65,536 tokens）。给出了同样的定价，外加 1 亿 tokens 免费额度和不设限的免费档。
图像计费在 OpenRouter 指南里有量级参考：一张 7 MB 的 JPEG（请求体约 10 MB）会被接受，按约 1,000 输入 tokens 计费，按 0.02 美元/百万 tokens 折算约合 0.00002 美元一张。Inception 文档则写明，输出 tokens 只在 usage 里上报、不计费。
演示：让模型看着 NES 游戏画面决定下一步
Inception 的第一条帖子附了一段演示：Inception 开发者关系工程师 Stefan Webb（这样介绍他的职务）让 Mercury Decide 玩 NES 游戏 Ring King，模型用新的视觉能力理解画面里的游戏状态，建议下一步动作。
列出了实时游戏之外的三个用途：从截图核验浏览器操作代理（browser use agent）执行动作后是否成功；快速、便宜地给数百万张图片打属性标签；在产线上评估电路板之类的物件有没有缺陷。
视觉能力的水平，是：带视觉能力的 Mercury Decide「在视觉基准上表现强劲」，在 CV-Bench 上整体领先，并在 Image JevBench 公开集上超过现居第二名的 Imajev-4B。这些基准数字全部出自 Inception 自己的帖文，OpenRouter 的公告没有附任何性能数据。称图像输入版已在 OpenRouter、Inception 和 Baseten 三处可用。
上线两周，从纯文本决策到看图决策
，以免费早享形式上线 OpenRouter。Inception 当时的介绍是：JevBench v1.4 口径下「OpenRouter 上最聪明的决策模型」、速度也在最快之列，最高每秒 14 次决策，并贴出它与决策模型 Jev 下国际象棋的视频。10 月 1 日，Inception 称模型的第一大实际用途是编码代理里的压缩、路由、护栏和核验。
10 月 8 日的更新把上下文从 33K 翻倍到 66K，宣布正式可用（GA）并带零数据保留，付费端点同日上线。Inception 称模型上线后已快速升到 OpenRouter 用户数第二；OpenRouter 官方的说法则是它「上周 OpenRouter 上增长最快的决策模型」。10 月 13 日的图像输入，是这个上线两周的模型又一次能力扩展。
会看图的 Decisions 模型不止它一个
OpenRouter 的 Multimodal Decisions 指南把支持媒体输入的 Decisions 模型列成一张表：Perplexity 的 pplx-decider-v1-27b 和 pplx-decider-v1.1-27b、Cloudflare 的 Clef 与 Clef Flash、OpenAI 的 GPT-6 Luna Decisions 都接受文本和图像，Cloudflare 的 Clef Omni 还接受音频和视频，Mercury Decide 名列其中。指南同时写明，纯文本的 Decisions 请求——包括发给 Jev 的每一个请求——用法照旧。Jev 正是 Inception 在定价（自称比 Jev 便宜）和基准（JevBench）上反复对标的那个决策模型。
评论区里，用户「韩策」（@superhancee）：图像输入适合固定选项的分拣，比如按截图判断页面属于哪种类型；概率值可以拿来安排复核，但别直接当成这批图片的实际正确率，先用已知答案的样本检查，再决定哪些结果能自动放行。
参考链接
- _