Perceptron Mk1.5 je multimodální model společnosti Perceptron pro vizuální porozumění, přiřazování k časovým úsekům a úlohy agentů působících ve fyzickém prostředí. Přijímá text, obrázky, video a zvuk a vrací text, prostorové či časové anotace, strukturované odpovědi a obsah volání funkcí. Aktuální specifikace výrobce uvádí kontext 36 864 tokenů a maximální výstup 8 192 tokenů; tyto přesné limity jsou konkrétnější než zaokrouhlený údaj 32K v článku při uvedení modelu.
Výraznou novinkou je sledování objektů ve videu jako geometrie opatřené časovými značkami. Cíl jasně popište a uveďte, co má výsledek určit, například kdy předmět vstoupí do scény, kudy se pohybuje nebo který interval obsahuje konkrétní činnost. U záběrů z pohledu první osoby výrobce zdůrazňuje sledování rukou a rozdělení na dílčí úlohy, což je užitečné pro analýzu činnosti obsluhy v čase.
Dokumentované výstupy zahrnují body, ohraničující obdélníky a polygony pro přiřazení k místům v obraze, klipy pro časové intervaly a kontejnery track pro pohyb objektů. Track je kontejner ve vygenerovaném anotačním značkování, nikoli samostatná hodnota formátu anotace. Body trajektorie mohou být řídké: vrácená trajektorie nezaručuje ohraničující obdélník pro každý zdrojový snímek ani nepřetržitou viditelnost objektu. Zachovejte původní média i vazbu na souřadnice nebo časové značky, aby bylo možné výsledky ověřit vůči skutečné scéně.
Mk1.5 přidává nativní porozumění zvuku, včetně přepisu, detekce zvukových událostí, shrnutí a otázek k nahrávce. Výrobce přijímá WAV, MP3 a FLAC. Limit zvuku pro jednotlivou položku je 16 384 zvukových tokenů, přibližně 21,8 minuty při dokumentované rychlosti kolem 750 tokenů za minutu. Zvuk sdílí kontext s ostatními vstupy a s rozpočtem výstupu, takže požadavek může vyplnit kontext ještě před dosažením tohoto limitu pro jednotlivou položku.
U videa, jehož zvuková stopa je důležitá, postup výrobce výslovně zapíná zvuk ve videu. Uveďte, zda se úloha týká řeči, zvukové události, viditelné scény, nebo jejich vztahu. Výstupem je text a strukturovaný obsah; Mk1.5 negeneruje zvuk řeči. U přepisu zachovejte požadovaný jazyk a vazbu na časové údaje, místo abyste vizuální popisek považovali za přepis.
Výrobce podporuje porovnávání více mediálních vstupů. Položky označte a zachovejte vazby na příslušná média. Volitelné asset_idx označuje výskyt média dostupný v daném bodě konverzace, nikoli trvalý identifikátor souboru. Pokud není přítomen výslovný ani zděděný selektor, anotace se vztahuje k poslední mediální položce dostupné v okamžiku generování. Tyto konvence jsou důležité při porovnávání dvou kamer, stránek nebo nahrávek. Výrobce omezuje požadavek na 256 mediálních jednotek. Každý snímek ve skupině video_frames se do tohoto limitu započítává, přestože skupina zabírá jediný index mediální položky; zapnutí zvukové stopy videa další mediální položku nepřidává.
Výrobce podporuje závěrečné odpovědi omezené pomocí JSON Schema nebo regulárního výrazu. Definujte pole nebo vzor a zkontrolujte vrácené hodnoty vůči zdroji. Dokumentuje také Multilook pro nezávislé prompty nad sdíleným kontextem; jde o samostatný postup výrobce odlišný od běžného chatu s jediným dokončením.
Mk1.5 může vybírat z dodaných funkcí popsaných názvy, účely a schématy JSON Schema. Navržená volání provádí aplikace a vrací pozorování. Pro úlohu ve fyzickém prostředí nebo v rozhraní definujte povolené akce a kritérium dokončení a poté použijte nový vizuální stav nebo výsledek nástroje jako podklad pro další krok. Míru úsilí věnovaného uvažování lze v profilu výrobce nastavit.
Funkční nástroje nelze deklarovat ve stejném požadavku jako výstup omezený pomocí JSON Schema nebo regulárního výrazu; výrobce uvádí, že o omezenou závěrečnou odpověď se má požádat až po cyklu práce s nástroji. Před použitím výsledku zkontrolujte důvod ukončení, protože ukončení kvůli délce může znamenat neúplný výstup.
Užitečným výstupem je vysvětlení scény opřené o dodaná média, časovaný přepis, anotace objektu nebo návrh akce podložený pozorováním. Geometrii kontrolujte vůči médiím, pozorované detaily oddělujte od interpretace a přesné zvukové schopnosti, sledování a nástroje Mk1.5 evidujte odděleně od dřívější edice Mk1.
", "aboutText": "Perceptron Mk1.5 je multimodální model společnosti Perceptron pro vizuální porozumění, přiřazování k časovým úsekům a úlohy agentů působících ve fyzickém prostředí. Přijímá text, obrázky, video a zvuk a vrací text, prostorové či časové anotace, strukturované odpovědi a obsah volání funkcí. Aktuální specifikace výrobce uvádí kontext 36 864 tokenů a maximální výstup 8 192 tokenů; tyto přesné limity jsou konkrétnější než zaokrouhlený údaj 32K v článku při uvedení modelu.\n\n### Video a sledování objektů\n\nVýraznou novinkou je sledování objektů ve videu jako geometrie opatřené časovými značkami. Cíl jasně popište a uveďte, co má výsledek určit, například kdy předmět vstoupí do scény, kudy se pohybuje nebo který interval obsahuje konkrétní činnost. U záběrů z pohledu první osoby výrobce zdůrazňuje sledování rukou a rozdělení na dílčí úlohy, což je užitečné pro analýzu činnosti obsluhy v čase.\n\nDokumentované výstupy zahrnují body, ohraničující obdélníky a polygony pro přiřazení k místům v obraze, klipy pro časové intervaly a kontejnery track pro pohyb objektů. Track je kontejner ve vygenerovaném anotačním značkování, nikoli samostatná hodnota formátu anotace. Body trajektorie mohou být řídké: vrácená trajektorie nezaručuje ohraničující obdélník pro každý zdrojový snímek ani nepřetržitou viditelnost objektu. Zachovejte původní média i vazbu na souřadnice nebo časové značky, aby bylo možné výsledky ověřit vůči skutečné scéně.\n\n### Zvuk a kombinované podklady\n\nMk1.5 přidává nativní porozumění zvuku, včetně přepisu, detekce zvukových událostí, shrnutí a otázek k nahrávce. Výrobce přijímá WAV, MP3 a FLAC. Limit zvuku pro jednotlivou položku je 16 384 zvukových tokenů, přibližně 21,8 minuty při dokumentované rychlosti kolem 750 tokenů za minutu. Zvuk sdílí kontext s ostatními vstupy a s rozpočtem výstupu, takže požadavek může vyplnit kontext ještě před dosažením tohoto limitu pro jednotlivou položku.\n\nU videa, jehož zvuková stopa je důležitá, postup výrobce výslovně zapíná zvuk ve videu. Uveďte, zda se úloha týká řeči, zvukové události, viditelné scény, nebo jejich vztahu. Výstupem je text a strukturovaný obsah; Mk1.5 negeneruje zvuk řeči. U přepisu zachovejte požadovaný jazyk a vazbu na časové údaje, místo abyste vizuální popisek považovali za přepis.\n\n### Více mediálních položek a strukturované odpovědi\n\nVýrobce podporuje porovnávání více mediálních vstupů. Položky označte a zachovejte vazby na příslušná média. Volitelné asset_idx označuje výskyt média dostupný v daném bodě konverzace, nikoli trvalý identifikátor souboru. Pokud není přítomen výslovný ani zděděný selektor, anotace se vztahuje k poslední mediální položce dostupné v okamžiku generování. Tyto konvence jsou důležité při porovnávání dvou kamer, stránek nebo nahrávek. Výrobce omezuje požadavek na 256 mediálních jednotek. Každý snímek ve skupině video_frames se do tohoto limitu započítává, přestože skupina zabírá jediný index mediální položky; zapnutí zvukové stopy videa další mediální položku nepřidává.\n\nVýrobce podporuje závěrečné odpovědi omezené pomocí JSON Schema nebo regulárního výrazu. Definujte pole nebo vzor a zkontrolujte vrácené hodnoty vůči zdroji. Dokumentuje také Multilook pro nezávislé prompty nad sdíleným kontextem; jde o samostatný postup výrobce odlišný od běžného chatu s jediným dokončením.\n\n### Funkce a uvažování\n\nMk1.5 může vybírat z dodaných funkcí popsaných názvy, účely a schématy JSON Schema. Navržená volání provádí aplikace a vrací pozorování. Pro úlohu ve fyzickém prostředí nebo v rozhraní definujte povolené akce a kritérium dokončení a poté použijte nový vizuální stav nebo výsledek nástroje jako podklad pro další krok. Míru úsilí věnovaného uvažování lze v profilu výrobce nastavit.\n\nFunkční nástroje nelze deklarovat ve stejném požadavku jako výstup omezený pomocí JSON Schema nebo regulárního výrazu; výrobce uvádí, že o omezenou závěrečnou odpověď se má požádat až po cyklu práce s nástroji. Před použitím výsledku zkontrolujte důvod ukončení, protože ukončení kvůli délce může znamenat neúplný výstup.\n\nUžitečným výstupem je vysvětlení scény opřené o dodaná média, časovaný přepis, anotace objektu nebo návrh akce podložený pozorováním. Geometrii kontrolujte vůči médiím, pozorované detaily oddělujte od interpretace a přesné zvukové schopnosti, sledování a nástroje Mk1.5 evidujte odděleně od dřívější edice Mk1.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Summarize a timed handling sequence\n\nUse these written frame notes, not unseen footage: 00:02 operator picks up a red box; 00:05 places it on scale; 00:08 removes it; 00:11 places it on shelf. Return the ordered subtasks and the observed interval when the box is on the scale. State the sampling limitation instead of claiming exact continuous motion between notes.An ordered subtask list and a scale interval explicitly bounded by the supplied observations.Timestamps stay attached to their notes, and the answer does not invent intermediate geometry or continuous visibility.perceptron/perceptron-mk1.5Perceptron Mk1.5 rozumí textu, obrázkům, videu a zvuku pro vizuální úlohy a úlohy agentů působících ve fyzickém prostředí. Vrací text, prostorové či časové anotace, trajektorie objektů a návrhy volání funkcí; výrobce uvádí kontext 36 864 tokenů a maximální výstup 8 192 tokenů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Perceptron Mk1.5 je multimodální model společnosti Perceptron pro vizuální porozumění, přiřazování k časovým úsekům a úlohy agentů působících ve fyzickém prostředí. Přijímá text, obrázky, video a zvuk a vrací text, prostorové či časové anotace, strukturované odpovědi a obsah volání funkcí. Aktuální specifikace výrobce uvádí kontext 36 864 tokenů a maximální výstup 8 192 tokenů; tyto přesné limity jsou konkrétnější než zaokrouhlený údaj 32K v článku při uvedení modelu.
Výraznou novinkou je sledování objektů ve videu jako geometrie opatřené časovými značkami. Cíl jasně popište a uveďte, co má výsledek určit, například kdy předmět vstoupí do scény, kudy se pohybuje nebo který interval obsahuje konkrétní činnost. U záběrů z pohledu první osoby výrobce zdůrazňuje sledování rukou a rozdělení na dílčí úlohy, což je užitečné pro analýzu činnosti obsluhy v čase.
Dokumentované výstupy zahrnují body, ohraničující obdélníky a polygony pro přiřazení k místům v obraze, klipy pro časové intervaly a kontejnery track pro pohyb objektů. Track je kontejner ve vygenerovaném anotačním značkování, nikoli samostatná hodnota formátu anotace. Body trajektorie mohou být řídké: vrácená trajektorie nezaručuje ohraničující obdélník pro každý zdrojový snímek ani nepřetržitou viditelnost objektu. Zachovejte původní média i vazbu na souřadnice nebo časové značky, aby bylo možné výsledky ověřit vůči skutečné scéně.
Mk1.5 přidává nativní porozumění zvuku, včetně přepisu, detekce zvukových událostí, shrnutí a otázek k nahrávce. Výrobce přijímá WAV, MP3 a FLAC. Limit zvuku pro jednotlivou položku je 16 384 zvukových tokenů, přibližně 21,8 minuty při dokumentované rychlosti kolem 750 tokenů za minutu. Zvuk sdílí kontext s ostatními vstupy a s rozpočtem výstupu, takže požadavek může vyplnit kontext ještě před dosažením tohoto limitu pro jednotlivou položku.
U videa, jehož zvuková stopa je důležitá, postup výrobce výslovně zapíná zvuk ve videu. Uveďte, zda se úloha týká řeči, zvukové události, viditelné scény, nebo jejich vztahu. Výstupem je text a strukturovaný obsah; Mk1.5 negeneruje zvuk řeči. U přepisu zachovejte požadovaný jazyk a vazbu na časové údaje, místo abyste vizuální popisek považovali za přepis.
Výrobce podporuje porovnávání více mediálních vstupů. Položky označte a zachovejte vazby na příslušná média. Volitelné asset_idx označuje výskyt média dostupný v daném bodě konverzace, nikoli trvalý identifikátor souboru. Pokud není přítomen výslovný ani zděděný selektor, anotace se vztahuje k poslední mediální položce dostupné v okamžiku generování. Tyto konvence jsou důležité při porovnávání dvou kamer, stránek nebo nahrávek. Výrobce omezuje požadavek na 256 mediálních jednotek. Každý snímek ve skupině video_frames se do tohoto limitu započítává, přestože skupina zabírá jediný index mediální položky; zapnutí zvukové stopy videa další mediální položku nepřidává.
Výrobce podporuje závěrečné odpovědi omezené pomocí JSON Schema nebo regulárního výrazu. Definujte pole nebo vzor a zkontrolujte vrácené hodnoty vůči zdroji. Dokumentuje také Multilook pro nezávislé prompty nad sdíleným kontextem; jde o samostatný postup výrobce odlišný od běžného chatu s jediným dokončením.
Mk1.5 může vybírat z dodaných funkcí popsaných názvy, účely a schématy JSON Schema. Navržená volání provádí aplikace a vrací pozorování. Pro úlohu ve fyzickém prostředí nebo v rozhraní definujte povolené akce a kritérium dokončení a poté použijte nový vizuální stav nebo výsledek nástroje jako podklad pro další krok. Míru úsilí věnovaného uvažování lze v profilu výrobce nastavit.
Funkční nástroje nelze deklarovat ve stejném požadavku jako výstup omezený pomocí JSON Schema nebo regulárního výrazu; výrobce uvádí, že o omezenou závěrečnou odpověď se má požádat až po cyklu práce s nástroji. Před použitím výsledku zkontrolujte důvod ukončení, protože ukončení kvůli délce může znamenat neúplný výstup.
Užitečným výstupem je vysvětlení scény opřené o dodaná média, časovaný přepis, anotace objektu nebo návrh akce podložený pozorováním. Geometrii kontrolujte vůči médiím, pozorované detaily oddělujte od interpretace a přesné zvukové schopnosti, sledování a nástroje Mk1.5 evidujte odděleně od dřívější edice Mk1.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity perceptron/perceptron-mk1.5 | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0003 / 1K tokenů Výstup · Výstupní tokeny $0.003 / 1K tokenů Vstup · Čtení z mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0003 / 1K tokenů Výstup · Výstupní tokeny $0.003 / 1K tokenů Vstup · Čtení z mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "perceptron/perceptron-mk1.5", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='perceptron/perceptron-mk1.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='perceptron/perceptron-mk1.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra perceptron/perceptron-mk1.5
Použijte cesty metod uvedené výše.
perceptron/perceptron-mk1.5Perceptron Mk1.5 rozumí textu, obrázkům, videu a zvuku pro vizuální úlohy a úlohy agentů působících ve fyzickém prostředí. Vrací text, prostorové či časové anotace, trajektorie objektů a návrhy volání funkcí; výrobce uvádí kontext 36 864 tokenů a maximální výstup 8 192 tokenů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Perceptron Mk1.5 je multimodální model společnosti Perceptron pro vizuální porozumění, přiřazování k časovým úsekům a úlohy agentů působících ve fyzickém prostředí. Přijímá text, obrázky, video a zvuk a vrací text, prostorové či časové anotace, strukturované odpovědi a obsah volání funkcí. Aktuální specifikace výrobce uvádí kontext 36 864 tokenů a maximální výstup 8 192 tokenů; tyto přesné limity jsou konkrétnější než zaokrouhlený údaj 32K v článku při uvedení modelu.
Výraznou novinkou je sledování objektů ve videu jako geometrie opatřené časovými značkami. Cíl jasně popište a uveďte, co má výsledek určit, například kdy předmět vstoupí do scény, kudy se pohybuje nebo který interval obsahuje konkrétní činnost. U záběrů z pohledu první osoby výrobce zdůrazňuje sledování rukou a rozdělení na dílčí úlohy, což je užitečné pro analýzu činnosti obsluhy v čase.
Dokumentované výstupy zahrnují body, ohraničující obdélníky a polygony pro přiřazení k místům v obraze, klipy pro časové intervaly a kontejnery track pro pohyb objektů. Track je kontejner ve vygenerovaném anotačním značkování, nikoli samostatná hodnota formátu anotace. Body trajektorie mohou být řídké: vrácená trajektorie nezaručuje ohraničující obdélník pro každý zdrojový snímek ani nepřetržitou viditelnost objektu. Zachovejte původní média i vazbu na souřadnice nebo časové značky, aby bylo možné výsledky ověřit vůči skutečné scéně.
Mk1.5 přidává nativní porozumění zvuku, včetně přepisu, detekce zvukových událostí, shrnutí a otázek k nahrávce. Výrobce přijímá WAV, MP3 a FLAC. Limit zvuku pro jednotlivou položku je 16 384 zvukových tokenů, přibližně 21,8 minuty při dokumentované rychlosti kolem 750 tokenů za minutu. Zvuk sdílí kontext s ostatními vstupy a s rozpočtem výstupu, takže požadavek může vyplnit kontext ještě před dosažením tohoto limitu pro jednotlivou položku.
U videa, jehož zvuková stopa je důležitá, postup výrobce výslovně zapíná zvuk ve videu. Uveďte, zda se úloha týká řeči, zvukové události, viditelné scény, nebo jejich vztahu. Výstupem je text a strukturovaný obsah; Mk1.5 negeneruje zvuk řeči. U přepisu zachovejte požadovaný jazyk a vazbu na časové údaje, místo abyste vizuální popisek považovali za přepis.
Výrobce podporuje porovnávání více mediálních vstupů. Položky označte a zachovejte vazby na příslušná média. Volitelné asset_idx označuje výskyt média dostupný v daném bodě konverzace, nikoli trvalý identifikátor souboru. Pokud není přítomen výslovný ani zděděný selektor, anotace se vztahuje k poslední mediální položce dostupné v okamžiku generování. Tyto konvence jsou důležité při porovnávání dvou kamer, stránek nebo nahrávek. Výrobce omezuje požadavek na 256 mediálních jednotek. Každý snímek ve skupině video_frames se do tohoto limitu započítává, přestože skupina zabírá jediný index mediální položky; zapnutí zvukové stopy videa další mediální položku nepřidává.
Výrobce podporuje závěrečné odpovědi omezené pomocí JSON Schema nebo regulárního výrazu. Definujte pole nebo vzor a zkontrolujte vrácené hodnoty vůči zdroji. Dokumentuje také Multilook pro nezávislé prompty nad sdíleným kontextem; jde o samostatný postup výrobce odlišný od běžného chatu s jediným dokončením.
Mk1.5 může vybírat z dodaných funkcí popsaných názvy, účely a schématy JSON Schema. Navržená volání provádí aplikace a vrací pozorování. Pro úlohu ve fyzickém prostředí nebo v rozhraní definujte povolené akce a kritérium dokončení a poté použijte nový vizuální stav nebo výsledek nástroje jako podklad pro další krok. Míru úsilí věnovaného uvažování lze v profilu výrobce nastavit.
Funkční nástroje nelze deklarovat ve stejném požadavku jako výstup omezený pomocí JSON Schema nebo regulárního výrazu; výrobce uvádí, že o omezenou závěrečnou odpověď se má požádat až po cyklu práce s nástroji. Před použitím výsledku zkontrolujte důvod ukončení, protože ukončení kvůli délce může znamenat neúplný výstup.
Užitečným výstupem je vysvětlení scény opřené o dodaná média, časovaný přepis, anotace objektu nebo návrh akce podložený pozorováním. Geometrii kontrolujte vůči médiím, pozorované detaily oddělujte od interpretace a přesné zvukové schopnosti, sledování a nástroje Mk1.5 evidujte odděleně od dřívější edice Mk1.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity perceptron/perceptron-mk1.5 | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0003 / 1K tokenů Výstup · Výstupní tokeny $0.003 / 1K tokenů Vstup · Čtení z mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0003 / 1K tokenů Výstup · Výstupní tokeny $0.003 / 1K tokenů Vstup · Čtení z mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "perceptron/perceptron-mk1.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'perceptron/perceptron-mk1.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'perceptron/perceptron-mk1.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra perceptron/perceptron-mk1.5
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Summarize a timed handling sequence\n\nUse these written frame notes, not unseen footage: 00:02 operator picks up a red box; 00:05 places it on scale; 00:08 removes it; 00:11 places it on shelf. Return the ordered subtasks and the observed interval when the box is on the scale. State the sampling limitation instead of claiming exact continuous motion between notes.An ordered subtask list and a scale interval explicitly bounded by the supplied observations.Timestamps stay attached to their notes, and the answer does not invent intermediate geometry or continuous visibility.