Perceptron Mk1 er Perceptrons model til billed- og videoforståelse og kropsligt forankret ræsonnement. Den analyserer visuelt kildemateriale i forhold til et skriftligt spørgsmål og returnerer tekst og strukturerede rumlige eller tidslige annotationer. Producentens modelvariant har en multimodal kontekst på 32K og en hybrid ræsonnementstilstand, der kan slås fra ved opgaver, som ikke kræver et ræsonnementsspor.
Producenten udvikler Mk1 til at forklare begivenheder over tid frem for kun at mærke et enkelt billede. En sportssekvens, en madlavningsdemonstration eller en operatørs opgave kan give en struktureret beskrivelse af, hvad der skete og hvornår. Producenten dokumenterer dynamisk videoanalyse med op til to billeder pr. sekund. Denne samplingprofil er adskilt fra kildevideoens oprindelige billedfrekvens.
Ved en opgave om at lokalisere en begivenhed skal du beskrive handlingen og det interval, du har brug for. En illustrativ instruktion er: “Identificér de øjeblikke, hvor genstanden placeres på hylden, returnér tidsintervallerne, og forklar det synlige grundlag for hvert af dem.” Hold kildevideoen og tidsreferencerne samlet, så en klipannotation eller et begivenhedsinterval kan kontrolleres, før en anden applikation bruger det.
Mk1 understøtter visuel læring i konteksten ud fra et referencebillede eller en referencevideo efterfulgt af lokalisering af tilsvarende forekomster i nyt materiale. Definér, hvad der gør en forekomst relevant, og bevar referencens mærkning. Til en sammenligning skal du levere begge medier og angive kriterierne: det objekt, den handling, betingelse eller dokumentdetalje, der skal sammenlignes.
Dette er en måde at forberede opgaven på med leverede eksempler og ikke en antagelse om, at en særskilt finjusteringsproces har kørt. Hvis scenerne adskiller sig, skal du bede outputtet om at identificere, hvilket input der underbygger hvert resultat. En synlig lighed skal fortsat være adskilt fra en udledt konklusion om en begivenhed.
Producentens billedfunktioner omfatter udpegning, optælling, tekstgenkendelse og aflæsning af analoge eller digitale instrumenter. For et instrument skal du bevare skalaen, enhederne og de læsbare markeringer; for en optælling skal du definere område og kategori. Mk1 udtrækker også komplekse dokumenter til HTML, JSON eller Markdown og bevarer samtidig layoutrelationer, tabeller og hierarki.
Lever et læsbart sidebillede, og angiv felterne eller spørgsmålet. Et nyttigt resultat bevarer kildetilknytningen og skelner mellem udtrukket ordlyd og fortolkning. Lille tekst, tildækning og tvetydigt visuelt grundlag skal håndteres i forberedelsen af kilden og gennemgangen af svaret.
Producenten træner punkter, bokse, polygoner, tracks og klip som selvstændige strukturerede output på linje med tekst. Disse annotationer kan levere mål, begrænsninger, opgavegrænser eller observerede oplysninger om succes og fejl til en omgivende robot- eller analysearbejdsgang. En opgave med flere kameraer skal mærke visningerne og bevare forbindelsen mellem hver annotation og dens kilde.
Modellen fortolker observationerne og producerer det kildeforankrede resultat; applikationen eller styresystemet beslutter, hvordan det skal bruges, og udfører enhver fysisk handling eller handling i en brugergrænseflade. Et foreslået mål eller et annoteret interval er adskilt fra en udført operation eller en eksporteret mediefil.
Fordel videorepræsentation, billedindhold, prompt, historik og genereret output inden for konteksten på 32K. Bed om den endelige leverance og det grundlag, der dokumenterer hvert resultat, i stedet for at forvente, at en samling uvedkommende kilder definerer sit eget mål. Kontrollér koordinater, tidsintervaller og udtrukne værdier mod originalmediet.
Mk1 bevarer sin egen navngivne udgave og visuelle modelprofil. Indbygget lydinput, de aktuelle Mk1.5-anmodningsbegrænsninger og dens nye detaljer om værktøjs- og sporingsarbejdsgange må ikke antages at gælde denne tidligere udgave. Den nyttige leverance er en scenebeskrivelse, dokumentpost eller rumlig/tidslig annotation, der kan gennemgås og er knyttet til det leverede visuelle kildemateriale.
", "aboutText": "Perceptron Mk1 er Perceptrons model til billed- og videoforståelse og kropsligt forankret ræsonnement. Den analyserer visuelt kildemateriale i forhold til et skriftligt spørgsmål og returnerer tekst og strukturerede rumlige eller tidslige annotationer. Producentens modelvariant har en multimodal kontekst på 32K og en hybrid ræsonnementstilstand, der kan slås fra ved opgaver, som ikke kræver et ræsonnementsspor.\n\n### Tidsligt ræsonnement og forankring\n\nProducenten udvikler Mk1 til at forklare begivenheder over tid frem for kun at mærke et enkelt billede. En sportssekvens, en madlavningsdemonstration eller en operatørs opgave kan give en struktureret beskrivelse af, hvad der skete og hvornår. Producenten dokumenterer dynamisk videoanalyse med op til to billeder pr. sekund. Denne samplingprofil er adskilt fra kildevideoens oprindelige billedfrekvens.\n\nVed en opgave om at lokalisere en begivenhed skal du beskrive handlingen og det interval, du har brug for. En illustrativ instruktion er: “Identificér de øjeblikke, hvor genstanden placeres på hylden, returnér tidsintervallerne, og forklar det synlige grundlag for hvert af dem.” Hold kildevideoen og tidsreferencerne samlet, så en klipannotation eller et begivenhedsinterval kan kontrolleres, før en anden applikation bruger det.\n\n### Referenceeksempler og sammenligning\n\nMk1 understøtter visuel læring i konteksten ud fra et referencebillede eller en referencevideo efterfulgt af lokalisering af tilsvarende forekomster i nyt materiale. Definér, hvad der gør en forekomst relevant, og bevar referencens mærkning. Til en sammenligning skal du levere begge medier og angive kriterierne: det objekt, den handling, betingelse eller dokumentdetalje, der skal sammenlignes.\n\nDette er en måde at forberede opgaven på med leverede eksempler og ikke en antagelse om, at en særskilt finjusteringsproces har kørt. Hvis scenerne adskiller sig, skal du bede outputtet om at identificere, hvilket input der underbygger hvert resultat. En synlig lighed skal fortsat være adskilt fra en udledt konklusion om en begivenhed.\n\n### Billed- og dokumentopgaver\n\nProducentens billedfunktioner omfatter udpegning, optælling, tekstgenkendelse og aflæsning af analoge eller digitale instrumenter. For et instrument skal du bevare skalaen, enhederne og de læsbare markeringer; for en optælling skal du definere område og kategori. Mk1 udtrækker også komplekse dokumenter til HTML, JSON eller Markdown og bevarer samtidig layoutrelationer, tabeller og hierarki.\n\nLever et læsbart sidebillede, og angiv felterne eller spørgsmålet. Et nyttigt resultat bevarer kildetilknytningen og skelner mellem udtrukket ordlyd og fortolkning. Lille tekst, tildækning og tvetydigt visuelt grundlag skal håndteres i forberedelsen af kilden og gennemgangen af svaret.\n\n### Rumlige grundelementer og arbejde i fysiske miljøer\n\nProducenten træner punkter, bokse, polygoner, tracks og klip som selvstændige strukturerede output på linje med tekst. Disse annotationer kan levere mål, begrænsninger, opgavegrænser eller observerede oplysninger om succes og fejl til en omgivende robot- eller analysearbejdsgang. En opgave med flere kameraer skal mærke visningerne og bevare forbindelsen mellem hver annotation og dens kilde.\n\nModellen fortolker observationerne og producerer det kildeforankrede resultat; applikationen eller styresystemet beslutter, hvordan det skal bruges, og udfører enhver fysisk handling eller handling i en brugergrænseflade. Et foreslået mål eller et annoteret interval er adskilt fra en udført operation eller en eksporteret mediefil.\n\n### Grænser og udgavens omfang\n\nFordel videorepræsentation, billedindhold, prompt, historik og genereret output inden for konteksten på 32K. Bed om den endelige leverance og det grundlag, der dokumenterer hvert resultat, i stedet for at forvente, at en samling uvedkommende kilder definerer sit eget mål. Kontrollér koordinater, tidsintervaller og udtrukne værdier mod originalmediet.\n\nMk1 bevarer sin egen navngivne udgave og visuelle modelprofil. Indbygget lydinput, de aktuelle Mk1.5-anmodningsbegrænsninger og dens nye detaljer om værktøjs- og sporingsarbejdsgange må ikke antages at gælde denne tidligere udgave. Den nyttige leverance er en scenebeskrivelse, dokumentpost eller rumlig/tidslig annotation, der kan gennemgås og er knyttet til det leverede visuelle kildemateriale.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Annotate a transcribed event sequence\n\nUse these written observations from clip C: [00:02] hand grips a cup; [00:05] cup rests on shelf; [00:08] hand releases cup; [00:11] hand leaves frame. Return the interval from shelf contact to release and cite the two observations that bound it. State that you are using notes rather than inspecting video.A textual interval annotation with source timestamps, bounding evidence and the stated notes-only basis.Check the interval uses contact and release timestamps rather than grip or departure.perceptron/perceptron-mk1Perceptron Mk1 er Perceptrons billed- og videomodel til tidslig forståelse, rumlig forankring og kropsligt forankret ræsonnement. Den producerer tekst og strukturerede annotationer til scener, dokumenter og synlige handlinger med en multimodal kontekst på 32K og valgfrit ræsonnement.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Perceptron Mk1 er Perceptrons model til billed- og videoforståelse og kropsligt forankret ræsonnement. Den analyserer visuelt kildemateriale i forhold til et skriftligt spørgsmål og returnerer tekst og strukturerede rumlige eller tidslige annotationer. Producentens modelvariant har en multimodal kontekst på 32K og en hybrid ræsonnementstilstand, der kan slås fra ved opgaver, som ikke kræver et ræsonnementsspor.
Producenten udvikler Mk1 til at forklare begivenheder over tid frem for kun at mærke et enkelt billede. En sportssekvens, en madlavningsdemonstration eller en operatørs opgave kan give en struktureret beskrivelse af, hvad der skete og hvornår. Producenten dokumenterer dynamisk videoanalyse med op til to billeder pr. sekund. Denne samplingprofil er adskilt fra kildevideoens oprindelige billedfrekvens.
Ved en opgave om at lokalisere en begivenhed skal du beskrive handlingen og det interval, du har brug for. En illustrativ instruktion er: “Identificér de øjeblikke, hvor genstanden placeres på hylden, returnér tidsintervallerne, og forklar det synlige grundlag for hvert af dem.” Hold kildevideoen og tidsreferencerne samlet, så en klipannotation eller et begivenhedsinterval kan kontrolleres, før en anden applikation bruger det.
Mk1 understøtter visuel læring i konteksten ud fra et referencebillede eller en referencevideo efterfulgt af lokalisering af tilsvarende forekomster i nyt materiale. Definér, hvad der gør en forekomst relevant, og bevar referencens mærkning. Til en sammenligning skal du levere begge medier og angive kriterierne: det objekt, den handling, betingelse eller dokumentdetalje, der skal sammenlignes.
Dette er en måde at forberede opgaven på med leverede eksempler og ikke en antagelse om, at en særskilt finjusteringsproces har kørt. Hvis scenerne adskiller sig, skal du bede outputtet om at identificere, hvilket input der underbygger hvert resultat. En synlig lighed skal fortsat være adskilt fra en udledt konklusion om en begivenhed.
Producentens billedfunktioner omfatter udpegning, optælling, tekstgenkendelse og aflæsning af analoge eller digitale instrumenter. For et instrument skal du bevare skalaen, enhederne og de læsbare markeringer; for en optælling skal du definere område og kategori. Mk1 udtrækker også komplekse dokumenter til HTML, JSON eller Markdown og bevarer samtidig layoutrelationer, tabeller og hierarki.
Lever et læsbart sidebillede, og angiv felterne eller spørgsmålet. Et nyttigt resultat bevarer kildetilknytningen og skelner mellem udtrukket ordlyd og fortolkning. Lille tekst, tildækning og tvetydigt visuelt grundlag skal håndteres i forberedelsen af kilden og gennemgangen af svaret.
Producenten træner punkter, bokse, polygoner, tracks og klip som selvstændige strukturerede output på linje med tekst. Disse annotationer kan levere mål, begrænsninger, opgavegrænser eller observerede oplysninger om succes og fejl til en omgivende robot- eller analysearbejdsgang. En opgave med flere kameraer skal mærke visningerne og bevare forbindelsen mellem hver annotation og dens kilde.
Modellen fortolker observationerne og producerer det kildeforankrede resultat; applikationen eller styresystemet beslutter, hvordan det skal bruges, og udfører enhver fysisk handling eller handling i en brugergrænseflade. Et foreslået mål eller et annoteret interval er adskilt fra en udført operation eller en eksporteret mediefil.
Fordel videorepræsentation, billedindhold, prompt, historik og genereret output inden for konteksten på 32K. Bed om den endelige leverance og det grundlag, der dokumenterer hvert resultat, i stedet for at forvente, at en samling uvedkommende kilder definerer sit eget mål. Kontrollér koordinater, tidsintervaller og udtrukne værdier mod originalmediet.
Mk1 bevarer sin egen navngivne udgave og visuelle modelprofil. Indbygget lydinput, de aktuelle Mk1.5-anmodningsbegrænsninger og dens nye detaljer om værktøjs- og sporingsarbejdsgange må ikke antages at gælde denne tidligere udgave. Den nyttige leverance er en scenebeskrivelse, dokumentpost eller rumlig/tidslig annotation, der kan gennemgås og er knyttet til det leverede visuelle kildemateriale.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser perceptron/perceptron-mk1 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0003 / 1K tokens Output · Outputtokens $0.003 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0003 / 1K tokens Output · Outputtokens $0.003 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${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", "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',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',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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra perceptron/perceptron-mk1
Brug metodestierne vist ovenfor.
perceptron/perceptron-mk1Perceptron Mk1 er Perceptrons billed- og videomodel til tidslig forståelse, rumlig forankring og kropsligt forankret ræsonnement. Den producerer tekst og strukturerede annotationer til scener, dokumenter og synlige handlinger med en multimodal kontekst på 32K og valgfrit ræsonnement.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Perceptron Mk1 er Perceptrons model til billed- og videoforståelse og kropsligt forankret ræsonnement. Den analyserer visuelt kildemateriale i forhold til et skriftligt spørgsmål og returnerer tekst og strukturerede rumlige eller tidslige annotationer. Producentens modelvariant har en multimodal kontekst på 32K og en hybrid ræsonnementstilstand, der kan slås fra ved opgaver, som ikke kræver et ræsonnementsspor.
Producenten udvikler Mk1 til at forklare begivenheder over tid frem for kun at mærke et enkelt billede. En sportssekvens, en madlavningsdemonstration eller en operatørs opgave kan give en struktureret beskrivelse af, hvad der skete og hvornår. Producenten dokumenterer dynamisk videoanalyse med op til to billeder pr. sekund. Denne samplingprofil er adskilt fra kildevideoens oprindelige billedfrekvens.
Ved en opgave om at lokalisere en begivenhed skal du beskrive handlingen og det interval, du har brug for. En illustrativ instruktion er: “Identificér de øjeblikke, hvor genstanden placeres på hylden, returnér tidsintervallerne, og forklar det synlige grundlag for hvert af dem.” Hold kildevideoen og tidsreferencerne samlet, så en klipannotation eller et begivenhedsinterval kan kontrolleres, før en anden applikation bruger det.
Mk1 understøtter visuel læring i konteksten ud fra et referencebillede eller en referencevideo efterfulgt af lokalisering af tilsvarende forekomster i nyt materiale. Definér, hvad der gør en forekomst relevant, og bevar referencens mærkning. Til en sammenligning skal du levere begge medier og angive kriterierne: det objekt, den handling, betingelse eller dokumentdetalje, der skal sammenlignes.
Dette er en måde at forberede opgaven på med leverede eksempler og ikke en antagelse om, at en særskilt finjusteringsproces har kørt. Hvis scenerne adskiller sig, skal du bede outputtet om at identificere, hvilket input der underbygger hvert resultat. En synlig lighed skal fortsat være adskilt fra en udledt konklusion om en begivenhed.
Producentens billedfunktioner omfatter udpegning, optælling, tekstgenkendelse og aflæsning af analoge eller digitale instrumenter. For et instrument skal du bevare skalaen, enhederne og de læsbare markeringer; for en optælling skal du definere område og kategori. Mk1 udtrækker også komplekse dokumenter til HTML, JSON eller Markdown og bevarer samtidig layoutrelationer, tabeller og hierarki.
Lever et læsbart sidebillede, og angiv felterne eller spørgsmålet. Et nyttigt resultat bevarer kildetilknytningen og skelner mellem udtrukket ordlyd og fortolkning. Lille tekst, tildækning og tvetydigt visuelt grundlag skal håndteres i forberedelsen af kilden og gennemgangen af svaret.
Producenten træner punkter, bokse, polygoner, tracks og klip som selvstændige strukturerede output på linje med tekst. Disse annotationer kan levere mål, begrænsninger, opgavegrænser eller observerede oplysninger om succes og fejl til en omgivende robot- eller analysearbejdsgang. En opgave med flere kameraer skal mærke visningerne og bevare forbindelsen mellem hver annotation og dens kilde.
Modellen fortolker observationerne og producerer det kildeforankrede resultat; applikationen eller styresystemet beslutter, hvordan det skal bruges, og udfører enhver fysisk handling eller handling i en brugergrænseflade. Et foreslået mål eller et annoteret interval er adskilt fra en udført operation eller en eksporteret mediefil.
Fordel videorepræsentation, billedindhold, prompt, historik og genereret output inden for konteksten på 32K. Bed om den endelige leverance og det grundlag, der dokumenterer hvert resultat, i stedet for at forvente, at en samling uvedkommende kilder definerer sit eget mål. Kontrollér koordinater, tidsintervaller og udtrukne værdier mod originalmediet.
Mk1 bevarer sin egen navngivne udgave og visuelle modelprofil. Indbygget lydinput, de aktuelle Mk1.5-anmodningsbegrænsninger og dens nye detaljer om værktøjs- og sporingsarbejdsgange må ikke antages at gælde denne tidligere udgave. Den nyttige leverance er en scenebeskrivelse, dokumentpost eller rumlig/tidslig annotation, der kan gennemgås og er knyttet til det leverede visuelle kildemateriale.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser perceptron/perceptron-mk1 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0003 / 1K tokens Output · Outputtokens $0.003 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0003 / 1K tokens Output · Outputtokens $0.003 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "perceptron/perceptron-mk1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra perceptron/perceptron-mk1
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Annotate a transcribed event sequence\n\nUse these written observations from clip C: [00:02] hand grips a cup; [00:05] cup rests on shelf; [00:08] hand releases cup; [00:11] hand leaves frame. Return the interval from shelf contact to release and cite the two observations that bound it. State that you are using notes rather than inspecting video.A textual interval annotation with source timestamps, bounding evidence and the stated notes-only basis.Check the interval uses contact and release timestamps rather than grip or departure.