Perceptron Mk1.5 ist Perceptrons multimodales Modell für visuelles Verständnis, zeitliche Verankerung und Aufgaben verkörperter Agenten. Es nimmt Text, Bilder, Video und Audio entgegen und gibt Text, räumliche oder zeitliche Annotationen, strukturierte Antworten und Inhalte für Funktionsaufrufe zurück. Die aktuelle Herstellerspezifikation nennt einen Kontext von 36.864 Token und eine maximale Ausgabe von 8.192 Token; diese genauen Grenzen sind präziser als die gerundete Angabe von 32K im Artikel zur Einführung.
Eine wesentliche Ergänzung ist die Verfolgung von Objekten in Videos als Geometrie mit Zeitstempeln. Beschreiben Sie das Zielobjekt eindeutig und geben Sie an, was das Ergebnis feststellen soll, etwa wann ein Gegenstand in einer Szene auftaucht, wohin er sich bewegt oder in welchem Zeitabschnitt eine bestimmte Handlung stattfindet. Bei Aufnahmen aus der Ich-Perspektive hebt der Hersteller die Handverfolgung und die Aufteilung in Teilaufgaben hervor; das hilft bei der Analyse dessen, was eine bedienende Person im Zeitverlauf tut.
Die dokumentierten Ausgaben umfassen Punkte, Boxen und Polygone für die räumliche Verankerung, Clips für Zeitintervalle und Track-Container für Objektbewegungen. Track ist ein Container im erzeugten Annotations-Markup und kein separater Wert für das Annotationsformat. Track-Stützpunkte können weit auseinanderliegen: Eine zurückgegebene Spur garantiert weder eine Box für jedes Quellbild noch die durchgehende Sichtbarkeit des Objekts. Bewahren Sie die Originalmedien und die Zuordnung zu Koordinaten oder Zeitstempeln, damit die Ergebnisse anhand der tatsächlichen Szene geprüft werden können.
Mk1.5 ergänzt natives Audioverständnis, darunter Transkription, Erkennung von Schallereignissen, Zusammenfassungen und Fragen zu einer Aufnahme. Der Hersteller akzeptiert WAV, MP3 und FLAC. Die Audiogrenze je Element beträgt 16.384 Audio-Token, bei der dokumentierten Rate von ungefähr 750 Token pro Minute etwa 21,8 Minuten. Audio teilt sich den Kontext mit anderen Eingaben und dem Ausgabebudget; daher kann eine Anfrage den Kontext bereits füllen, bevor diese Grenze je Element erreicht ist.
Für ein Video, dessen Tonspur relevant ist, aktiviert der Ablauf des Herstellers ausdrücklich Audio im Video. Geben Sie an, ob sich die Aufgabe auf Sprache, ein Schallereignis, die sichtbare Szene oder deren Zusammenhang bezieht. Die Ausgabe besteht aus Text und strukturierten Inhalten; Mk1.5 erzeugt kein Sprachaudio. Bewahren Sie bei Transkriptionen die gewünschte Sprache und die zeitliche Zuordnung, anstatt eine visuelle Bildunterschrift als Transkript zu behandeln.
Der Hersteller unterstützt Vergleiche zwischen Medieneingaben. Kennzeichnen Sie die Elemente und bewahren Sie die Zuordnungen zu den Medienobjekten. Das optionale asset_idx bezeichnet ein Medienvorkommen, das zu diesem Zeitpunkt im Gespräch verfügbar ist, und keine dauerhafte Dateikennung. Wenn kein ausdrücklicher oder übernommener Selektor vorliegt, bezieht sich eine Annotation auf das letzte zum Zeitpunkt der Erzeugung verfügbare Medienobjekt. Diese Konventionen sind wichtig, wenn eine Aufgabe zwei Kameras, Seiten oder Aufnahmen vergleicht. Die Anfragegrenze des Herstellers beträgt 256 Medieneinheiten. Jedes Bild in einer video_frames-Gruppe zählt zu dieser Grenze, obwohl die Gruppe nur einen Asset-Index belegt; das Aktivieren der Tonspur eines Videos fügt kein weiteres Medienobjekt hinzu.
Der Hersteller unterstützt finale Antworten, die durch JSON Schema oder einen regulären Ausdruck begrenzt sind. Definieren Sie die Felder oder das Muster und prüfen Sie die zurückgegebenen Werte anhand der Quelle. Er dokumentiert außerdem Multilook für unabhängige Prompts über einem gemeinsamen Kontext, einen separaten Herstellerablauf gegenüber gewöhnlichen Chats mit einer einzelnen Completion.
Mk1.5 kann aus bereitgestellten Funktionen wählen, die durch Namen, Zwecke und JSON Schemas beschrieben sind. Die Anwendung führt die vorgeschlagenen Aufrufe aus und liefert Beobachtungen zurück. Definieren Sie für eine Aufgabe eines verkörperten Agenten oder eine Oberflächenaufgabe die erlaubten Aktionen und ein Abschlusskriterium; verwenden Sie anschließend den neuen visuellen Zustand oder das Werkzeugergebnis als Beleg für den nächsten Schritt. Der Reasoning-Aufwand ist in der Katalogvariante des Herstellers konfigurierbar.
Funktionswerkzeuge können nicht in derselben Anfrage wie eine durch JSON Schema oder einen regulären Ausdruck begrenzte Ausgabe deklariert werden; der Hersteller weist an, die begrenzte finale Antwort nach der Werkzeugschleife anzufordern. Prüfen Sie den Abschlussgrund, bevor Sie das Ergebnis verwenden, da ein Abbruch wegen der Länge eine unvollständige Ausgabe bedeuten kann.
Ein nützliches Ergebnis ist eine an den Quellen verankerte Szenenerklärung, ein Transkript mit Zeitangaben, eine Objektannotation oder ein beleggestützter Handlungsvorschlag. Prüfen Sie die Geometrie anhand der Medien, halten Sie beobachtete Details von Interpretationen getrennt und bewahren Sie die genauen Audio-, Tracking- und Werkzeugfunktionen von Mk1.5 getrennt von der früheren Mk1-Ausgabe.
", "aboutText": "Perceptron Mk1.5 ist Perceptrons multimodales Modell für visuelles Verständnis, zeitliche Verankerung und Aufgaben verkörperter Agenten. Es nimmt Text, Bilder, Video und Audio entgegen und gibt Text, räumliche oder zeitliche Annotationen, strukturierte Antworten und Inhalte für Funktionsaufrufe zurück. Die aktuelle Herstellerspezifikation nennt einen Kontext von 36.864 Token und eine maximale Ausgabe von 8.192 Token; diese genauen Grenzen sind präziser als die gerundete Angabe von 32K im Artikel zur Einführung.\n\n### Video und Objektverfolgung\n\nEine wesentliche Ergänzung ist die Verfolgung von Objekten in Videos als Geometrie mit Zeitstempeln. Beschreiben Sie das Zielobjekt eindeutig und geben Sie an, was das Ergebnis feststellen soll, etwa wann ein Gegenstand in einer Szene auftaucht, wohin er sich bewegt oder in welchem Zeitabschnitt eine bestimmte Handlung stattfindet. Bei Aufnahmen aus der Ich-Perspektive hebt der Hersteller die Handverfolgung und die Aufteilung in Teilaufgaben hervor; das hilft bei der Analyse dessen, was eine bedienende Person im Zeitverlauf tut.\n\nDie dokumentierten Ausgaben umfassen Punkte, Boxen und Polygone für die räumliche Verankerung, Clips für Zeitintervalle und Track-Container für Objektbewegungen. Track ist ein Container im erzeugten Annotations-Markup und kein separater Wert für das Annotationsformat. Track-Stützpunkte können weit auseinanderliegen: Eine zurückgegebene Spur garantiert weder eine Box für jedes Quellbild noch die durchgehende Sichtbarkeit des Objekts. Bewahren Sie die Originalmedien und die Zuordnung zu Koordinaten oder Zeitstempeln, damit die Ergebnisse anhand der tatsächlichen Szene geprüft werden können.\n\n### Audio und kombinierte Belege\n\nMk1.5 ergänzt natives Audioverständnis, darunter Transkription, Erkennung von Schallereignissen, Zusammenfassungen und Fragen zu einer Aufnahme. Der Hersteller akzeptiert WAV, MP3 und FLAC. Die Audiogrenze je Element beträgt 16.384 Audio-Token, bei der dokumentierten Rate von ungefähr 750 Token pro Minute etwa 21,8 Minuten. Audio teilt sich den Kontext mit anderen Eingaben und dem Ausgabebudget; daher kann eine Anfrage den Kontext bereits füllen, bevor diese Grenze je Element erreicht ist.\n\nFür ein Video, dessen Tonspur relevant ist, aktiviert der Ablauf des Herstellers ausdrücklich Audio im Video. Geben Sie an, ob sich die Aufgabe auf Sprache, ein Schallereignis, die sichtbare Szene oder deren Zusammenhang bezieht. Die Ausgabe besteht aus Text und strukturierten Inhalten; Mk1.5 erzeugt kein Sprachaudio. Bewahren Sie bei Transkriptionen die gewünschte Sprache und die zeitliche Zuordnung, anstatt eine visuelle Bildunterschrift als Transkript zu behandeln.\n\n### Mehrere Medienobjekte und strukturierte Antworten\n\nDer Hersteller unterstützt Vergleiche zwischen Medieneingaben. Kennzeichnen Sie die Elemente und bewahren Sie die Zuordnungen zu den Medienobjekten. Das optionale asset_idx bezeichnet ein Medienvorkommen, das zu diesem Zeitpunkt im Gespräch verfügbar ist, und keine dauerhafte Dateikennung. Wenn kein ausdrücklicher oder übernommener Selektor vorliegt, bezieht sich eine Annotation auf das letzte zum Zeitpunkt der Erzeugung verfügbare Medienobjekt. Diese Konventionen sind wichtig, wenn eine Aufgabe zwei Kameras, Seiten oder Aufnahmen vergleicht. Die Anfragegrenze des Herstellers beträgt 256 Medieneinheiten. Jedes Bild in einer video_frames-Gruppe zählt zu dieser Grenze, obwohl die Gruppe nur einen Asset-Index belegt; das Aktivieren der Tonspur eines Videos fügt kein weiteres Medienobjekt hinzu.\n\nDer Hersteller unterstützt finale Antworten, die durch JSON Schema oder einen regulären Ausdruck begrenzt sind. Definieren Sie die Felder oder das Muster und prüfen Sie die zurückgegebenen Werte anhand der Quelle. Er dokumentiert außerdem Multilook für unabhängige Prompts über einem gemeinsamen Kontext, einen separaten Herstellerablauf gegenüber gewöhnlichen Chats mit einer einzelnen Completion.\n\n### Funktionen und Reasoning\n\nMk1.5 kann aus bereitgestellten Funktionen wählen, die durch Namen, Zwecke und JSON Schemas beschrieben sind. Die Anwendung führt die vorgeschlagenen Aufrufe aus und liefert Beobachtungen zurück. Definieren Sie für eine Aufgabe eines verkörperten Agenten oder eine Oberflächenaufgabe die erlaubten Aktionen und ein Abschlusskriterium; verwenden Sie anschließend den neuen visuellen Zustand oder das Werkzeugergebnis als Beleg für den nächsten Schritt. Der Reasoning-Aufwand ist in der Katalogvariante des Herstellers konfigurierbar.\n\nFunktionswerkzeuge können nicht in derselben Anfrage wie eine durch JSON Schema oder einen regulären Ausdruck begrenzte Ausgabe deklariert werden; der Hersteller weist an, die begrenzte finale Antwort nach der Werkzeugschleife anzufordern. Prüfen Sie den Abschlussgrund, bevor Sie das Ergebnis verwenden, da ein Abbruch wegen der Länge eine unvollständige Ausgabe bedeuten kann.\n\nEin nützliches Ergebnis ist eine an den Quellen verankerte Szenenerklärung, ein Transkript mit Zeitangaben, eine Objektannotation oder ein beleggestützter Handlungsvorschlag. Prüfen Sie die Geometrie anhand der Medien, halten Sie beobachtete Details von Interpretationen getrennt und bewahren Sie die genauen Audio-, Tracking- und Werkzeugfunktionen von Mk1.5 getrennt von der früheren Mk1-Ausgabe.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
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 versteht Text, Bilder, Video und Audio für visuelle Aufgaben und Aufgaben verkörperter Agenten. Es gibt Text, räumliche oder zeitliche Annotationen, Objektspuren und vorgeschlagene Funktionsaufrufe zurück; der Hersteller nennt einen Kontext von 36.864 Token und eine maximale Ausgabe von 8.192 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Perceptron Mk1.5 ist Perceptrons multimodales Modell für visuelles Verständnis, zeitliche Verankerung und Aufgaben verkörperter Agenten. Es nimmt Text, Bilder, Video und Audio entgegen und gibt Text, räumliche oder zeitliche Annotationen, strukturierte Antworten und Inhalte für Funktionsaufrufe zurück. Die aktuelle Herstellerspezifikation nennt einen Kontext von 36.864 Token und eine maximale Ausgabe von 8.192 Token; diese genauen Grenzen sind präziser als die gerundete Angabe von 32K im Artikel zur Einführung.
Eine wesentliche Ergänzung ist die Verfolgung von Objekten in Videos als Geometrie mit Zeitstempeln. Beschreiben Sie das Zielobjekt eindeutig und geben Sie an, was das Ergebnis feststellen soll, etwa wann ein Gegenstand in einer Szene auftaucht, wohin er sich bewegt oder in welchem Zeitabschnitt eine bestimmte Handlung stattfindet. Bei Aufnahmen aus der Ich-Perspektive hebt der Hersteller die Handverfolgung und die Aufteilung in Teilaufgaben hervor; das hilft bei der Analyse dessen, was eine bedienende Person im Zeitverlauf tut.
Die dokumentierten Ausgaben umfassen Punkte, Boxen und Polygone für die räumliche Verankerung, Clips für Zeitintervalle und Track-Container für Objektbewegungen. Track ist ein Container im erzeugten Annotations-Markup und kein separater Wert für das Annotationsformat. Track-Stützpunkte können weit auseinanderliegen: Eine zurückgegebene Spur garantiert weder eine Box für jedes Quellbild noch die durchgehende Sichtbarkeit des Objekts. Bewahren Sie die Originalmedien und die Zuordnung zu Koordinaten oder Zeitstempeln, damit die Ergebnisse anhand der tatsächlichen Szene geprüft werden können.
Mk1.5 ergänzt natives Audioverständnis, darunter Transkription, Erkennung von Schallereignissen, Zusammenfassungen und Fragen zu einer Aufnahme. Der Hersteller akzeptiert WAV, MP3 und FLAC. Die Audiogrenze je Element beträgt 16.384 Audio-Token, bei der dokumentierten Rate von ungefähr 750 Token pro Minute etwa 21,8 Minuten. Audio teilt sich den Kontext mit anderen Eingaben und dem Ausgabebudget; daher kann eine Anfrage den Kontext bereits füllen, bevor diese Grenze je Element erreicht ist.
Für ein Video, dessen Tonspur relevant ist, aktiviert der Ablauf des Herstellers ausdrücklich Audio im Video. Geben Sie an, ob sich die Aufgabe auf Sprache, ein Schallereignis, die sichtbare Szene oder deren Zusammenhang bezieht. Die Ausgabe besteht aus Text und strukturierten Inhalten; Mk1.5 erzeugt kein Sprachaudio. Bewahren Sie bei Transkriptionen die gewünschte Sprache und die zeitliche Zuordnung, anstatt eine visuelle Bildunterschrift als Transkript zu behandeln.
Der Hersteller unterstützt Vergleiche zwischen Medieneingaben. Kennzeichnen Sie die Elemente und bewahren Sie die Zuordnungen zu den Medienobjekten. Das optionale asset_idx bezeichnet ein Medienvorkommen, das zu diesem Zeitpunkt im Gespräch verfügbar ist, und keine dauerhafte Dateikennung. Wenn kein ausdrücklicher oder übernommener Selektor vorliegt, bezieht sich eine Annotation auf das letzte zum Zeitpunkt der Erzeugung verfügbare Medienobjekt. Diese Konventionen sind wichtig, wenn eine Aufgabe zwei Kameras, Seiten oder Aufnahmen vergleicht. Die Anfragegrenze des Herstellers beträgt 256 Medieneinheiten. Jedes Bild in einer video_frames-Gruppe zählt zu dieser Grenze, obwohl die Gruppe nur einen Asset-Index belegt; das Aktivieren der Tonspur eines Videos fügt kein weiteres Medienobjekt hinzu.
Der Hersteller unterstützt finale Antworten, die durch JSON Schema oder einen regulären Ausdruck begrenzt sind. Definieren Sie die Felder oder das Muster und prüfen Sie die zurückgegebenen Werte anhand der Quelle. Er dokumentiert außerdem Multilook für unabhängige Prompts über einem gemeinsamen Kontext, einen separaten Herstellerablauf gegenüber gewöhnlichen Chats mit einer einzelnen Completion.
Mk1.5 kann aus bereitgestellten Funktionen wählen, die durch Namen, Zwecke und JSON Schemas beschrieben sind. Die Anwendung führt die vorgeschlagenen Aufrufe aus und liefert Beobachtungen zurück. Definieren Sie für eine Aufgabe eines verkörperten Agenten oder eine Oberflächenaufgabe die erlaubten Aktionen und ein Abschlusskriterium; verwenden Sie anschließend den neuen visuellen Zustand oder das Werkzeugergebnis als Beleg für den nächsten Schritt. Der Reasoning-Aufwand ist in der Katalogvariante des Herstellers konfigurierbar.
Funktionswerkzeuge können nicht in derselben Anfrage wie eine durch JSON Schema oder einen regulären Ausdruck begrenzte Ausgabe deklariert werden; der Hersteller weist an, die begrenzte finale Antwort nach der Werkzeugschleife anzufordern. Prüfen Sie den Abschlussgrund, bevor Sie das Ergebnis verwenden, da ein Abbruch wegen der Länge eine unvollständige Ausgabe bedeuten kann.
Ein nützliches Ergebnis ist eine an den Quellen verankerte Szenenerklärung, ein Transkript mit Zeitangaben, eine Objektannotation oder ein beleggestützter Handlungsvorschlag. Prüfen Sie die Geometrie anhand der Medien, halten Sie beobachtete Details von Interpretationen getrennt und bewahren Sie die genauen Audio-, Tracking- und Werkzeugfunktionen von Mk1.5 getrennt von der früheren Mk1-Ausgabe.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits perceptron/perceptron-mk1.5 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.003 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.003 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra perceptron/perceptron-mk1.5
Verwenden Sie die oben angezeigten Methodenpfade.
perceptron/perceptron-mk1.5Perceptron Mk1.5 versteht Text, Bilder, Video und Audio für visuelle Aufgaben und Aufgaben verkörperter Agenten. Es gibt Text, räumliche oder zeitliche Annotationen, Objektspuren und vorgeschlagene Funktionsaufrufe zurück; der Hersteller nennt einen Kontext von 36.864 Token und eine maximale Ausgabe von 8.192 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Perceptron Mk1.5 ist Perceptrons multimodales Modell für visuelles Verständnis, zeitliche Verankerung und Aufgaben verkörperter Agenten. Es nimmt Text, Bilder, Video und Audio entgegen und gibt Text, räumliche oder zeitliche Annotationen, strukturierte Antworten und Inhalte für Funktionsaufrufe zurück. Die aktuelle Herstellerspezifikation nennt einen Kontext von 36.864 Token und eine maximale Ausgabe von 8.192 Token; diese genauen Grenzen sind präziser als die gerundete Angabe von 32K im Artikel zur Einführung.
Eine wesentliche Ergänzung ist die Verfolgung von Objekten in Videos als Geometrie mit Zeitstempeln. Beschreiben Sie das Zielobjekt eindeutig und geben Sie an, was das Ergebnis feststellen soll, etwa wann ein Gegenstand in einer Szene auftaucht, wohin er sich bewegt oder in welchem Zeitabschnitt eine bestimmte Handlung stattfindet. Bei Aufnahmen aus der Ich-Perspektive hebt der Hersteller die Handverfolgung und die Aufteilung in Teilaufgaben hervor; das hilft bei der Analyse dessen, was eine bedienende Person im Zeitverlauf tut.
Die dokumentierten Ausgaben umfassen Punkte, Boxen und Polygone für die räumliche Verankerung, Clips für Zeitintervalle und Track-Container für Objektbewegungen. Track ist ein Container im erzeugten Annotations-Markup und kein separater Wert für das Annotationsformat. Track-Stützpunkte können weit auseinanderliegen: Eine zurückgegebene Spur garantiert weder eine Box für jedes Quellbild noch die durchgehende Sichtbarkeit des Objekts. Bewahren Sie die Originalmedien und die Zuordnung zu Koordinaten oder Zeitstempeln, damit die Ergebnisse anhand der tatsächlichen Szene geprüft werden können.
Mk1.5 ergänzt natives Audioverständnis, darunter Transkription, Erkennung von Schallereignissen, Zusammenfassungen und Fragen zu einer Aufnahme. Der Hersteller akzeptiert WAV, MP3 und FLAC. Die Audiogrenze je Element beträgt 16.384 Audio-Token, bei der dokumentierten Rate von ungefähr 750 Token pro Minute etwa 21,8 Minuten. Audio teilt sich den Kontext mit anderen Eingaben und dem Ausgabebudget; daher kann eine Anfrage den Kontext bereits füllen, bevor diese Grenze je Element erreicht ist.
Für ein Video, dessen Tonspur relevant ist, aktiviert der Ablauf des Herstellers ausdrücklich Audio im Video. Geben Sie an, ob sich die Aufgabe auf Sprache, ein Schallereignis, die sichtbare Szene oder deren Zusammenhang bezieht. Die Ausgabe besteht aus Text und strukturierten Inhalten; Mk1.5 erzeugt kein Sprachaudio. Bewahren Sie bei Transkriptionen die gewünschte Sprache und die zeitliche Zuordnung, anstatt eine visuelle Bildunterschrift als Transkript zu behandeln.
Der Hersteller unterstützt Vergleiche zwischen Medieneingaben. Kennzeichnen Sie die Elemente und bewahren Sie die Zuordnungen zu den Medienobjekten. Das optionale asset_idx bezeichnet ein Medienvorkommen, das zu diesem Zeitpunkt im Gespräch verfügbar ist, und keine dauerhafte Dateikennung. Wenn kein ausdrücklicher oder übernommener Selektor vorliegt, bezieht sich eine Annotation auf das letzte zum Zeitpunkt der Erzeugung verfügbare Medienobjekt. Diese Konventionen sind wichtig, wenn eine Aufgabe zwei Kameras, Seiten oder Aufnahmen vergleicht. Die Anfragegrenze des Herstellers beträgt 256 Medieneinheiten. Jedes Bild in einer video_frames-Gruppe zählt zu dieser Grenze, obwohl die Gruppe nur einen Asset-Index belegt; das Aktivieren der Tonspur eines Videos fügt kein weiteres Medienobjekt hinzu.
Der Hersteller unterstützt finale Antworten, die durch JSON Schema oder einen regulären Ausdruck begrenzt sind. Definieren Sie die Felder oder das Muster und prüfen Sie die zurückgegebenen Werte anhand der Quelle. Er dokumentiert außerdem Multilook für unabhängige Prompts über einem gemeinsamen Kontext, einen separaten Herstellerablauf gegenüber gewöhnlichen Chats mit einer einzelnen Completion.
Mk1.5 kann aus bereitgestellten Funktionen wählen, die durch Namen, Zwecke und JSON Schemas beschrieben sind. Die Anwendung führt die vorgeschlagenen Aufrufe aus und liefert Beobachtungen zurück. Definieren Sie für eine Aufgabe eines verkörperten Agenten oder eine Oberflächenaufgabe die erlaubten Aktionen und ein Abschlusskriterium; verwenden Sie anschließend den neuen visuellen Zustand oder das Werkzeugergebnis als Beleg für den nächsten Schritt. Der Reasoning-Aufwand ist in der Katalogvariante des Herstellers konfigurierbar.
Funktionswerkzeuge können nicht in derselben Anfrage wie eine durch JSON Schema oder einen regulären Ausdruck begrenzte Ausgabe deklariert werden; der Hersteller weist an, die begrenzte finale Antwort nach der Werkzeugschleife anzufordern. Prüfen Sie den Abschlussgrund, bevor Sie das Ergebnis verwenden, da ein Abbruch wegen der Länge eine unvollständige Ausgabe bedeuten kann.
Ein nützliches Ergebnis ist eine an den Quellen verankerte Szenenerklärung, ein Transkript mit Zeitangaben, eine Objektannotation oder ein beleggestützter Handlungsvorschlag. Prüfen Sie die Geometrie anhand der Medien, halten Sie beobachtete Details von Interpretationen getrennt und bewahren Sie die genauen Audio-, Tracking- und Werkzeugfunktionen von Mk1.5 getrennt von der früheren Mk1-Ausgabe.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits perceptron/perceptron-mk1.5 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.003 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.003 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "perceptron/perceptron-mk1.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra perceptron/perceptron-mk1.5
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
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.