Perceptron Mk1 ist Perceptrons Modell für Bild- und Videoverständnis sowie das Schlussfolgern verkörperter Agenten. Es analysiert visuelles Ausgangsmaterial im Zusammenhang mit einer schriftlichen Frage und gibt Text sowie strukturierte räumliche oder zeitliche Annotationen zurück. Die Katalogvariante des Herstellers hat einen multimodalen Kontext von 32K und einen hybriden Reasoning-Modus, der sich für Aufgaben ohne benötigte Denkspur abschalten lässt.
Der Hersteller entwickelt Mk1, um Ereignisse im Zeitverlauf zu erklären, statt nur ein Einzelbild zu beschriften. Eine Sportsequenz, eine Kochvorführung oder die Aufgabe einer bedienenden Person kann eine strukturierte Darstellung dessen ergeben, was wann passiert ist. Der Hersteller dokumentiert dynamische Videoanalyse mit bis zu zwei Bildern pro Sekunde. Diese Abtastung ist von der ursprünglichen Bildrate des Quellvideos zu unterscheiden.
Beschreiben Sie für eine Aufgabe zur zeitlichen Lokalisierung eines Ereignisses die Handlung und den benötigten Zeitabschnitt. Eine beispielhafte Anweisung lautet: „Identifizieren Sie die Momente, in denen der Gegenstand ins Regal gestellt wird, geben Sie die Zeitintervalle zurück und erläutern Sie für jedes Intervall die sichtbaren Belege.“ Halten Sie das Quellvideo und die Zeitbezüge zusammen, damit eine Clip-Annotation oder ein Ereignisintervall geprüft werden kann, bevor eine andere Anwendung es verwendet.
Mk1 unterstützt visuelles Lernen im Kontext anhand eines Referenzbilds oder -videos und das anschließende Auffinden passender Vorkommen in neuem Material. Definieren Sie, was ein Vorkommen relevant macht, und bewahren Sie die Referenzkennzeichnung. Stellen Sie für einen Vergleich beide Medien bereit und geben Sie die Kriterien an: das zu vergleichende Objekt, die Handlung, den Zustand oder das Dokumentdetail.
Damit wird die Aufgabe durch bereitgestellte Beispiele vorbereitet; daraus folgt nicht, dass ein separates Fine-Tuning stattgefunden hat. Wenn sich die Szenen unterscheiden, verlangen Sie, dass die Ausgabe angibt, welche Eingabe das jeweilige Ergebnis stützt. Eine sichtbare Ähnlichkeit soll von einer daraus abgeleiteten Schlussfolgerung über ein Ereignis getrennt bleiben.
Zu den Bildfunktionen des Herstellers zählen das Markieren von Positionen, Zählen, Texterkennen und Ablesen analoger oder digitaler Instrumente. Bewahren Sie bei einem Instrument seine Skala, Einheiten und lesbaren Markierungen; definieren Sie beim Zählen den Bereich und die Kategorie. Mk1 extrahiert auch komplexe Dokumente in HTML, JSON oder Markdown und erhält dabei Layoutbeziehungen, Tabellen und Hierarchie.
Stellen Sie ein lesbares Seitenbild bereit und nennen Sie die Felder oder die Frage. Ein nützliches Ergebnis behält die Quellenzuordnung bei und unterscheidet den extrahierten Wortlaut von der Interpretation. Kleiner Text, Verdeckungen und mehrdeutige Szenenbelege sollten bei der Vorbereitung der Quelle und bei der Prüfung der Antwort berücksichtigt werden.
Der Hersteller trainiert Punkte, Boxen, Polygone, Tracks und Clips als eigenständige strukturierte Ausgaben neben Text. Diese Annotationen können Ziele, Rahmenbedingungen, Aufgabengrenzen oder beobachtete Erfolgs- und Fehlschlagsinformationen für einen umgebenden Robotik- oder Analyseablauf liefern. Bei einer Aufgabe mit mehreren Kameras sollten die Ansichten gekennzeichnet und die Zuordnung jeder Annotation zu ihrer Quelle erhalten werden.
Das Modell interpretiert die Beobachtungen und erzeugt das darin verankerte Ergebnis; die Anwendung oder das Steuerungssystem entscheidet über die Nutzung und führt physische oder Oberflächenaktionen aus. Ein vorgeschlagenes Ziel oder ein annotiertes Intervall unterscheidet sich von einem ausgeführten Vorgang oder einer exportierten Mediendatei.
Planen Sie Videorepräsentation, Bildinhalte, Prompt, Verlauf und erzeugte Ausgabe innerhalb des Kontexts von 32K ein. Verlangen Sie das endgültige Ergebnis und die Belege für jedes Teilergebnis, anstatt zu erwarten, dass eine unzusammenhängende Quellensammlung ihr eigenes Ziel festlegt. Prüfen Sie Koordinaten, Zeitintervalle und extrahierte Werte anhand der Originalmedien.
Mk1 behält seine eigene benannte Ausgabe und visuelle Katalogvariante. Native Audioeingabe, die aktuellen Anfragebedingungen von Mk1.5 sowie dessen neue Werkzeug- und Tracking-Abläufe dürfen für diese frühere Version nicht vorausgesetzt werden. Das nützliche Ergebnis ist eine prüfbare Szenenbeschreibung, ein Dokumentdatensatz oder eine räumliche beziehungsweise zeitliche Annotation, die an die bereitgestellten visuellen Belege gebunden ist.
", "aboutText": "Perceptron Mk1 ist Perceptrons Modell für Bild- und Videoverständnis sowie das Schlussfolgern verkörperter Agenten. Es analysiert visuelles Ausgangsmaterial im Zusammenhang mit einer schriftlichen Frage und gibt Text sowie strukturierte räumliche oder zeitliche Annotationen zurück. Die Katalogvariante des Herstellers hat einen multimodalen Kontext von 32K und einen hybriden Reasoning-Modus, der sich für Aufgaben ohne benötigte Denkspur abschalten lässt.\n\n### Zeitliches Schlussfolgern und Verankerung\n\nDer Hersteller entwickelt Mk1, um Ereignisse im Zeitverlauf zu erklären, statt nur ein Einzelbild zu beschriften. Eine Sportsequenz, eine Kochvorführung oder die Aufgabe einer bedienenden Person kann eine strukturierte Darstellung dessen ergeben, was wann passiert ist. Der Hersteller dokumentiert dynamische Videoanalyse mit bis zu zwei Bildern pro Sekunde. Diese Abtastung ist von der ursprünglichen Bildrate des Quellvideos zu unterscheiden.\n\nBeschreiben Sie für eine Aufgabe zur zeitlichen Lokalisierung eines Ereignisses die Handlung und den benötigten Zeitabschnitt. Eine beispielhafte Anweisung lautet: „Identifizieren Sie die Momente, in denen der Gegenstand ins Regal gestellt wird, geben Sie die Zeitintervalle zurück und erläutern Sie für jedes Intervall die sichtbaren Belege.“ Halten Sie das Quellvideo und die Zeitbezüge zusammen, damit eine Clip-Annotation oder ein Ereignisintervall geprüft werden kann, bevor eine andere Anwendung es verwendet.\n\n### Referenzbeispiele und Vergleich\n\nMk1 unterstützt visuelles Lernen im Kontext anhand eines Referenzbilds oder -videos und das anschließende Auffinden passender Vorkommen in neuem Material. Definieren Sie, was ein Vorkommen relevant macht, und bewahren Sie die Referenzkennzeichnung. Stellen Sie für einen Vergleich beide Medien bereit und geben Sie die Kriterien an: das zu vergleichende Objekt, die Handlung, den Zustand oder das Dokumentdetail.\n\nDamit wird die Aufgabe durch bereitgestellte Beispiele vorbereitet; daraus folgt nicht, dass ein separates Fine-Tuning stattgefunden hat. Wenn sich die Szenen unterscheiden, verlangen Sie, dass die Ausgabe angibt, welche Eingabe das jeweilige Ergebnis stützt. Eine sichtbare Ähnlichkeit soll von einer daraus abgeleiteten Schlussfolgerung über ein Ereignis getrennt bleiben.\n\n### Bild- und Dokumentaufgaben\n\nZu den Bildfunktionen des Herstellers zählen das Markieren von Positionen, Zählen, Texterkennen und Ablesen analoger oder digitaler Instrumente. Bewahren Sie bei einem Instrument seine Skala, Einheiten und lesbaren Markierungen; definieren Sie beim Zählen den Bereich und die Kategorie. Mk1 extrahiert auch komplexe Dokumente in HTML, JSON oder Markdown und erhält dabei Layoutbeziehungen, Tabellen und Hierarchie.\n\nStellen Sie ein lesbares Seitenbild bereit und nennen Sie die Felder oder die Frage. Ein nützliches Ergebnis behält die Quellenzuordnung bei und unterscheidet den extrahierten Wortlaut von der Interpretation. Kleiner Text, Verdeckungen und mehrdeutige Szenenbelege sollten bei der Vorbereitung der Quelle und bei der Prüfung der Antwort berücksichtigt werden.\n\n### Räumliche Grundelemente und verkörperte Aufgaben\n\nDer Hersteller trainiert Punkte, Boxen, Polygone, Tracks und Clips als eigenständige strukturierte Ausgaben neben Text. Diese Annotationen können Ziele, Rahmenbedingungen, Aufgabengrenzen oder beobachtete Erfolgs- und Fehlschlagsinformationen für einen umgebenden Robotik- oder Analyseablauf liefern. Bei einer Aufgabe mit mehreren Kameras sollten die Ansichten gekennzeichnet und die Zuordnung jeder Annotation zu ihrer Quelle erhalten werden.\n\nDas Modell interpretiert die Beobachtungen und erzeugt das darin verankerte Ergebnis; die Anwendung oder das Steuerungssystem entscheidet über die Nutzung und führt physische oder Oberflächenaktionen aus. Ein vorgeschlagenes Ziel oder ein annotiertes Intervall unterscheidet sich von einem ausgeführten Vorgang oder einer exportierten Mediendatei.\n\n### Grenzen und Umfang der Ausgabe\n\nPlanen Sie Videorepräsentation, Bildinhalte, Prompt, Verlauf und erzeugte Ausgabe innerhalb des Kontexts von 32K ein. Verlangen Sie das endgültige Ergebnis und die Belege für jedes Teilergebnis, anstatt zu erwarten, dass eine unzusammenhängende Quellensammlung ihr eigenes Ziel festlegt. Prüfen Sie Koordinaten, Zeitintervalle und extrahierte Werte anhand der Originalmedien.\n\nMk1 behält seine eigene benannte Ausgabe und visuelle Katalogvariante. Native Audioeingabe, die aktuellen Anfragebedingungen von Mk1.5 sowie dessen neue Werkzeug- und Tracking-Abläufe dürfen für diese frühere Version nicht vorausgesetzt werden. Das nützliche Ergebnis ist eine prüfbare Szenenbeschreibung, ein Dokumentdatensatz oder eine räumliche beziehungsweise zeitliche Annotation, die an die bereitgestellten visuellen Belege gebunden ist.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
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 ist Perceptrons Bild- und Videomodell für zeitliches Verständnis, räumliche Verankerung und Schlussfolgern verkörperter Agenten. Es erzeugt Text und strukturierte Annotationen für Szenen, Dokumente und sichtbare Handlungen, mit einem multimodalen Kontext von 32K und optionalem Reasoning.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Perceptron Mk1 ist Perceptrons Modell für Bild- und Videoverständnis sowie das Schlussfolgern verkörperter Agenten. Es analysiert visuelles Ausgangsmaterial im Zusammenhang mit einer schriftlichen Frage und gibt Text sowie strukturierte räumliche oder zeitliche Annotationen zurück. Die Katalogvariante des Herstellers hat einen multimodalen Kontext von 32K und einen hybriden Reasoning-Modus, der sich für Aufgaben ohne benötigte Denkspur abschalten lässt.
Der Hersteller entwickelt Mk1, um Ereignisse im Zeitverlauf zu erklären, statt nur ein Einzelbild zu beschriften. Eine Sportsequenz, eine Kochvorführung oder die Aufgabe einer bedienenden Person kann eine strukturierte Darstellung dessen ergeben, was wann passiert ist. Der Hersteller dokumentiert dynamische Videoanalyse mit bis zu zwei Bildern pro Sekunde. Diese Abtastung ist von der ursprünglichen Bildrate des Quellvideos zu unterscheiden.
Beschreiben Sie für eine Aufgabe zur zeitlichen Lokalisierung eines Ereignisses die Handlung und den benötigten Zeitabschnitt. Eine beispielhafte Anweisung lautet: „Identifizieren Sie die Momente, in denen der Gegenstand ins Regal gestellt wird, geben Sie die Zeitintervalle zurück und erläutern Sie für jedes Intervall die sichtbaren Belege.“ Halten Sie das Quellvideo und die Zeitbezüge zusammen, damit eine Clip-Annotation oder ein Ereignisintervall geprüft werden kann, bevor eine andere Anwendung es verwendet.
Mk1 unterstützt visuelles Lernen im Kontext anhand eines Referenzbilds oder -videos und das anschließende Auffinden passender Vorkommen in neuem Material. Definieren Sie, was ein Vorkommen relevant macht, und bewahren Sie die Referenzkennzeichnung. Stellen Sie für einen Vergleich beide Medien bereit und geben Sie die Kriterien an: das zu vergleichende Objekt, die Handlung, den Zustand oder das Dokumentdetail.
Damit wird die Aufgabe durch bereitgestellte Beispiele vorbereitet; daraus folgt nicht, dass ein separates Fine-Tuning stattgefunden hat. Wenn sich die Szenen unterscheiden, verlangen Sie, dass die Ausgabe angibt, welche Eingabe das jeweilige Ergebnis stützt. Eine sichtbare Ähnlichkeit soll von einer daraus abgeleiteten Schlussfolgerung über ein Ereignis getrennt bleiben.
Zu den Bildfunktionen des Herstellers zählen das Markieren von Positionen, Zählen, Texterkennen und Ablesen analoger oder digitaler Instrumente. Bewahren Sie bei einem Instrument seine Skala, Einheiten und lesbaren Markierungen; definieren Sie beim Zählen den Bereich und die Kategorie. Mk1 extrahiert auch komplexe Dokumente in HTML, JSON oder Markdown und erhält dabei Layoutbeziehungen, Tabellen und Hierarchie.
Stellen Sie ein lesbares Seitenbild bereit und nennen Sie die Felder oder die Frage. Ein nützliches Ergebnis behält die Quellenzuordnung bei und unterscheidet den extrahierten Wortlaut von der Interpretation. Kleiner Text, Verdeckungen und mehrdeutige Szenenbelege sollten bei der Vorbereitung der Quelle und bei der Prüfung der Antwort berücksichtigt werden.
Der Hersteller trainiert Punkte, Boxen, Polygone, Tracks und Clips als eigenständige strukturierte Ausgaben neben Text. Diese Annotationen können Ziele, Rahmenbedingungen, Aufgabengrenzen oder beobachtete Erfolgs- und Fehlschlagsinformationen für einen umgebenden Robotik- oder Analyseablauf liefern. Bei einer Aufgabe mit mehreren Kameras sollten die Ansichten gekennzeichnet und die Zuordnung jeder Annotation zu ihrer Quelle erhalten werden.
Das Modell interpretiert die Beobachtungen und erzeugt das darin verankerte Ergebnis; die Anwendung oder das Steuerungssystem entscheidet über die Nutzung und führt physische oder Oberflächenaktionen aus. Ein vorgeschlagenes Ziel oder ein annotiertes Intervall unterscheidet sich von einem ausgeführten Vorgang oder einer exportierten Mediendatei.
Planen Sie Videorepräsentation, Bildinhalte, Prompt, Verlauf und erzeugte Ausgabe innerhalb des Kontexts von 32K ein. Verlangen Sie das endgültige Ergebnis und die Belege für jedes Teilergebnis, anstatt zu erwarten, dass eine unzusammenhängende Quellensammlung ihr eigenes Ziel festlegt. Prüfen Sie Koordinaten, Zeitintervalle und extrahierte Werte anhand der Originalmedien.
Mk1 behält seine eigene benannte Ausgabe und visuelle Katalogvariante. Native Audioeingabe, die aktuellen Anfragebedingungen von Mk1.5 sowie dessen neue Werkzeug- und Tracking-Abläufe dürfen für diese frühere Version nicht vorausgesetzt werden. Das nützliche Ergebnis ist eine prüfbare Szenenbeschreibung, ein Dokumentdatensatz oder eine räumliche beziehungsweise zeitliche Annotation, die an die bereitgestellten visuellen Belege gebunden ist.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits perceptron/perceptron-mk1 | 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", "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 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
Verwenden Sie die oben angezeigten Methodenpfade.
perceptron/perceptron-mk1Perceptron Mk1 ist Perceptrons Bild- und Videomodell für zeitliches Verständnis, räumliche Verankerung und Schlussfolgern verkörperter Agenten. Es erzeugt Text und strukturierte Annotationen für Szenen, Dokumente und sichtbare Handlungen, mit einem multimodalen Kontext von 32K und optionalem Reasoning.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Perceptron Mk1 ist Perceptrons Modell für Bild- und Videoverständnis sowie das Schlussfolgern verkörperter Agenten. Es analysiert visuelles Ausgangsmaterial im Zusammenhang mit einer schriftlichen Frage und gibt Text sowie strukturierte räumliche oder zeitliche Annotationen zurück. Die Katalogvariante des Herstellers hat einen multimodalen Kontext von 32K und einen hybriden Reasoning-Modus, der sich für Aufgaben ohne benötigte Denkspur abschalten lässt.
Der Hersteller entwickelt Mk1, um Ereignisse im Zeitverlauf zu erklären, statt nur ein Einzelbild zu beschriften. Eine Sportsequenz, eine Kochvorführung oder die Aufgabe einer bedienenden Person kann eine strukturierte Darstellung dessen ergeben, was wann passiert ist. Der Hersteller dokumentiert dynamische Videoanalyse mit bis zu zwei Bildern pro Sekunde. Diese Abtastung ist von der ursprünglichen Bildrate des Quellvideos zu unterscheiden.
Beschreiben Sie für eine Aufgabe zur zeitlichen Lokalisierung eines Ereignisses die Handlung und den benötigten Zeitabschnitt. Eine beispielhafte Anweisung lautet: „Identifizieren Sie die Momente, in denen der Gegenstand ins Regal gestellt wird, geben Sie die Zeitintervalle zurück und erläutern Sie für jedes Intervall die sichtbaren Belege.“ Halten Sie das Quellvideo und die Zeitbezüge zusammen, damit eine Clip-Annotation oder ein Ereignisintervall geprüft werden kann, bevor eine andere Anwendung es verwendet.
Mk1 unterstützt visuelles Lernen im Kontext anhand eines Referenzbilds oder -videos und das anschließende Auffinden passender Vorkommen in neuem Material. Definieren Sie, was ein Vorkommen relevant macht, und bewahren Sie die Referenzkennzeichnung. Stellen Sie für einen Vergleich beide Medien bereit und geben Sie die Kriterien an: das zu vergleichende Objekt, die Handlung, den Zustand oder das Dokumentdetail.
Damit wird die Aufgabe durch bereitgestellte Beispiele vorbereitet; daraus folgt nicht, dass ein separates Fine-Tuning stattgefunden hat. Wenn sich die Szenen unterscheiden, verlangen Sie, dass die Ausgabe angibt, welche Eingabe das jeweilige Ergebnis stützt. Eine sichtbare Ähnlichkeit soll von einer daraus abgeleiteten Schlussfolgerung über ein Ereignis getrennt bleiben.
Zu den Bildfunktionen des Herstellers zählen das Markieren von Positionen, Zählen, Texterkennen und Ablesen analoger oder digitaler Instrumente. Bewahren Sie bei einem Instrument seine Skala, Einheiten und lesbaren Markierungen; definieren Sie beim Zählen den Bereich und die Kategorie. Mk1 extrahiert auch komplexe Dokumente in HTML, JSON oder Markdown und erhält dabei Layoutbeziehungen, Tabellen und Hierarchie.
Stellen Sie ein lesbares Seitenbild bereit und nennen Sie die Felder oder die Frage. Ein nützliches Ergebnis behält die Quellenzuordnung bei und unterscheidet den extrahierten Wortlaut von der Interpretation. Kleiner Text, Verdeckungen und mehrdeutige Szenenbelege sollten bei der Vorbereitung der Quelle und bei der Prüfung der Antwort berücksichtigt werden.
Der Hersteller trainiert Punkte, Boxen, Polygone, Tracks und Clips als eigenständige strukturierte Ausgaben neben Text. Diese Annotationen können Ziele, Rahmenbedingungen, Aufgabengrenzen oder beobachtete Erfolgs- und Fehlschlagsinformationen für einen umgebenden Robotik- oder Analyseablauf liefern. Bei einer Aufgabe mit mehreren Kameras sollten die Ansichten gekennzeichnet und die Zuordnung jeder Annotation zu ihrer Quelle erhalten werden.
Das Modell interpretiert die Beobachtungen und erzeugt das darin verankerte Ergebnis; die Anwendung oder das Steuerungssystem entscheidet über die Nutzung und führt physische oder Oberflächenaktionen aus. Ein vorgeschlagenes Ziel oder ein annotiertes Intervall unterscheidet sich von einem ausgeführten Vorgang oder einer exportierten Mediendatei.
Planen Sie Videorepräsentation, Bildinhalte, Prompt, Verlauf und erzeugte Ausgabe innerhalb des Kontexts von 32K ein. Verlangen Sie das endgültige Ergebnis und die Belege für jedes Teilergebnis, anstatt zu erwarten, dass eine unzusammenhängende Quellensammlung ihr eigenes Ziel festlegt. Prüfen Sie Koordinaten, Zeitintervalle und extrahierte Werte anhand der Originalmedien.
Mk1 behält seine eigene benannte Ausgabe und visuelle Katalogvariante. Native Audioeingabe, die aktuellen Anfragebedingungen von Mk1.5 sowie dessen neue Werkzeug- und Tracking-Abläufe dürfen für diese frühere Version nicht vorausgesetzt werden. Das nützliche Ergebnis ist eine prüfbare Szenenbeschreibung, ein Dokumentdatensatz oder eine räumliche beziehungsweise zeitliche Annotation, die an die bereitgestellten visuellen Belege gebunden ist.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits perceptron/perceptron-mk1 | 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 $0.003 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "perceptron/perceptron-mk1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
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.