Perceptron Mk1.5 ist Perceptrons multimodales Modell für visuelles Verständnis, zeitliche Verortung und Aufgaben mit körperlich handelnden Agenten. Es verarbeitet Text, Bilder, Video und Audio und liefert Text, räumliche oder zeitliche Annotationen, strukturierte Antworten und Inhalte für Funktionsaufrufe. Die aktuelle Herstellerspezifikation nennt einen Kontext von 36’864 Tokens und eine maximale Ausgabe von 8’192 Tokens; diese exakten Grenzen sind präziser als die gerundete Angabe von 32K im Artikel zur Einführung.
Eine wesentliche Ergänzung ist die Verfolgung von Objekten durch Videos in Form zeitgestempelter Geometrie. Beschreiben Sie das Ziel eindeutig und geben Sie an, was das Ergebnis feststellen soll, etwa wann ein Gegenstand in einer Szene erscheint, wohin er sich bewegt oder welches Intervall eine bestimmte Handlung enthält. Bei Aufnahmen aus der Ich-Perspektive hebt der Hersteller Handverfolgung und die Unterteilung in Teilaufgaben hervor, was zur zeitlichen Analyse der Tätigkeiten einer Person nützlich ist.
Zu den dokumentierten Ausgaben gehören Punkte, Boxen und Polygone zur räumlichen Verortung, Clips für Zeitintervalle und Track-Container für Objektbewegungen. Track ist ein Container in der erzeugten Annotations-Auszeichnung und kein eigenständiger Wert für das Annotationsformat. Die Stützpunkte eines Tracks können weit auseinanderliegen: Ein zurückgegebener Track garantiert weder eine Box für jedes Quellbild noch die durchgehende Sichtbarkeit des Objekts. Bewahren Sie die Originalmedien sowie die Zuordnung zu Koordinaten oder Zeitstempeln, damit diese 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-Tokens, was bei der dokumentierten Rate von etwa 750 Tokens pro Minute ungefähr 21,8 Minuten entspricht. Audio teilt sich den Kontext mit anderen Eingaben und dem Ausgabebudget, sodass eine Anfrage den Kontext füllen kann, bevor diese Grenze je Element erreicht ist.
Bei einem Video, dessen Tonspur wichtig ist, aktiviert der Herstellerablauf ausdrücklich Audio im Video. Geben Sie an, ob die Aufgabe Sprache, ein Schallereignis, die sichtbare Szene oder deren Zusammenhang betrifft. Die Ausgabe besteht aus Text und strukturierten Inhalten; Mk1.5 erzeugt kein Sprachaudio. Bewahren Sie bei einer Transkription die gewünschte Sprache und die zeitliche Zuordnung, statt eine Bildbeschreibung als Transkript zu behandeln.
Der Hersteller unterstützt Vergleiche zwischen Medieneingaben. Kennzeichnen Sie die Elemente und bewahren Sie ihre Medienzuordnungen. Das optionale asset_idx bezeichnet ein Medienvorkommen, das an dieser Stelle im Gespräch verfügbar ist, und keine dauerhafte Dateikennung. Wenn kein ausdrücklicher oder übernommener Selektor vorhanden ist, bezieht sich eine Annotation auf das zuletzt bei der Generierung verfügbare Medienobjekt. Diese Konventionen sind wichtig, wenn eine Aufgabe zwei Kameras, Seiten oder Aufnahmen vergleicht. Der Hersteller begrenzt eine Anfrage auf 256 Medieneinheiten. Jedes Einzelbild in einer video_frames-Gruppe zählt zu dieser Grenze, obwohl die Gruppe nur einen Medienindex belegt; das Aktivieren der Tonspur eines Videos fügt kein weiteres Medienobjekt hinzu.
Der Hersteller unterstützt Endantworten, 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 auch Multilook für unabhängige Prompts über gemeinsamem Kontext, einen eigenen Herstellerablauf, der sich vom gewöhnlichen Chat mit einer einzelnen Vervollständigung unterscheidet.
Mk1.5 kann bereitgestellte Funktionen auswählen, die mit Namen, Zwecken und JSON-Schemas beschrieben werden. Die Anwendung führt die vorgeschlagenen Aufrufe aus und gibt Beobachtungen zurück. Definieren Sie erlaubte Handlungen und ein Abschlusskriterium für eine körperlich ausgeführte Aufgabe oder eine Oberflächenaufgabe und nutzen Sie anschliessend den neuen visuellen Zustand oder das Werkzeugergebnis als Beleg für den nächsten Schritt. Der Denkaufwand lässt sich in der Modellvariante des Herstellers einstellen.
Funktionswerkzeuge können nicht in derselben Anfrage wie eine durch JSON Schema oder einen regulären Ausdruck begrenzte Ausgabe deklariert werden; der Hersteller weist an, eine begrenzte Endantwort nach der Werkzeugschleife anzufordern. Prüfen Sie vor der Verwendung des Ergebnisses den Beendigungsgrund, da ein Abbruch wegen der Länge eine unvollständige Ausgabe bedeuten kann.
Ein nützliches Artefakt ist eine belegte Szenenerklärung, ein zeitlich zugeordnetes Transkript, eine Objektannotation oder ein beleggestützter Handlungsvorschlag. Prüfen Sie die Geometrie anhand der Medien, unterscheiden Sie beobachtete Details von Interpretationen und halten Sie die exakten Audio-, Tracking- und Werkzeugfähigkeiten von Mk1.5 von der früheren Ausgabe Mk1 getrennt.
", "aboutText": "Perceptron Mk1.5 ist Perceptrons multimodales Modell für visuelles Verständnis, zeitliche Verortung und Aufgaben mit körperlich handelnden Agenten. Es verarbeitet Text, Bilder, Video und Audio und liefert Text, räumliche oder zeitliche Annotationen, strukturierte Antworten und Inhalte für Funktionsaufrufe. Die aktuelle Herstellerspezifikation nennt einen Kontext von 36’864 Tokens und eine maximale Ausgabe von 8’192 Tokens; diese exakten 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 durch Videos in Form zeitgestempelter Geometrie. Beschreiben Sie das Ziel eindeutig und geben Sie an, was das Ergebnis feststellen soll, etwa wann ein Gegenstand in einer Szene erscheint, wohin er sich bewegt oder welches Intervall eine bestimmte Handlung enthält. Bei Aufnahmen aus der Ich-Perspektive hebt der Hersteller Handverfolgung und die Unterteilung in Teilaufgaben hervor, was zur zeitlichen Analyse der Tätigkeiten einer Person nützlich ist.\n\nZu den dokumentierten Ausgaben gehören Punkte, Boxen und Polygone zur räumlichen Verortung, Clips für Zeitintervalle und Track-Container für Objektbewegungen. Track ist ein Container in der erzeugten Annotations-Auszeichnung und kein eigenständiger Wert für das Annotationsformat. Die Stützpunkte eines Tracks können weit auseinanderliegen: Ein zurückgegebener Track garantiert weder eine Box für jedes Quellbild noch die durchgehende Sichtbarkeit des Objekts. Bewahren Sie die Originalmedien sowie die Zuordnung zu Koordinaten oder Zeitstempeln, damit diese 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-Tokens, was bei der dokumentierten Rate von etwa 750 Tokens pro Minute ungefähr 21,8 Minuten entspricht. Audio teilt sich den Kontext mit anderen Eingaben und dem Ausgabebudget, sodass eine Anfrage den Kontext füllen kann, bevor diese Grenze je Element erreicht ist.\n\nBei einem Video, dessen Tonspur wichtig ist, aktiviert der Herstellerablauf ausdrücklich Audio im Video. Geben Sie an, ob die Aufgabe Sprache, ein Schallereignis, die sichtbare Szene oder deren Zusammenhang betrifft. Die Ausgabe besteht aus Text und strukturierten Inhalten; Mk1.5 erzeugt kein Sprachaudio. Bewahren Sie bei einer Transkription die gewünschte Sprache und die zeitliche Zuordnung, statt eine Bildbeschreibung 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 ihre Medienzuordnungen. Das optionale asset_idx bezeichnet ein Medienvorkommen, das an dieser Stelle im Gespräch verfügbar ist, und keine dauerhafte Dateikennung. Wenn kein ausdrücklicher oder übernommener Selektor vorhanden ist, bezieht sich eine Annotation auf das zuletzt bei der Generierung verfügbare Medienobjekt. Diese Konventionen sind wichtig, wenn eine Aufgabe zwei Kameras, Seiten oder Aufnahmen vergleicht. Der Hersteller begrenzt eine Anfrage auf 256 Medieneinheiten. Jedes Einzelbild in einer video_frames-Gruppe zählt zu dieser Grenze, obwohl die Gruppe nur einen Medienindex belegt; das Aktivieren der Tonspur eines Videos fügt kein weiteres Medienobjekt hinzu.\n\nDer Hersteller unterstützt Endantworten, 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 auch Multilook für unabhängige Prompts über gemeinsamem Kontext, einen eigenen Herstellerablauf, der sich vom gewöhnlichen Chat mit einer einzelnen Vervollständigung unterscheidet.\n\n### Funktionen und Schlussfolgern\n\nMk1.5 kann bereitgestellte Funktionen auswählen, die mit Namen, Zwecken und JSON-Schemas beschrieben werden. Die Anwendung führt die vorgeschlagenen Aufrufe aus und gibt Beobachtungen zurück. Definieren Sie erlaubte Handlungen und ein Abschlusskriterium für eine körperlich ausgeführte Aufgabe oder eine Oberflächenaufgabe und nutzen Sie anschliessend den neuen visuellen Zustand oder das Werkzeugergebnis als Beleg für den nächsten Schritt. Der Denkaufwand lässt sich in der Modellvariante des Herstellers einstellen.\n\nFunktionswerkzeuge können nicht in derselben Anfrage wie eine durch JSON Schema oder einen regulären Ausdruck begrenzte Ausgabe deklariert werden; der Hersteller weist an, eine begrenzte Endantwort nach der Werkzeugschleife anzufordern. Prüfen Sie vor der Verwendung des Ergebnisses den Beendigungsgrund, da ein Abbruch wegen der Länge eine unvollständige Ausgabe bedeuten kann.\n\nEin nützliches Artefakt ist eine belegte Szenenerklärung, ein zeitlich zugeordnetes Transkript, eine Objektannotation oder ein beleggestützter Handlungsvorschlag. Prüfen Sie die Geometrie anhand der Medien, unterscheiden Sie beobachtete Details von Interpretationen und halten Sie die exakten Audio-, Tracking- und Werkzeugfähigkeiten von Mk1.5 von der früheren Ausgabe Mk1 getrennt.", "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 mit körperlich handelnden Agenten. Es liefert Text, räumliche oder zeitliche Annotationen, Objektspuren und vorgeschlagene Funktionsaufrufe, mit einem vom Hersteller angegebenen Kontext von 36’864 Tokens und einer maximalen Ausgabe von 8’192 Tokens.
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 Verortung und Aufgaben mit körperlich handelnden Agenten. Es verarbeitet Text, Bilder, Video und Audio und liefert Text, räumliche oder zeitliche Annotationen, strukturierte Antworten und Inhalte für Funktionsaufrufe. Die aktuelle Herstellerspezifikation nennt einen Kontext von 36’864 Tokens und eine maximale Ausgabe von 8’192 Tokens; diese exakten Grenzen sind präziser als die gerundete Angabe von 32K im Artikel zur Einführung.
Eine wesentliche Ergänzung ist die Verfolgung von Objekten durch Videos in Form zeitgestempelter Geometrie. Beschreiben Sie das Ziel eindeutig und geben Sie an, was das Ergebnis feststellen soll, etwa wann ein Gegenstand in einer Szene erscheint, wohin er sich bewegt oder welches Intervall eine bestimmte Handlung enthält. Bei Aufnahmen aus der Ich-Perspektive hebt der Hersteller Handverfolgung und die Unterteilung in Teilaufgaben hervor, was zur zeitlichen Analyse der Tätigkeiten einer Person nützlich ist.
Zu den dokumentierten Ausgaben gehören Punkte, Boxen und Polygone zur räumlichen Verortung, Clips für Zeitintervalle und Track-Container für Objektbewegungen. Track ist ein Container in der erzeugten Annotations-Auszeichnung und kein eigenständiger Wert für das Annotationsformat. Die Stützpunkte eines Tracks können weit auseinanderliegen: Ein zurückgegebener Track garantiert weder eine Box für jedes Quellbild noch die durchgehende Sichtbarkeit des Objekts. Bewahren Sie die Originalmedien sowie die Zuordnung zu Koordinaten oder Zeitstempeln, damit diese 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-Tokens, was bei der dokumentierten Rate von etwa 750 Tokens pro Minute ungefähr 21,8 Minuten entspricht. Audio teilt sich den Kontext mit anderen Eingaben und dem Ausgabebudget, sodass eine Anfrage den Kontext füllen kann, bevor diese Grenze je Element erreicht ist.
Bei einem Video, dessen Tonspur wichtig ist, aktiviert der Herstellerablauf ausdrücklich Audio im Video. Geben Sie an, ob die Aufgabe Sprache, ein Schallereignis, die sichtbare Szene oder deren Zusammenhang betrifft. Die Ausgabe besteht aus Text und strukturierten Inhalten; Mk1.5 erzeugt kein Sprachaudio. Bewahren Sie bei einer Transkription die gewünschte Sprache und die zeitliche Zuordnung, statt eine Bildbeschreibung als Transkript zu behandeln.
Der Hersteller unterstützt Vergleiche zwischen Medieneingaben. Kennzeichnen Sie die Elemente und bewahren Sie ihre Medienzuordnungen. Das optionale asset_idx bezeichnet ein Medienvorkommen, das an dieser Stelle im Gespräch verfügbar ist, und keine dauerhafte Dateikennung. Wenn kein ausdrücklicher oder übernommener Selektor vorhanden ist, bezieht sich eine Annotation auf das zuletzt bei der Generierung verfügbare Medienobjekt. Diese Konventionen sind wichtig, wenn eine Aufgabe zwei Kameras, Seiten oder Aufnahmen vergleicht. Der Hersteller begrenzt eine Anfrage auf 256 Medieneinheiten. Jedes Einzelbild in einer video_frames-Gruppe zählt zu dieser Grenze, obwohl die Gruppe nur einen Medienindex belegt; das Aktivieren der Tonspur eines Videos fügt kein weiteres Medienobjekt hinzu.
Der Hersteller unterstützt Endantworten, 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 auch Multilook für unabhängige Prompts über gemeinsamem Kontext, einen eigenen Herstellerablauf, der sich vom gewöhnlichen Chat mit einer einzelnen Vervollständigung unterscheidet.
Mk1.5 kann bereitgestellte Funktionen auswählen, die mit Namen, Zwecken und JSON-Schemas beschrieben werden. Die Anwendung führt die vorgeschlagenen Aufrufe aus und gibt Beobachtungen zurück. Definieren Sie erlaubte Handlungen und ein Abschlusskriterium für eine körperlich ausgeführte Aufgabe oder eine Oberflächenaufgabe und nutzen Sie anschliessend den neuen visuellen Zustand oder das Werkzeugergebnis als Beleg für den nächsten Schritt. Der Denkaufwand lässt sich in der Modellvariante des Herstellers einstellen.
Funktionswerkzeuge können nicht in derselben Anfrage wie eine durch JSON Schema oder einen regulären Ausdruck begrenzte Ausgabe deklariert werden; der Hersteller weist an, eine begrenzte Endantwort nach der Werkzeugschleife anzufordern. Prüfen Sie vor der Verwendung des Ergebnisses den Beendigungsgrund, da ein Abbruch wegen der Länge eine unvollständige Ausgabe bedeuten kann.
Ein nützliches Artefakt ist eine belegte Szenenerklärung, ein zeitlich zugeordnetes Transkript, eine Objektannotation oder ein beleggestützter Handlungsvorschlag. Prüfen Sie die Geometrie anhand der Medien, unterscheiden Sie beobachtete Details von Interpretationen und halten Sie die exakten Audio-, Tracking- und Werkzeugfähigkeiten von Mk1.5 von der früheren Ausgabe Mk1 getrennt.
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 · Cache schreiben — / 1K Tokens Eingabe · 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 $0.003 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 mit körperlich handelnden Agenten. Es liefert Text, räumliche oder zeitliche Annotationen, Objektspuren und vorgeschlagene Funktionsaufrufe, mit einem vom Hersteller angegebenen Kontext von 36’864 Tokens und einer maximalen Ausgabe von 8’192 Tokens.
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 Verortung und Aufgaben mit körperlich handelnden Agenten. Es verarbeitet Text, Bilder, Video und Audio und liefert Text, räumliche oder zeitliche Annotationen, strukturierte Antworten und Inhalte für Funktionsaufrufe. Die aktuelle Herstellerspezifikation nennt einen Kontext von 36’864 Tokens und eine maximale Ausgabe von 8’192 Tokens; diese exakten Grenzen sind präziser als die gerundete Angabe von 32K im Artikel zur Einführung.
Eine wesentliche Ergänzung ist die Verfolgung von Objekten durch Videos in Form zeitgestempelter Geometrie. Beschreiben Sie das Ziel eindeutig und geben Sie an, was das Ergebnis feststellen soll, etwa wann ein Gegenstand in einer Szene erscheint, wohin er sich bewegt oder welches Intervall eine bestimmte Handlung enthält. Bei Aufnahmen aus der Ich-Perspektive hebt der Hersteller Handverfolgung und die Unterteilung in Teilaufgaben hervor, was zur zeitlichen Analyse der Tätigkeiten einer Person nützlich ist.
Zu den dokumentierten Ausgaben gehören Punkte, Boxen und Polygone zur räumlichen Verortung, Clips für Zeitintervalle und Track-Container für Objektbewegungen. Track ist ein Container in der erzeugten Annotations-Auszeichnung und kein eigenständiger Wert für das Annotationsformat. Die Stützpunkte eines Tracks können weit auseinanderliegen: Ein zurückgegebener Track garantiert weder eine Box für jedes Quellbild noch die durchgehende Sichtbarkeit des Objekts. Bewahren Sie die Originalmedien sowie die Zuordnung zu Koordinaten oder Zeitstempeln, damit diese 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-Tokens, was bei der dokumentierten Rate von etwa 750 Tokens pro Minute ungefähr 21,8 Minuten entspricht. Audio teilt sich den Kontext mit anderen Eingaben und dem Ausgabebudget, sodass eine Anfrage den Kontext füllen kann, bevor diese Grenze je Element erreicht ist.
Bei einem Video, dessen Tonspur wichtig ist, aktiviert der Herstellerablauf ausdrücklich Audio im Video. Geben Sie an, ob die Aufgabe Sprache, ein Schallereignis, die sichtbare Szene oder deren Zusammenhang betrifft. Die Ausgabe besteht aus Text und strukturierten Inhalten; Mk1.5 erzeugt kein Sprachaudio. Bewahren Sie bei einer Transkription die gewünschte Sprache und die zeitliche Zuordnung, statt eine Bildbeschreibung als Transkript zu behandeln.
Der Hersteller unterstützt Vergleiche zwischen Medieneingaben. Kennzeichnen Sie die Elemente und bewahren Sie ihre Medienzuordnungen. Das optionale asset_idx bezeichnet ein Medienvorkommen, das an dieser Stelle im Gespräch verfügbar ist, und keine dauerhafte Dateikennung. Wenn kein ausdrücklicher oder übernommener Selektor vorhanden ist, bezieht sich eine Annotation auf das zuletzt bei der Generierung verfügbare Medienobjekt. Diese Konventionen sind wichtig, wenn eine Aufgabe zwei Kameras, Seiten oder Aufnahmen vergleicht. Der Hersteller begrenzt eine Anfrage auf 256 Medieneinheiten. Jedes Einzelbild in einer video_frames-Gruppe zählt zu dieser Grenze, obwohl die Gruppe nur einen Medienindex belegt; das Aktivieren der Tonspur eines Videos fügt kein weiteres Medienobjekt hinzu.
Der Hersteller unterstützt Endantworten, 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 auch Multilook für unabhängige Prompts über gemeinsamem Kontext, einen eigenen Herstellerablauf, der sich vom gewöhnlichen Chat mit einer einzelnen Vervollständigung unterscheidet.
Mk1.5 kann bereitgestellte Funktionen auswählen, die mit Namen, Zwecken und JSON-Schemas beschrieben werden. Die Anwendung führt die vorgeschlagenen Aufrufe aus und gibt Beobachtungen zurück. Definieren Sie erlaubte Handlungen und ein Abschlusskriterium für eine körperlich ausgeführte Aufgabe oder eine Oberflächenaufgabe und nutzen Sie anschliessend den neuen visuellen Zustand oder das Werkzeugergebnis als Beleg für den nächsten Schritt. Der Denkaufwand lässt sich in der Modellvariante des Herstellers einstellen.
Funktionswerkzeuge können nicht in derselben Anfrage wie eine durch JSON Schema oder einen regulären Ausdruck begrenzte Ausgabe deklariert werden; der Hersteller weist an, eine begrenzte Endantwort nach der Werkzeugschleife anzufordern. Prüfen Sie vor der Verwendung des Ergebnisses den Beendigungsgrund, da ein Abbruch wegen der Länge eine unvollständige Ausgabe bedeuten kann.
Ein nützliches Artefakt ist eine belegte Szenenerklärung, ein zeitlich zugeordnetes Transkript, eine Objektannotation oder ein beleggestützter Handlungsvorschlag. Prüfen Sie die Geometrie anhand der Medien, unterscheiden Sie beobachtete Details von Interpretationen und halten Sie die exakten Audio-, Tracking- und Werkzeugfähigkeiten von Mk1.5 von der früheren Ausgabe Mk1 getrennt.
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 · Cache schreiben — / 1K Tokens Eingabe · 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 $0.003 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "perceptron/perceptron-mk1.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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.