Perceptron Mk1.5 ist Perceptrons multimodales Modell für visuelles Verstehen, zeitliche Verankerung und Aufgaben verkörperter Agenten. Es akzeptiert 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 Einführungsartikel.
Eine wesentliche Neuerung ist die Verfolgung von Objekten durch ein Video als Geometrie mit Zeitstempeln. Beschreiben Sie das Ziel klar und geben Sie an, was das Ergebnis feststellen soll, etwa wann ein Gegenstand eine Szene betritt, wohin er sich bewegt oder in welchem Intervall eine bestimmte Handlung stattfindet. Bei Aufnahmen aus der Ich-Perspektive betont der Anbieter Handverfolgung und die Segmentierung in Teilaufgaben; dies hilft bei der Analyse dessen, was eine bedienende Person im zeitlichen Verlauf tut.
Die dokumentierten Ausgaben umfassen Punkte, Rechtecke und Polygone zur räumlichen Verankerung, Clips für zeitliche Intervalle und Track-Container für Objektbewegungen. Track ist ein Container im erzeugten Annotations-Markup und kein eigener Wert für das Annotationsformat. Track-Wegpunkte können weit auseinanderliegen: Ein zurückgegebener Track garantiert weder ein Rechteck für jedes Quellbild noch durchgängige Sichtbarkeit des Objekts. Bewahren Sie die Originalmedien und die Zuordnung zu Koordinaten oder Zeitstempeln auf, damit sich die Ergebnisse an der tatsächlichen Szene prüfen lassen.
Mk1.5 ergänzt natives Audioverstehen, darunter Transkription, Erkennung von Klangereignissen, Zusammenfassungen und Fragen zu einer Aufnahme. Der Anbieter akzeptiert WAV, MP3 und FLAC. Die Audiogrenze pro Element beträgt 16.384 Audio-Tokens, entsprechend ungefähr 21,8 Minuten bei der dokumentierten Rate von etwa 750 Tokens pro Minute. Audio teilt sich den Kontext mit anderen Eingaben und dem Ausgabebudget, sodass eine Anfrage den Kontext bereits füllen kann, bevor diese Grenze pro Element erreicht ist.
Für ein Video, dessen Tonspur relevant ist, aktiviert der Ablauf des Herstellers Audio im Video ausdrücklich. Geben Sie an, ob sich die Aufgabe auf Sprache, ein Klangereignis, die sichtbare Szene oder deren Zusammenhang bezieht. Die Ausgabe besteht aus Text und strukturierten Inhalten; Mk1.5 erzeugt keine Sprachausgabe als Audio. Bewahren Sie bei der Transkription die gewünschte Sprache und die zeitliche Zuordnung, statt eine Bildbeschreibung als Transkript zu behandeln.
Der Anbieter unterstützt Vergleiche über mehrere Medieneingaben hinweg. Kennzeichnen Sie die Elemente und bewahren Sie ihre Medienzuordnungen. Das optionale asset_idx bezeichnet ein zu diesem Zeitpunkt im Gespräch verfügbares Medienvorkommen und keine dauerhafte Dateikennung. Falls weder ein ausdrücklicher noch ein übernommener Selektor vorhanden ist, bezieht sich eine Annotation auf das letzte zum Generierungszeitpunkt verfügbare Medium. Diese Konventionen sind wichtig, wenn eine Aufgabe zwei Kameras, Seiten oder Aufnahmen vergleicht. Die Anfragegrenze des Anbieters liegt bei 256 Medieneinheiten. Jedes Einzelbild in einer video_frames-Gruppe zählt zu dieser Grenze, obwohl die Gruppe nur einen Asset-Index belegt; die Aktivierung der Tonspur eines Videos fügt kein weiteres Asset hinzu.
Der Hersteller unterstützt abschließende 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 gemeinsamem Kontext, einen separaten Anbieterablauf gegenüber gewöhnlichem Chat mit einer einzelnen Completion.
Mk1.5 kann bereitgestellte Funktionen auswählen, die durch Namen, Zwecke und JSON Schemas beschrieben sind. Die Anwendung führt die vorgeschlagenen Aufrufe aus und liefert Beobachtungen zurück. Definieren Sie zulässige Handlungen und ein Abschlusskriterium für eine verkörperte Aufgabe oder eine Oberflächenaufgabe und verwenden Sie anschließend den neuen visuellen Zustand oder das Werkzeugergebnis als Beleg für den nächsten Schritt. Der Reasoning-Aufwand lässt sich in der Katalogvariante des Anbieters einstellen.
Funktionswerkzeuge dürfen nicht in derselben Anfrage wie eine durch JSON Schema oder einen regulären Ausdruck begrenzte Ausgabe deklariert werden; der Hersteller weist an, eine begrenzte abschließende Antwort nach der Werkzeugschleife anzufordern. Prüfen Sie vor der Verwendung des Ergebnisses den Abschlussgrund, da eine Beendigung wegen der Länge eine unvollständige Ausgabe bedeuten kann.
Ein nützliches Ergebnis ist eine im Quellmaterial verankerte Szenenerklärung, ein Transkript mit Zeitangaben, eine Objektannotation oder ein beleggestützter Handlungsvorschlag. Prüfen Sie Geometrie anhand der Medien, unterscheiden Sie beobachtete Details von Interpretationen und halten Sie Mk1.5s exakte Audio-, Tracking- und Werkzeugfähigkeiten von der früheren Mk1-Ausgabe getrennt.
", "aboutText": "Perceptron Mk1.5 ist Perceptrons multimodales Modell für visuelles Verstehen, zeitliche Verankerung und Aufgaben verkörperter Agenten. Es akzeptiert 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 Einführungsartikel.\n\n### Video und Objektverfolgung\n\nEine wesentliche Neuerung ist die Verfolgung von Objekten durch ein Video als Geometrie mit Zeitstempeln. Beschreiben Sie das Ziel klar und geben Sie an, was das Ergebnis feststellen soll, etwa wann ein Gegenstand eine Szene betritt, wohin er sich bewegt oder in welchem Intervall eine bestimmte Handlung stattfindet. Bei Aufnahmen aus der Ich-Perspektive betont der Anbieter Handverfolgung und die Segmentierung in Teilaufgaben; dies hilft bei der Analyse dessen, was eine bedienende Person im zeitlichen Verlauf tut.\n\nDie dokumentierten Ausgaben umfassen Punkte, Rechtecke und Polygone zur räumlichen Verankerung, Clips für zeitliche Intervalle und Track-Container für Objektbewegungen. Track ist ein Container im erzeugten Annotations-Markup und kein eigener Wert für das Annotationsformat. Track-Wegpunkte können weit auseinanderliegen: Ein zurückgegebener Track garantiert weder ein Rechteck für jedes Quellbild noch durchgängige Sichtbarkeit des Objekts. Bewahren Sie die Originalmedien und die Zuordnung zu Koordinaten oder Zeitstempeln auf, damit sich die Ergebnisse an der tatsächlichen Szene prüfen lassen.\n\n### Audio und kombinierte Belege\n\nMk1.5 ergänzt natives Audioverstehen, darunter Transkription, Erkennung von Klangereignissen, Zusammenfassungen und Fragen zu einer Aufnahme. Der Anbieter akzeptiert WAV, MP3 und FLAC. Die Audiogrenze pro Element beträgt 16.384 Audio-Tokens, entsprechend ungefähr 21,8 Minuten bei der dokumentierten Rate von etwa 750 Tokens pro Minute. Audio teilt sich den Kontext mit anderen Eingaben und dem Ausgabebudget, sodass eine Anfrage den Kontext bereits füllen kann, bevor diese Grenze pro Element erreicht ist.\n\nFür ein Video, dessen Tonspur relevant ist, aktiviert der Ablauf des Herstellers Audio im Video ausdrücklich. Geben Sie an, ob sich die Aufgabe auf Sprache, ein Klangereignis, die sichtbare Szene oder deren Zusammenhang bezieht. Die Ausgabe besteht aus Text und strukturierten Inhalten; Mk1.5 erzeugt keine Sprachausgabe als Audio. Bewahren Sie bei der Transkription die gewünschte Sprache und die zeitliche Zuordnung, statt eine Bildbeschreibung als Transkript zu behandeln.\n\n### Mehrere Medien und strukturierte Antworten\n\nDer Anbieter unterstützt Vergleiche über mehrere Medieneingaben hinweg. Kennzeichnen Sie die Elemente und bewahren Sie ihre Medienzuordnungen. Das optionale asset_idx bezeichnet ein zu diesem Zeitpunkt im Gespräch verfügbares Medienvorkommen und keine dauerhafte Dateikennung. Falls weder ein ausdrücklicher noch ein übernommener Selektor vorhanden ist, bezieht sich eine Annotation auf das letzte zum Generierungszeitpunkt verfügbare Medium. Diese Konventionen sind wichtig, wenn eine Aufgabe zwei Kameras, Seiten oder Aufnahmen vergleicht. Die Anfragegrenze des Anbieters liegt bei 256 Medieneinheiten. Jedes Einzelbild in einer video_frames-Gruppe zählt zu dieser Grenze, obwohl die Gruppe nur einen Asset-Index belegt; die Aktivierung der Tonspur eines Videos fügt kein weiteres Asset hinzu.\n\nDer Hersteller unterstützt abschließende 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 gemeinsamem Kontext, einen separaten Anbieterablauf gegenüber gewöhnlichem Chat mit einer einzelnen Completion.\n\n### Funktionen und Schlussfolgern\n\nMk1.5 kann bereitgestellte Funktionen auswählen, die durch Namen, Zwecke und JSON Schemas beschrieben sind. Die Anwendung führt die vorgeschlagenen Aufrufe aus und liefert Beobachtungen zurück. Definieren Sie zulässige Handlungen und ein Abschlusskriterium für eine verkörperte Aufgabe oder eine Oberflächenaufgabe und verwenden Sie anschließend den neuen visuellen Zustand oder das Werkzeugergebnis als Beleg für den nächsten Schritt. Der Reasoning-Aufwand lässt sich in der Katalogvariante des Anbieters einstellen.\n\nFunktionswerkzeuge dürfen nicht in derselben Anfrage wie eine durch JSON Schema oder einen regulären Ausdruck begrenzte Ausgabe deklariert werden; der Hersteller weist an, eine begrenzte abschließende Antwort nach der Werkzeugschleife anzufordern. Prüfen Sie vor der Verwendung des Ergebnisses den Abschlussgrund, da eine Beendigung wegen der Länge eine unvollständige Ausgabe bedeuten kann.\n\nEin nützliches Ergebnis ist eine im Quellmaterial verankerte Szenenerklärung, ein Transkript mit Zeitangaben, eine Objektannotation oder ein beleggestützter Handlungsvorschlag. Prüfen Sie Geometrie anhand der Medien, unterscheiden Sie beobachtete Details von Interpretationen und halten Sie Mk1.5s exakte Audio-, Tracking- und Werkzeugfähigkeiten von der früheren Mk1-Ausgabe 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 verkörperter Agenten. Es liefert Text, räumliche oder zeitliche Annotationen, Objektspuren und vorgeschlagene Funktionsaufrufe bei einem vom Anbieter angegebenen Kontext von 36.864 Tokens und maximal 8.192 Ausgabe-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 Verstehen, zeitliche Verankerung und Aufgaben verkörperter Agenten. Es akzeptiert 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 Einführungsartikel.
Eine wesentliche Neuerung ist die Verfolgung von Objekten durch ein Video als Geometrie mit Zeitstempeln. Beschreiben Sie das Ziel klar und geben Sie an, was das Ergebnis feststellen soll, etwa wann ein Gegenstand eine Szene betritt, wohin er sich bewegt oder in welchem Intervall eine bestimmte Handlung stattfindet. Bei Aufnahmen aus der Ich-Perspektive betont der Anbieter Handverfolgung und die Segmentierung in Teilaufgaben; dies hilft bei der Analyse dessen, was eine bedienende Person im zeitlichen Verlauf tut.
Die dokumentierten Ausgaben umfassen Punkte, Rechtecke und Polygone zur räumlichen Verankerung, Clips für zeitliche Intervalle und Track-Container für Objektbewegungen. Track ist ein Container im erzeugten Annotations-Markup und kein eigener Wert für das Annotationsformat. Track-Wegpunkte können weit auseinanderliegen: Ein zurückgegebener Track garantiert weder ein Rechteck für jedes Quellbild noch durchgängige Sichtbarkeit des Objekts. Bewahren Sie die Originalmedien und die Zuordnung zu Koordinaten oder Zeitstempeln auf, damit sich die Ergebnisse an der tatsächlichen Szene prüfen lassen.
Mk1.5 ergänzt natives Audioverstehen, darunter Transkription, Erkennung von Klangereignissen, Zusammenfassungen und Fragen zu einer Aufnahme. Der Anbieter akzeptiert WAV, MP3 und FLAC. Die Audiogrenze pro Element beträgt 16.384 Audio-Tokens, entsprechend ungefähr 21,8 Minuten bei der dokumentierten Rate von etwa 750 Tokens pro Minute. Audio teilt sich den Kontext mit anderen Eingaben und dem Ausgabebudget, sodass eine Anfrage den Kontext bereits füllen kann, bevor diese Grenze pro Element erreicht ist.
Für ein Video, dessen Tonspur relevant ist, aktiviert der Ablauf des Herstellers Audio im Video ausdrücklich. Geben Sie an, ob sich die Aufgabe auf Sprache, ein Klangereignis, die sichtbare Szene oder deren Zusammenhang bezieht. Die Ausgabe besteht aus Text und strukturierten Inhalten; Mk1.5 erzeugt keine Sprachausgabe als Audio. Bewahren Sie bei der Transkription die gewünschte Sprache und die zeitliche Zuordnung, statt eine Bildbeschreibung als Transkript zu behandeln.
Der Anbieter unterstützt Vergleiche über mehrere Medieneingaben hinweg. Kennzeichnen Sie die Elemente und bewahren Sie ihre Medienzuordnungen. Das optionale asset_idx bezeichnet ein zu diesem Zeitpunkt im Gespräch verfügbares Medienvorkommen und keine dauerhafte Dateikennung. Falls weder ein ausdrücklicher noch ein übernommener Selektor vorhanden ist, bezieht sich eine Annotation auf das letzte zum Generierungszeitpunkt verfügbare Medium. Diese Konventionen sind wichtig, wenn eine Aufgabe zwei Kameras, Seiten oder Aufnahmen vergleicht. Die Anfragegrenze des Anbieters liegt bei 256 Medieneinheiten. Jedes Einzelbild in einer video_frames-Gruppe zählt zu dieser Grenze, obwohl die Gruppe nur einen Asset-Index belegt; die Aktivierung der Tonspur eines Videos fügt kein weiteres Asset hinzu.
Der Hersteller unterstützt abschließende 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 gemeinsamem Kontext, einen separaten Anbieterablauf gegenüber gewöhnlichem Chat mit einer einzelnen Completion.
Mk1.5 kann bereitgestellte Funktionen auswählen, die durch Namen, Zwecke und JSON Schemas beschrieben sind. Die Anwendung führt die vorgeschlagenen Aufrufe aus und liefert Beobachtungen zurück. Definieren Sie zulässige Handlungen und ein Abschlusskriterium für eine verkörperte Aufgabe oder eine Oberflächenaufgabe und verwenden Sie anschließend den neuen visuellen Zustand oder das Werkzeugergebnis als Beleg für den nächsten Schritt. Der Reasoning-Aufwand lässt sich in der Katalogvariante des Anbieters einstellen.
Funktionswerkzeuge dürfen nicht in derselben Anfrage wie eine durch JSON Schema oder einen regulären Ausdruck begrenzte Ausgabe deklariert werden; der Hersteller weist an, eine begrenzte abschließende Antwort nach der Werkzeugschleife anzufordern. Prüfen Sie vor der Verwendung des Ergebnisses den Abschlussgrund, da eine Beendigung wegen der Länge eine unvollständige Ausgabe bedeuten kann.
Ein nützliches Ergebnis ist eine im Quellmaterial verankerte Szenenerklärung, ein Transkript mit Zeitangaben, eine Objektannotation oder ein beleggestützter Handlungsvorschlag. Prüfen Sie Geometrie anhand der Medien, unterscheiden Sie beobachtete Details von Interpretationen und halten Sie Mk1.5s exakte Audio-, Tracking- und Werkzeugfähigkeiten von der früheren Mk1-Ausgabe 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 Token Ausgabe · Ausgabetoken $0.003 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Token Ausgabe · Ausgabetoken $0.003 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 liefert Text, räumliche oder zeitliche Annotationen, Objektspuren und vorgeschlagene Funktionsaufrufe bei einem vom Anbieter angegebenen Kontext von 36.864 Tokens und maximal 8.192 Ausgabe-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 Verstehen, zeitliche Verankerung und Aufgaben verkörperter Agenten. Es akzeptiert 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 Einführungsartikel.
Eine wesentliche Neuerung ist die Verfolgung von Objekten durch ein Video als Geometrie mit Zeitstempeln. Beschreiben Sie das Ziel klar und geben Sie an, was das Ergebnis feststellen soll, etwa wann ein Gegenstand eine Szene betritt, wohin er sich bewegt oder in welchem Intervall eine bestimmte Handlung stattfindet. Bei Aufnahmen aus der Ich-Perspektive betont der Anbieter Handverfolgung und die Segmentierung in Teilaufgaben; dies hilft bei der Analyse dessen, was eine bedienende Person im zeitlichen Verlauf tut.
Die dokumentierten Ausgaben umfassen Punkte, Rechtecke und Polygone zur räumlichen Verankerung, Clips für zeitliche Intervalle und Track-Container für Objektbewegungen. Track ist ein Container im erzeugten Annotations-Markup und kein eigener Wert für das Annotationsformat. Track-Wegpunkte können weit auseinanderliegen: Ein zurückgegebener Track garantiert weder ein Rechteck für jedes Quellbild noch durchgängige Sichtbarkeit des Objekts. Bewahren Sie die Originalmedien und die Zuordnung zu Koordinaten oder Zeitstempeln auf, damit sich die Ergebnisse an der tatsächlichen Szene prüfen lassen.
Mk1.5 ergänzt natives Audioverstehen, darunter Transkription, Erkennung von Klangereignissen, Zusammenfassungen und Fragen zu einer Aufnahme. Der Anbieter akzeptiert WAV, MP3 und FLAC. Die Audiogrenze pro Element beträgt 16.384 Audio-Tokens, entsprechend ungefähr 21,8 Minuten bei der dokumentierten Rate von etwa 750 Tokens pro Minute. Audio teilt sich den Kontext mit anderen Eingaben und dem Ausgabebudget, sodass eine Anfrage den Kontext bereits füllen kann, bevor diese Grenze pro Element erreicht ist.
Für ein Video, dessen Tonspur relevant ist, aktiviert der Ablauf des Herstellers Audio im Video ausdrücklich. Geben Sie an, ob sich die Aufgabe auf Sprache, ein Klangereignis, die sichtbare Szene oder deren Zusammenhang bezieht. Die Ausgabe besteht aus Text und strukturierten Inhalten; Mk1.5 erzeugt keine Sprachausgabe als Audio. Bewahren Sie bei der Transkription die gewünschte Sprache und die zeitliche Zuordnung, statt eine Bildbeschreibung als Transkript zu behandeln.
Der Anbieter unterstützt Vergleiche über mehrere Medieneingaben hinweg. Kennzeichnen Sie die Elemente und bewahren Sie ihre Medienzuordnungen. Das optionale asset_idx bezeichnet ein zu diesem Zeitpunkt im Gespräch verfügbares Medienvorkommen und keine dauerhafte Dateikennung. Falls weder ein ausdrücklicher noch ein übernommener Selektor vorhanden ist, bezieht sich eine Annotation auf das letzte zum Generierungszeitpunkt verfügbare Medium. Diese Konventionen sind wichtig, wenn eine Aufgabe zwei Kameras, Seiten oder Aufnahmen vergleicht. Die Anfragegrenze des Anbieters liegt bei 256 Medieneinheiten. Jedes Einzelbild in einer video_frames-Gruppe zählt zu dieser Grenze, obwohl die Gruppe nur einen Asset-Index belegt; die Aktivierung der Tonspur eines Videos fügt kein weiteres Asset hinzu.
Der Hersteller unterstützt abschließende 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 gemeinsamem Kontext, einen separaten Anbieterablauf gegenüber gewöhnlichem Chat mit einer einzelnen Completion.
Mk1.5 kann bereitgestellte Funktionen auswählen, die durch Namen, Zwecke und JSON Schemas beschrieben sind. Die Anwendung führt die vorgeschlagenen Aufrufe aus und liefert Beobachtungen zurück. Definieren Sie zulässige Handlungen und ein Abschlusskriterium für eine verkörperte Aufgabe oder eine Oberflächenaufgabe und verwenden Sie anschließend den neuen visuellen Zustand oder das Werkzeugergebnis als Beleg für den nächsten Schritt. Der Reasoning-Aufwand lässt sich in der Katalogvariante des Anbieters einstellen.
Funktionswerkzeuge dürfen nicht in derselben Anfrage wie eine durch JSON Schema oder einen regulären Ausdruck begrenzte Ausgabe deklariert werden; der Hersteller weist an, eine begrenzte abschließende Antwort nach der Werkzeugschleife anzufordern. Prüfen Sie vor der Verwendung des Ergebnisses den Abschlussgrund, da eine Beendigung wegen der Länge eine unvollständige Ausgabe bedeuten kann.
Ein nützliches Ergebnis ist eine im Quellmaterial verankerte Szenenerklärung, ein Transkript mit Zeitangaben, eine Objektannotation oder ein beleggestützter Handlungsvorschlag. Prüfen Sie Geometrie anhand der Medien, unterscheiden Sie beobachtete Details von Interpretationen und halten Sie Mk1.5s exakte Audio-, Tracking- und Werkzeugfähigkeiten von der früheren Mk1-Ausgabe 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 Token Ausgabe · Ausgabetoken $0.003 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Token Ausgabe · Ausgabetoken $0.003 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "perceptron/perceptron-mk1.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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.