Perceptron Mk1 ist Perceptrons Modell für Bild- und Videoverstehen sowie verkörpertes Schlussfolgern. Es analysiert visuelles Quellmaterial im Zusammenhang mit einer schriftlichen Frage und liefert Text und strukturierte räumliche oder zeitliche Annotationen. Seine Herstellervariante hat einen multimodalen Kontext von 32K und einen hybriden Reasoning-Modus, der für Aufgaben ohne benötigte Denkspur abgeschaltet werden kann.
Der Hersteller entwickelt Mk1, um Ereignisse im zeitlichen Verlauf zu erklären, statt nur ein Einzelbild zu beschriften. Eine Sportsequenz, eine Kochdemonstration oder die Aufgabe einer bedienenden Person kann eine strukturierte Darstellung dessen liefern, was wann geschehen ist. Der Anbieter dokumentiert dynamische Videoanalyse mit bis zu zwei Bildern pro Sekunde. Dieses Abtastprofil unterscheidet sich von der ursprünglichen Bildrate des Quellvideos.
Beschreiben Sie für die zeitliche Lokalisierung eines Ereignisses die Handlung und das benötigte Intervall. Eine beispielhafte Anweisung lautet: „Identifizieren Sie die Momente, in denen der Gegenstand auf das Regal gelegt wird, geben Sie die Zeitintervalle zurück und erklären Sie die sichtbaren Belege für jedes davon.“ Bewahren Sie Quellvideo und Zeitbezüge gemeinsam auf, damit eine Clip-Annotation oder ein Ereignisintervall geprüft werden kann, bevor eine andere Anwendung es nutzt.
Mk1 unterstützt visuelles In-Context-Lernen anhand eines Referenzbildes oder -videos und anschließend das 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 nennen Sie die Kriterien: das zu vergleichende Objekt, die Handlung, den Zustand oder das Dokumentdetail.
Dies bereitet die Aufgabe durch bereitgestellte Beispiele vor und setzt nicht voraus, dass ein gesondertes Fine-Tuning durchgeführt wurde. Wenn sich die Szenen unterscheiden, bitten Sie die Ausgabe, anzugeben, welche Eingabe jeden Befund stützt. Eine sichtbare Ähnlichkeit sollte von einer abgeleiteten Schlussfolgerung über ein Ereignis getrennt bleiben.
Zu den Bildfähigkeiten des Anbieters gehören Zeigen, Zählen, Texterkennung und das Ablesen analoger oder digitaler Instrumente. Bewahren Sie bei einem Instrument Skala, Einheiten und lesbare Markierungen; definieren Sie für eine Zählung den Bereich und die Kategorie. Mk1 extrahiert außerdem komplexe Dokumente in HTML, JSON oder Markdown und bewahrt dabei Layoutbeziehungen, Tabellen und Hierarchie.
Stellen Sie ein lesbares Seitenbild bereit und nennen Sie die Felder oder die Frage. Ein nützliches Ergebnis bewahrt die Quellenzuordnung und unterscheidet den extrahierten Wortlaut von Interpretation. Kleiner Text, Verdeckungen und mehrdeutige Szenenbelege sollten bei der Vorbereitung der Quelle und der Prüfung der Antwort berücksichtigt werden.
Der Hersteller trainiert Punkte, Rechtecke, Polygone, Tracks und Clips als gleichrangige strukturierte Ausgaben neben Text. Diese Annotationen können einem umgebenden Robotik- oder Analyseablauf Ziele, Einschränkungen, Aufgabengrenzen oder beobachtete Erfolgs- und Fehlerinformationen liefern. Bei einer Aufgabe mit mehreren Kameras sollten die Ansichten gekennzeichnet und die Zuordnung zwischen jeder Annotation und ihrer Quelle bewahrt werden.
Das Modell interpretiert die Beobachtungen und erzeugt das im Quellmaterial verankerte Ergebnis; die Anwendung oder das Steuerungssystem entscheidet über dessen Verwendung und führt physische oder Oberflächenhandlungen aus. Ein vorgeschlagenes Ziel oder annotiertes Intervall unterscheidet sich von einem ausgeführten Vorgang oder einer exportierten Mediendatei.
Planen Sie Videorepräsentation, Bildinhalte, Prompt, Verlauf und erzeugte Ausgabe innerhalb des 32K-Kontexts ein. Fordern Sie das endgültige Ergebnis und die Belege für jedes Resultat an, statt zu erwarten, dass eine zusammenhanglose Quellensammlung ihr eigenes Ziel definiert. Prüfen Sie Koordinaten, Zeitintervalle und extrahierte Werte anhand der Originalmedien.
Mk1 behält seine eigene benannte Ausgabe und sein visuelles Profil. Native Audioeingabe, die aktuellen Anfragebedingungen von Mk1.5 und dessen neue Details zu Werkzeugen und Tracking-Abläufen dürfen für diese frühere Veröffentlichung 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 Videoverstehen sowie verkörpertes Schlussfolgern. Es analysiert visuelles Quellmaterial im Zusammenhang mit einer schriftlichen Frage und liefert Text und strukturierte räumliche oder zeitliche Annotationen. Seine Herstellervariante hat einen multimodalen Kontext von 32K und einen hybriden Reasoning-Modus, der für Aufgaben ohne benötigte Denkspur abgeschaltet werden kann.\n\n### Zeitliches Schlussfolgern und Verankerung\n\nDer Hersteller entwickelt Mk1, um Ereignisse im zeitlichen Verlauf zu erklären, statt nur ein Einzelbild zu beschriften. Eine Sportsequenz, eine Kochdemonstration oder die Aufgabe einer bedienenden Person kann eine strukturierte Darstellung dessen liefern, was wann geschehen ist. Der Anbieter dokumentiert dynamische Videoanalyse mit bis zu zwei Bildern pro Sekunde. Dieses Abtastprofil unterscheidet sich von der ursprünglichen Bildrate des Quellvideos.\n\nBeschreiben Sie für die zeitliche Lokalisierung eines Ereignisses die Handlung und das benötigte Intervall. Eine beispielhafte Anweisung lautet: „Identifizieren Sie die Momente, in denen der Gegenstand auf das Regal gelegt wird, geben Sie die Zeitintervalle zurück und erklären Sie die sichtbaren Belege für jedes davon.“ Bewahren Sie Quellvideo und Zeitbezüge gemeinsam auf, damit eine Clip-Annotation oder ein Ereignisintervall geprüft werden kann, bevor eine andere Anwendung es nutzt.\n\n### Referenzbeispiele und Vergleich\n\nMk1 unterstützt visuelles In-Context-Lernen anhand eines Referenzbildes oder -videos und anschließend das 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 nennen Sie die Kriterien: das zu vergleichende Objekt, die Handlung, den Zustand oder das Dokumentdetail.\n\nDies bereitet die Aufgabe durch bereitgestellte Beispiele vor und setzt nicht voraus, dass ein gesondertes Fine-Tuning durchgeführt wurde. Wenn sich die Szenen unterscheiden, bitten Sie die Ausgabe, anzugeben, welche Eingabe jeden Befund stützt. Eine sichtbare Ähnlichkeit sollte von einer abgeleiteten Schlussfolgerung über ein Ereignis getrennt bleiben.\n\n### Bild- und Dokumentaufgaben\n\nZu den Bildfähigkeiten des Anbieters gehören Zeigen, Zählen, Texterkennung und das Ablesen analoger oder digitaler Instrumente. Bewahren Sie bei einem Instrument Skala, Einheiten und lesbare Markierungen; definieren Sie für eine Zählung den Bereich und die Kategorie. Mk1 extrahiert außerdem komplexe Dokumente in HTML, JSON oder Markdown und bewahrt dabei Layoutbeziehungen, Tabellen und Hierarchie.\n\nStellen Sie ein lesbares Seitenbild bereit und nennen Sie die Felder oder die Frage. Ein nützliches Ergebnis bewahrt die Quellenzuordnung und unterscheidet den extrahierten Wortlaut von Interpretation. Kleiner Text, Verdeckungen und mehrdeutige Szenenbelege sollten bei der Vorbereitung der Quelle und der Prüfung der Antwort berücksichtigt werden.\n\n### Räumliche Grundformen und verkörperte Aufgaben\n\nDer Hersteller trainiert Punkte, Rechtecke, Polygone, Tracks und Clips als gleichrangige strukturierte Ausgaben neben Text. Diese Annotationen können einem umgebenden Robotik- oder Analyseablauf Ziele, Einschränkungen, Aufgabengrenzen oder beobachtete Erfolgs- und Fehlerinformationen liefern. Bei einer Aufgabe mit mehreren Kameras sollten die Ansichten gekennzeichnet und die Zuordnung zwischen jeder Annotation und ihrer Quelle bewahrt werden.\n\nDas Modell interpretiert die Beobachtungen und erzeugt das im Quellmaterial verankerte Ergebnis; die Anwendung oder das Steuerungssystem entscheidet über dessen Verwendung und führt physische oder Oberflächenhandlungen aus. Ein vorgeschlagenes Ziel oder 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 32K-Kontexts ein. Fordern Sie das endgültige Ergebnis und die Belege für jedes Resultat an, statt zu erwarten, dass eine zusammenhanglose Quellensammlung ihr eigenes Ziel definiert. Prüfen Sie Koordinaten, Zeitintervalle und extrahierte Werte anhand der Originalmedien.\n\nMk1 behält seine eigene benannte Ausgabe und sein visuelles Profil. Native Audioeingabe, die aktuellen Anfragebedingungen von Mk1.5 und dessen neue Details zu Werkzeugen und Tracking-Abläufen dürfen für diese frühere Veröffentlichung 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 Verstehen, räumliche Verankerung und verkörpertes Schlussfolgern. Es erzeugt Text und strukturierte Annotationen für Szenen, Dokumente und sichtbare Handlungen bei 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 Videoverstehen sowie verkörpertes Schlussfolgern. Es analysiert visuelles Quellmaterial im Zusammenhang mit einer schriftlichen Frage und liefert Text und strukturierte räumliche oder zeitliche Annotationen. Seine Herstellervariante hat einen multimodalen Kontext von 32K und einen hybriden Reasoning-Modus, der für Aufgaben ohne benötigte Denkspur abgeschaltet werden kann.
Der Hersteller entwickelt Mk1, um Ereignisse im zeitlichen Verlauf zu erklären, statt nur ein Einzelbild zu beschriften. Eine Sportsequenz, eine Kochdemonstration oder die Aufgabe einer bedienenden Person kann eine strukturierte Darstellung dessen liefern, was wann geschehen ist. Der Anbieter dokumentiert dynamische Videoanalyse mit bis zu zwei Bildern pro Sekunde. Dieses Abtastprofil unterscheidet sich von der ursprünglichen Bildrate des Quellvideos.
Beschreiben Sie für die zeitliche Lokalisierung eines Ereignisses die Handlung und das benötigte Intervall. Eine beispielhafte Anweisung lautet: „Identifizieren Sie die Momente, in denen der Gegenstand auf das Regal gelegt wird, geben Sie die Zeitintervalle zurück und erklären Sie die sichtbaren Belege für jedes davon.“ Bewahren Sie Quellvideo und Zeitbezüge gemeinsam auf, damit eine Clip-Annotation oder ein Ereignisintervall geprüft werden kann, bevor eine andere Anwendung es nutzt.
Mk1 unterstützt visuelles In-Context-Lernen anhand eines Referenzbildes oder -videos und anschließend das 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 nennen Sie die Kriterien: das zu vergleichende Objekt, die Handlung, den Zustand oder das Dokumentdetail.
Dies bereitet die Aufgabe durch bereitgestellte Beispiele vor und setzt nicht voraus, dass ein gesondertes Fine-Tuning durchgeführt wurde. Wenn sich die Szenen unterscheiden, bitten Sie die Ausgabe, anzugeben, welche Eingabe jeden Befund stützt. Eine sichtbare Ähnlichkeit sollte von einer abgeleiteten Schlussfolgerung über ein Ereignis getrennt bleiben.
Zu den Bildfähigkeiten des Anbieters gehören Zeigen, Zählen, Texterkennung und das Ablesen analoger oder digitaler Instrumente. Bewahren Sie bei einem Instrument Skala, Einheiten und lesbare Markierungen; definieren Sie für eine Zählung den Bereich und die Kategorie. Mk1 extrahiert außerdem komplexe Dokumente in HTML, JSON oder Markdown und bewahrt dabei Layoutbeziehungen, Tabellen und Hierarchie.
Stellen Sie ein lesbares Seitenbild bereit und nennen Sie die Felder oder die Frage. Ein nützliches Ergebnis bewahrt die Quellenzuordnung und unterscheidet den extrahierten Wortlaut von Interpretation. Kleiner Text, Verdeckungen und mehrdeutige Szenenbelege sollten bei der Vorbereitung der Quelle und der Prüfung der Antwort berücksichtigt werden.
Der Hersteller trainiert Punkte, Rechtecke, Polygone, Tracks und Clips als gleichrangige strukturierte Ausgaben neben Text. Diese Annotationen können einem umgebenden Robotik- oder Analyseablauf Ziele, Einschränkungen, Aufgabengrenzen oder beobachtete Erfolgs- und Fehlerinformationen liefern. Bei einer Aufgabe mit mehreren Kameras sollten die Ansichten gekennzeichnet und die Zuordnung zwischen jeder Annotation und ihrer Quelle bewahrt werden.
Das Modell interpretiert die Beobachtungen und erzeugt das im Quellmaterial verankerte Ergebnis; die Anwendung oder das Steuerungssystem entscheidet über dessen Verwendung und führt physische oder Oberflächenhandlungen aus. Ein vorgeschlagenes Ziel oder annotiertes Intervall unterscheidet sich von einem ausgeführten Vorgang oder einer exportierten Mediendatei.
Planen Sie Videorepräsentation, Bildinhalte, Prompt, Verlauf und erzeugte Ausgabe innerhalb des 32K-Kontexts ein. Fordern Sie das endgültige Ergebnis und die Belege für jedes Resultat an, statt zu erwarten, dass eine zusammenhanglose Quellensammlung ihr eigenes Ziel definiert. Prüfen Sie Koordinaten, Zeitintervalle und extrahierte Werte anhand der Originalmedien.
Mk1 behält seine eigene benannte Ausgabe und sein visuelles Profil. Native Audioeingabe, die aktuellen Anfragebedingungen von Mk1.5 und dessen neue Details zu Werkzeugen und Tracking-Abläufen dürfen für diese frühere Veröffentlichung 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 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", "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 Verstehen, räumliche Verankerung und verkörpertes Schlussfolgern. Es erzeugt Text und strukturierte Annotationen für Szenen, Dokumente und sichtbare Handlungen bei 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 Videoverstehen sowie verkörpertes Schlussfolgern. Es analysiert visuelles Quellmaterial im Zusammenhang mit einer schriftlichen Frage und liefert Text und strukturierte räumliche oder zeitliche Annotationen. Seine Herstellervariante hat einen multimodalen Kontext von 32K und einen hybriden Reasoning-Modus, der für Aufgaben ohne benötigte Denkspur abgeschaltet werden kann.
Der Hersteller entwickelt Mk1, um Ereignisse im zeitlichen Verlauf zu erklären, statt nur ein Einzelbild zu beschriften. Eine Sportsequenz, eine Kochdemonstration oder die Aufgabe einer bedienenden Person kann eine strukturierte Darstellung dessen liefern, was wann geschehen ist. Der Anbieter dokumentiert dynamische Videoanalyse mit bis zu zwei Bildern pro Sekunde. Dieses Abtastprofil unterscheidet sich von der ursprünglichen Bildrate des Quellvideos.
Beschreiben Sie für die zeitliche Lokalisierung eines Ereignisses die Handlung und das benötigte Intervall. Eine beispielhafte Anweisung lautet: „Identifizieren Sie die Momente, in denen der Gegenstand auf das Regal gelegt wird, geben Sie die Zeitintervalle zurück und erklären Sie die sichtbaren Belege für jedes davon.“ Bewahren Sie Quellvideo und Zeitbezüge gemeinsam auf, damit eine Clip-Annotation oder ein Ereignisintervall geprüft werden kann, bevor eine andere Anwendung es nutzt.
Mk1 unterstützt visuelles In-Context-Lernen anhand eines Referenzbildes oder -videos und anschließend das 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 nennen Sie die Kriterien: das zu vergleichende Objekt, die Handlung, den Zustand oder das Dokumentdetail.
Dies bereitet die Aufgabe durch bereitgestellte Beispiele vor und setzt nicht voraus, dass ein gesondertes Fine-Tuning durchgeführt wurde. Wenn sich die Szenen unterscheiden, bitten Sie die Ausgabe, anzugeben, welche Eingabe jeden Befund stützt. Eine sichtbare Ähnlichkeit sollte von einer abgeleiteten Schlussfolgerung über ein Ereignis getrennt bleiben.
Zu den Bildfähigkeiten des Anbieters gehören Zeigen, Zählen, Texterkennung und das Ablesen analoger oder digitaler Instrumente. Bewahren Sie bei einem Instrument Skala, Einheiten und lesbare Markierungen; definieren Sie für eine Zählung den Bereich und die Kategorie. Mk1 extrahiert außerdem komplexe Dokumente in HTML, JSON oder Markdown und bewahrt dabei Layoutbeziehungen, Tabellen und Hierarchie.
Stellen Sie ein lesbares Seitenbild bereit und nennen Sie die Felder oder die Frage. Ein nützliches Ergebnis bewahrt die Quellenzuordnung und unterscheidet den extrahierten Wortlaut von Interpretation. Kleiner Text, Verdeckungen und mehrdeutige Szenenbelege sollten bei der Vorbereitung der Quelle und der Prüfung der Antwort berücksichtigt werden.
Der Hersteller trainiert Punkte, Rechtecke, Polygone, Tracks und Clips als gleichrangige strukturierte Ausgaben neben Text. Diese Annotationen können einem umgebenden Robotik- oder Analyseablauf Ziele, Einschränkungen, Aufgabengrenzen oder beobachtete Erfolgs- und Fehlerinformationen liefern. Bei einer Aufgabe mit mehreren Kameras sollten die Ansichten gekennzeichnet und die Zuordnung zwischen jeder Annotation und ihrer Quelle bewahrt werden.
Das Modell interpretiert die Beobachtungen und erzeugt das im Quellmaterial verankerte Ergebnis; die Anwendung oder das Steuerungssystem entscheidet über dessen Verwendung und führt physische oder Oberflächenhandlungen aus. Ein vorgeschlagenes Ziel oder annotiertes Intervall unterscheidet sich von einem ausgeführten Vorgang oder einer exportierten Mediendatei.
Planen Sie Videorepräsentation, Bildinhalte, Prompt, Verlauf und erzeugte Ausgabe innerhalb des 32K-Kontexts ein. Fordern Sie das endgültige Ergebnis und die Belege für jedes Resultat an, statt zu erwarten, dass eine zusammenhanglose Quellensammlung ihr eigenes Ziel definiert. Prüfen Sie Koordinaten, Zeitintervalle und extrahierte Werte anhand der Originalmedien.
Mk1 behält seine eigene benannte Ausgabe und sein visuelles Profil. Native Audioeingabe, die aktuellen Anfragebedingungen von Mk1.5 und dessen neue Details zu Werkzeugen und Tracking-Abläufen dürfen für diese frühere Veröffentlichung 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 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 $0.003 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "perceptron/perceptron-mk1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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.