Perceptron Mk1.5 es el modelo multimodal de Perceptron para comprensión visual, vinculación temporal y tareas de agentes que interactúan con el entorno físico. Acepta texto, imágenes, video y audio, y devuelve texto, anotaciones espaciales o temporales, respuestas estructuradas y contenido de llamadas a funciones. La especificación actual de su fabricante indica un contexto de 36,864 tokens y una salida máxima de 8,192 tokens; estos límites exactos son más específicos que la descripción redondeada de 32K del artículo de lanzamiento.
Una incorporación distintiva es el seguimiento de objetos a través del video como geometría con marcas de tiempo. Describe claramente el objetivo e indica qué debe establecer el resultado, como cuándo entra un objeto en una escena, hacia dónde se mueve o qué intervalo contiene una acción específica. Para grabaciones en primera persona, el productor destaca el seguimiento de manos y la segmentación en subtareas, útiles para analizar lo que hace un operador a lo largo del tiempo.
Las salidas documentadas incluyen puntos, recuadros y polígonos para la vinculación espacial, clips para intervalos temporales y contenedores de trayectorias para el movimiento de objetos. Track es un contenedor en el marcado de anotaciones generado, no un valor independiente del formato de anotación. Los puntos de una trayectoria pueden ser dispersos: una trayectoria devuelta no garantiza un recuadro por cada fotograma de origen ni la visibilidad continua del objeto. Conserva los medios originales y la asociación de coordenadas o marcas de tiempo para poder contrastar esos resultados con la escena real.
Mk1.5 agrega comprensión nativa de audio, incluidas transcripción, detección de eventos sonoros, resúmenes y preguntas sobre una grabación. El productor acepta WAV, MP3 y FLAC. Su límite de audio por elemento es de 16,384 tokens de audio, aproximadamente 21.8 minutos a la tasa documentada de unos 750 tokens por minuto. El audio comparte el contexto con otras entradas y con el presupuesto de salida, por lo que una solicitud puede llenar el contexto antes de alcanzar ese límite por elemento.
Para un video cuya pista de audio sea importante, el flujo de trabajo del fabricante habilita explícitamente el audio del video. Indica si la tarea trata sobre el habla, un evento sonoro, la escena visible o su relación. La salida es texto y contenido estructurado; Mk1.5 no genera audio de voz. Para transcripción, conserva el idioma solicitado y la asociación temporal en lugar de tratar un pie de imagen como una transcripción.
El productor admite comparaciones entre entradas de medios. Etiqueta los elementos y conserva las asociaciones de los recursos. El parámetro opcional asset_idx identifica una aparición de medios disponible en ese punto de la conversación, no un identificador de archivo persistente. Si no hay un selector explícito ni heredado, una anotación se refiere al último recurso disponible al momento de la generación. Estas convenciones importan cuando una tarea compara dos cámaras, páginas o grabaciones. El límite por solicitud del productor es de 256 unidades de medios. Cada fotograma de un grupo video_frames cuenta para ese límite, aunque el grupo ocupa un solo índice de recurso; habilitar la pista de audio de un video no agrega otro recurso.
El fabricante admite respuestas finales restringidas por JSON Schema o una expresión regular. Define los campos o el patrón y revisa los valores devueltos contra la fuente. También documenta Multilook para prompts independientes sobre un contexto compartido, un flujo de trabajo del productor distinto del chat ordinario de una sola finalización.
Mk1.5 puede elegir entre las funciones proporcionadas, descritas mediante nombres, propósitos y esquemas JSON. La aplicación ejecuta las llamadas propuestas y devuelve observaciones. Define las acciones permitidas y un criterio de finalización para una tarea física o de interfaz, y después utiliza el nuevo estado visual o el resultado de la herramienta como evidencia para el siguiente paso. El esfuerzo de razonamiento se puede configurar en la variante del productor.
Las herramientas de función no se pueden declarar en la misma solicitud que una salida restringida por JSON Schema o una expresión regular; el fabricante indica que se solicite una respuesta final restringida después del ciclo de herramientas. Examina el motivo de finalización antes de utilizar el resultado, ya que terminar por longitud puede significar que la salida está incompleta.
Un resultado útil es una explicación de la escena basada en evidencia, una transcripción con tiempos, una anotación de objetos o una propuesta de acción respaldada por evidencia. Revisa la geometría contra los medios, distingue los detalles observados de la interpretación y conserva por separado las capacidades exactas de audio, seguimiento y herramientas de Mk1.5 respecto de la edición Mk1 anterior.
", "aboutText": "Perceptron Mk1.5 es el modelo multimodal de Perceptron para comprensión visual, vinculación temporal y tareas de agentes que interactúan con el entorno físico. Acepta texto, imágenes, video y audio, y devuelve texto, anotaciones espaciales o temporales, respuestas estructuradas y contenido de llamadas a funciones. La especificación actual de su fabricante indica un contexto de 36,864 tokens y una salida máxima de 8,192 tokens; estos límites exactos son más específicos que la descripción redondeada de 32K del artículo de lanzamiento.\n\n### Video y seguimiento de objetos\n\nUna incorporación distintiva es el seguimiento de objetos a través del video como geometría con marcas de tiempo. Describe claramente el objetivo e indica qué debe establecer el resultado, como cuándo entra un objeto en una escena, hacia dónde se mueve o qué intervalo contiene una acción específica. Para grabaciones en primera persona, el productor destaca el seguimiento de manos y la segmentación en subtareas, útiles para analizar lo que hace un operador a lo largo del tiempo.\n\nLas salidas documentadas incluyen puntos, recuadros y polígonos para la vinculación espacial, clips para intervalos temporales y contenedores de trayectorias para el movimiento de objetos. Track es un contenedor en el marcado de anotaciones generado, no un valor independiente del formato de anotación. Los puntos de una trayectoria pueden ser dispersos: una trayectoria devuelta no garantiza un recuadro por cada fotograma de origen ni la visibilidad continua del objeto. Conserva los medios originales y la asociación de coordenadas o marcas de tiempo para poder contrastar esos resultados con la escena real.\n\n### Audio y evidencia combinada\n\nMk1.5 agrega comprensión nativa de audio, incluidas transcripción, detección de eventos sonoros, resúmenes y preguntas sobre una grabación. El productor acepta WAV, MP3 y FLAC. Su límite de audio por elemento es de 16,384 tokens de audio, aproximadamente 21.8 minutos a la tasa documentada de unos 750 tokens por minuto. El audio comparte el contexto con otras entradas y con el presupuesto de salida, por lo que una solicitud puede llenar el contexto antes de alcanzar ese límite por elemento.\n\nPara un video cuya pista de audio sea importante, el flujo de trabajo del fabricante habilita explícitamente el audio del video. Indica si la tarea trata sobre el habla, un evento sonoro, la escena visible o su relación. La salida es texto y contenido estructurado; Mk1.5 no genera audio de voz. Para transcripción, conserva el idioma solicitado y la asociación temporal en lugar de tratar un pie de imagen como una transcripción.\n\n### Varios recursos y respuestas estructuradas\n\nEl productor admite comparaciones entre entradas de medios. Etiqueta los elementos y conserva las asociaciones de los recursos. El parámetro opcional asset_idx identifica una aparición de medios disponible en ese punto de la conversación, no un identificador de archivo persistente. Si no hay un selector explícito ni heredado, una anotación se refiere al último recurso disponible al momento de la generación. Estas convenciones importan cuando una tarea compara dos cámaras, páginas o grabaciones. El límite por solicitud del productor es de 256 unidades de medios. Cada fotograma de un grupo video_frames cuenta para ese límite, aunque el grupo ocupa un solo índice de recurso; habilitar la pista de audio de un video no agrega otro recurso.\n\nEl fabricante admite respuestas finales restringidas por JSON Schema o una expresión regular. Define los campos o el patrón y revisa los valores devueltos contra la fuente. También documenta Multilook para prompts independientes sobre un contexto compartido, un flujo de trabajo del productor distinto del chat ordinario de una sola finalización.\n\n### Funciones y razonamiento\n\nMk1.5 puede elegir entre las funciones proporcionadas, descritas mediante nombres, propósitos y esquemas JSON. La aplicación ejecuta las llamadas propuestas y devuelve observaciones. Define las acciones permitidas y un criterio de finalización para una tarea física o de interfaz, y después utiliza el nuevo estado visual o el resultado de la herramienta como evidencia para el siguiente paso. El esfuerzo de razonamiento se puede configurar en la variante del productor.\n\nLas herramientas de función no se pueden declarar en la misma solicitud que una salida restringida por JSON Schema o una expresión regular; el fabricante indica que se solicite una respuesta final restringida después del ciclo de herramientas. Examina el motivo de finalización antes de utilizar el resultado, ya que terminar por longitud puede significar que la salida está incompleta.\n\nUn resultado útil es una explicación de la escena basada en evidencia, una transcripción con tiempos, una anotación de objetos o una propuesta de acción respaldada por evidencia. Revisa la geometría contra los medios, distingue los detalles observados de la interpretación y conserva por separado las capacidades exactas de audio, seguimiento y herramientas de Mk1.5 respecto de la edición Mk1 anterior.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
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 comprende texto, imágenes, video y audio para tareas visuales y de interacción con el entorno físico. Devuelve texto, anotaciones espaciales o temporales, trayectorias de objetos y propuestas de llamadas a funciones, con un contexto del productor de 36,864 tokens y una salida máxima de 8,192 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Perceptron Mk1.5 es el modelo multimodal de Perceptron para comprensión visual, vinculación temporal y tareas de agentes que interactúan con el entorno físico. Acepta texto, imágenes, video y audio, y devuelve texto, anotaciones espaciales o temporales, respuestas estructuradas y contenido de llamadas a funciones. La especificación actual de su fabricante indica un contexto de 36,864 tokens y una salida máxima de 8,192 tokens; estos límites exactos son más específicos que la descripción redondeada de 32K del artículo de lanzamiento.
Una incorporación distintiva es el seguimiento de objetos a través del video como geometría con marcas de tiempo. Describe claramente el objetivo e indica qué debe establecer el resultado, como cuándo entra un objeto en una escena, hacia dónde se mueve o qué intervalo contiene una acción específica. Para grabaciones en primera persona, el productor destaca el seguimiento de manos y la segmentación en subtareas, útiles para analizar lo que hace un operador a lo largo del tiempo.
Las salidas documentadas incluyen puntos, recuadros y polígonos para la vinculación espacial, clips para intervalos temporales y contenedores de trayectorias para el movimiento de objetos. Track es un contenedor en el marcado de anotaciones generado, no un valor independiente del formato de anotación. Los puntos de una trayectoria pueden ser dispersos: una trayectoria devuelta no garantiza un recuadro por cada fotograma de origen ni la visibilidad continua del objeto. Conserva los medios originales y la asociación de coordenadas o marcas de tiempo para poder contrastar esos resultados con la escena real.
Mk1.5 agrega comprensión nativa de audio, incluidas transcripción, detección de eventos sonoros, resúmenes y preguntas sobre una grabación. El productor acepta WAV, MP3 y FLAC. Su límite de audio por elemento es de 16,384 tokens de audio, aproximadamente 21.8 minutos a la tasa documentada de unos 750 tokens por minuto. El audio comparte el contexto con otras entradas y con el presupuesto de salida, por lo que una solicitud puede llenar el contexto antes de alcanzar ese límite por elemento.
Para un video cuya pista de audio sea importante, el flujo de trabajo del fabricante habilita explícitamente el audio del video. Indica si la tarea trata sobre el habla, un evento sonoro, la escena visible o su relación. La salida es texto y contenido estructurado; Mk1.5 no genera audio de voz. Para transcripción, conserva el idioma solicitado y la asociación temporal en lugar de tratar un pie de imagen como una transcripción.
El productor admite comparaciones entre entradas de medios. Etiqueta los elementos y conserva las asociaciones de los recursos. El parámetro opcional asset_idx identifica una aparición de medios disponible en ese punto de la conversación, no un identificador de archivo persistente. Si no hay un selector explícito ni heredado, una anotación se refiere al último recurso disponible al momento de la generación. Estas convenciones importan cuando una tarea compara dos cámaras, páginas o grabaciones. El límite por solicitud del productor es de 256 unidades de medios. Cada fotograma de un grupo video_frames cuenta para ese límite, aunque el grupo ocupa un solo índice de recurso; habilitar la pista de audio de un video no agrega otro recurso.
El fabricante admite respuestas finales restringidas por JSON Schema o una expresión regular. Define los campos o el patrón y revisa los valores devueltos contra la fuente. También documenta Multilook para prompts independientes sobre un contexto compartido, un flujo de trabajo del productor distinto del chat ordinario de una sola finalización.
Mk1.5 puede elegir entre las funciones proporcionadas, descritas mediante nombres, propósitos y esquemas JSON. La aplicación ejecuta las llamadas propuestas y devuelve observaciones. Define las acciones permitidas y un criterio de finalización para una tarea física o de interfaz, y después utiliza el nuevo estado visual o el resultado de la herramienta como evidencia para el siguiente paso. El esfuerzo de razonamiento se puede configurar en la variante del productor.
Las herramientas de función no se pueden declarar en la misma solicitud que una salida restringida por JSON Schema o una expresión regular; el fabricante indica que se solicite una respuesta final restringida después del ciclo de herramientas. Examina el motivo de finalización antes de utilizar el resultado, ya que terminar por longitud puede significar que la salida está incompleta.
Un resultado útil es una explicación de la escena basada en evidencia, una transcripción con tiempos, una anotación de objetos o una propuesta de acción respaldada por evidencia. Revisa la geometría contra los medios, distingue los detalles observados de la interpretación y conserva por separado las capacidades exactas de audio, seguimiento y herramientas de Mk1.5 respecto de la edición Mk1 anterior.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites perceptron/perceptron-mk1.5 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0003 / 1K tokens Salida · Tokens de salida $0.003 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0003 / 1K tokens Salida · Tokens de salida $0.003 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra perceptron/perceptron-mk1.5
Usa las rutas de método indicadas arriba.
perceptron/perceptron-mk1.5Perceptron Mk1.5 comprende texto, imágenes, video y audio para tareas visuales y de interacción con el entorno físico. Devuelve texto, anotaciones espaciales o temporales, trayectorias de objetos y propuestas de llamadas a funciones, con un contexto del productor de 36,864 tokens y una salida máxima de 8,192 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Perceptron Mk1.5 es el modelo multimodal de Perceptron para comprensión visual, vinculación temporal y tareas de agentes que interactúan con el entorno físico. Acepta texto, imágenes, video y audio, y devuelve texto, anotaciones espaciales o temporales, respuestas estructuradas y contenido de llamadas a funciones. La especificación actual de su fabricante indica un contexto de 36,864 tokens y una salida máxima de 8,192 tokens; estos límites exactos son más específicos que la descripción redondeada de 32K del artículo de lanzamiento.
Una incorporación distintiva es el seguimiento de objetos a través del video como geometría con marcas de tiempo. Describe claramente el objetivo e indica qué debe establecer el resultado, como cuándo entra un objeto en una escena, hacia dónde se mueve o qué intervalo contiene una acción específica. Para grabaciones en primera persona, el productor destaca el seguimiento de manos y la segmentación en subtareas, útiles para analizar lo que hace un operador a lo largo del tiempo.
Las salidas documentadas incluyen puntos, recuadros y polígonos para la vinculación espacial, clips para intervalos temporales y contenedores de trayectorias para el movimiento de objetos. Track es un contenedor en el marcado de anotaciones generado, no un valor independiente del formato de anotación. Los puntos de una trayectoria pueden ser dispersos: una trayectoria devuelta no garantiza un recuadro por cada fotograma de origen ni la visibilidad continua del objeto. Conserva los medios originales y la asociación de coordenadas o marcas de tiempo para poder contrastar esos resultados con la escena real.
Mk1.5 agrega comprensión nativa de audio, incluidas transcripción, detección de eventos sonoros, resúmenes y preguntas sobre una grabación. El productor acepta WAV, MP3 y FLAC. Su límite de audio por elemento es de 16,384 tokens de audio, aproximadamente 21.8 minutos a la tasa documentada de unos 750 tokens por minuto. El audio comparte el contexto con otras entradas y con el presupuesto de salida, por lo que una solicitud puede llenar el contexto antes de alcanzar ese límite por elemento.
Para un video cuya pista de audio sea importante, el flujo de trabajo del fabricante habilita explícitamente el audio del video. Indica si la tarea trata sobre el habla, un evento sonoro, la escena visible o su relación. La salida es texto y contenido estructurado; Mk1.5 no genera audio de voz. Para transcripción, conserva el idioma solicitado y la asociación temporal en lugar de tratar un pie de imagen como una transcripción.
El productor admite comparaciones entre entradas de medios. Etiqueta los elementos y conserva las asociaciones de los recursos. El parámetro opcional asset_idx identifica una aparición de medios disponible en ese punto de la conversación, no un identificador de archivo persistente. Si no hay un selector explícito ni heredado, una anotación se refiere al último recurso disponible al momento de la generación. Estas convenciones importan cuando una tarea compara dos cámaras, páginas o grabaciones. El límite por solicitud del productor es de 256 unidades de medios. Cada fotograma de un grupo video_frames cuenta para ese límite, aunque el grupo ocupa un solo índice de recurso; habilitar la pista de audio de un video no agrega otro recurso.
El fabricante admite respuestas finales restringidas por JSON Schema o una expresión regular. Define los campos o el patrón y revisa los valores devueltos contra la fuente. También documenta Multilook para prompts independientes sobre un contexto compartido, un flujo de trabajo del productor distinto del chat ordinario de una sola finalización.
Mk1.5 puede elegir entre las funciones proporcionadas, descritas mediante nombres, propósitos y esquemas JSON. La aplicación ejecuta las llamadas propuestas y devuelve observaciones. Define las acciones permitidas y un criterio de finalización para una tarea física o de interfaz, y después utiliza el nuevo estado visual o el resultado de la herramienta como evidencia para el siguiente paso. El esfuerzo de razonamiento se puede configurar en la variante del productor.
Las herramientas de función no se pueden declarar en la misma solicitud que una salida restringida por JSON Schema o una expresión regular; el fabricante indica que se solicite una respuesta final restringida después del ciclo de herramientas. Examina el motivo de finalización antes de utilizar el resultado, ya que terminar por longitud puede significar que la salida está incompleta.
Un resultado útil es una explicación de la escena basada en evidencia, una transcripción con tiempos, una anotación de objetos o una propuesta de acción respaldada por evidencia. Revisa la geometría contra los medios, distingue los detalles observados de la interpretación y conserva por separado las capacidades exactas de audio, seguimiento y herramientas de Mk1.5 respecto de la edición Mk1 anterior.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites perceptron/perceptron-mk1.5 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0003 / 1K tokens Salida · Tokens de salida $0.003 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0003 / 1K tokens Salida · Tokens de salida $0.003 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "perceptron/perceptron-mk1.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra perceptron/perceptron-mk1.5
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
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.