Perceptron Mk1 es el modelo de Perceptron para comprender imágenes y video y razonar sobre el entorno físico. Analiza material visual de origen en relación con una pregunta escrita y devuelve texto y anotaciones estructuradas espaciales o temporales. Su variante del fabricante tiene un contexto multimodal de 32K y un modo de razonamiento híbrido que se puede desactivar en tareas que no necesitan un registro del razonamiento.
El fabricante desarrolla Mk1 para explicar eventos a lo largo del tiempo, además de etiquetar un fotograma. Una secuencia deportiva, una demostración de cocina o la tarea de un operador pueden producir una descripción estructurada de lo que ocurrió y cuándo. El productor documenta análisis dinámico de video a una tasa de hasta dos fotogramas por segundo. Esta modalidad de muestreo es distinta de la tasa de fotogramas original del video fuente.
Para localizar un evento, describe la acción y el intervalo que necesitas. Una instrucción ilustrativa es: “Identifica los momentos en que se coloca el objeto en el estante, devuelve los intervalos de tiempo y explica la evidencia visible de cada uno”. Mantén juntos el video fuente y las referencias temporales para poder revisar una anotación de recorte o un intervalo de evento antes de que otra aplicación los utilice.
Mk1 admite aprendizaje visual en contexto a partir de una imagen o un video de referencia, seguido de la localización de casos coincidentes en material nuevo. Define qué hace pertinente un caso y conserva la etiqueta de referencia. Para una comparación, proporciona ambos medios e indica los criterios: el objeto, la acción, la condición o el detalle del documento que se debe comparar.
Esta es una forma de preparar la tarea con ejemplos proporcionados, en lugar de suponer que se ejecutó un proceso independiente de ajuste fino. Si las escenas difieren, pide que la salida identifique qué entrada respalda cada hallazgo. Una similitud visible debe mantenerse distinta de una conclusión inferida sobre un evento.
Las capacidades de imagen del productor incluyen señalar, contar, reconocer texto y leer instrumentos analógicos o digitales. Para un instrumento, conserva su escala, sus unidades y sus marcas legibles; para un conteo, define la región y la categoría. Mk1 también extrae documentos complejos a HTML, JSON o Markdown mientras conserva las relaciones de disposición, las tablas y la jerarquía.
Proporciona una imagen legible de la página e indica los campos o la pregunta. Un resultado útil conserva la asociación con la fuente y distingue el texto extraído de la interpretación. El texto pequeño, las oclusiones y la evidencia ambigua de la escena deben atenderse al preparar la fuente y revisar la respuesta.
El fabricante entrena puntos, recuadros, polígonos, trayectorias y clips como salidas estructuradas de primer nivel junto con el texto. Estas anotaciones pueden proporcionar objetivos, restricciones, límites de tareas o información observada de éxito o fracaso a un flujo de trabajo de robótica o análisis que lo integra. Una tarea con varias cámaras debe etiquetar las vistas y conservar la asociación entre cada anotación y su fuente.
El modelo interpreta las observaciones y produce el resultado vinculado a la evidencia; la aplicación o el sistema de control decide cómo utilizarlo y realiza cualquier acción física o de interfaz. Un objetivo propuesto o un intervalo anotado es distinto de una operación ejecutada o de un archivo de medios exportado.
Distribuye la representación del video, el contenido de las imágenes, el prompt, el historial y la salida generada dentro del contexto de 32K. Pide el resultado final y la evidencia que establece cada resultado, en lugar de esperar que una colección de fuentes sin relación defina su propio objetivo. Revisa las coordenadas, los intervalos de tiempo y los valores extraídos contra los medios originales.
Mk1 conserva su propia edición identificada y sus características visuales. No deben inferirse para esta versión anterior la entrada de audio nativa, las restricciones actuales de solicitudes de Mk1.5 ni sus nuevos detalles de flujos de trabajo con herramientas y seguimiento. El entregable útil es una descripción de escena, un registro de documento o una anotación espacial o temporal revisable, vinculada a la evidencia visual proporcionada.
", "aboutText": "Perceptron Mk1 es el modelo de Perceptron para comprender imágenes y video y razonar sobre el entorno físico. Analiza material visual de origen en relación con una pregunta escrita y devuelve texto y anotaciones estructuradas espaciales o temporales. Su variante del fabricante tiene un contexto multimodal de 32K y un modo de razonamiento híbrido que se puede desactivar en tareas que no necesitan un registro del razonamiento.\n\n### Razonamiento y vinculación temporal\n\nEl fabricante desarrolla Mk1 para explicar eventos a lo largo del tiempo, además de etiquetar un fotograma. Una secuencia deportiva, una demostración de cocina o la tarea de un operador pueden producir una descripción estructurada de lo que ocurrió y cuándo. El productor documenta análisis dinámico de video a una tasa de hasta dos fotogramas por segundo. Esta modalidad de muestreo es distinta de la tasa de fotogramas original del video fuente.\n\nPara localizar un evento, describe la acción y el intervalo que necesitas. Una instrucción ilustrativa es: “Identifica los momentos en que se coloca el objeto en el estante, devuelve los intervalos de tiempo y explica la evidencia visible de cada uno”. Mantén juntos el video fuente y las referencias temporales para poder revisar una anotación de recorte o un intervalo de evento antes de que otra aplicación los utilice.\n\n### Ejemplos de referencia y comparación\n\nMk1 admite aprendizaje visual en contexto a partir de una imagen o un video de referencia, seguido de la localización de casos coincidentes en material nuevo. Define qué hace pertinente un caso y conserva la etiqueta de referencia. Para una comparación, proporciona ambos medios e indica los criterios: el objeto, la acción, la condición o el detalle del documento que se debe comparar.\n\nEsta es una forma de preparar la tarea con ejemplos proporcionados, en lugar de suponer que se ejecutó un proceso independiente de ajuste fino. Si las escenas difieren, pide que la salida identifique qué entrada respalda cada hallazgo. Una similitud visible debe mantenerse distinta de una conclusión inferida sobre un evento.\n\n### Tareas con imágenes y documentos\n\nLas capacidades de imagen del productor incluyen señalar, contar, reconocer texto y leer instrumentos analógicos o digitales. Para un instrumento, conserva su escala, sus unidades y sus marcas legibles; para un conteo, define la región y la categoría. Mk1 también extrae documentos complejos a HTML, JSON o Markdown mientras conserva las relaciones de disposición, las tablas y la jerarquía.\n\nProporciona una imagen legible de la página e indica los campos o la pregunta. Un resultado útil conserva la asociación con la fuente y distingue el texto extraído de la interpretación. El texto pequeño, las oclusiones y la evidencia ambigua de la escena deben atenderse al preparar la fuente y revisar la respuesta.\n\n### Primitivas espaciales y trabajo en el entorno físico\n\nEl fabricante entrena puntos, recuadros, polígonos, trayectorias y clips como salidas estructuradas de primer nivel junto con el texto. Estas anotaciones pueden proporcionar objetivos, restricciones, límites de tareas o información observada de éxito o fracaso a un flujo de trabajo de robótica o análisis que lo integra. Una tarea con varias cámaras debe etiquetar las vistas y conservar la asociación entre cada anotación y su fuente.\n\nEl modelo interpreta las observaciones y produce el resultado vinculado a la evidencia; la aplicación o el sistema de control decide cómo utilizarlo y realiza cualquier acción física o de interfaz. Un objetivo propuesto o un intervalo anotado es distinto de una operación ejecutada o de un archivo de medios exportado.\n\n### Límites y alcance de la edición\n\nDistribuye la representación del video, el contenido de las imágenes, el prompt, el historial y la salida generada dentro del contexto de 32K. Pide el resultado final y la evidencia que establece cada resultado, en lugar de esperar que una colección de fuentes sin relación defina su propio objetivo. Revisa las coordenadas, los intervalos de tiempo y los valores extraídos contra los medios originales.\n\nMk1 conserva su propia edición identificada y sus características visuales. No deben inferirse para esta versión anterior la entrada de audio nativa, las restricciones actuales de solicitudes de Mk1.5 ni sus nuevos detalles de flujos de trabajo con herramientas y seguimiento. El entregable útil es una descripción de escena, un registro de documento o una anotación espacial o temporal revisable, vinculada a la evidencia visual proporcionada.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
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 es el modelo de imagen y video de Perceptron para comprensión temporal, vinculación espacial y razonamiento sobre el entorno físico. Produce texto y anotaciones estructuradas para escenas, documentos y acciones visibles, con un contexto multimodal de 32K y razonamiento opcional.
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 es el modelo de Perceptron para comprender imágenes y video y razonar sobre el entorno físico. Analiza material visual de origen en relación con una pregunta escrita y devuelve texto y anotaciones estructuradas espaciales o temporales. Su variante del fabricante tiene un contexto multimodal de 32K y un modo de razonamiento híbrido que se puede desactivar en tareas que no necesitan un registro del razonamiento.
El fabricante desarrolla Mk1 para explicar eventos a lo largo del tiempo, además de etiquetar un fotograma. Una secuencia deportiva, una demostración de cocina o la tarea de un operador pueden producir una descripción estructurada de lo que ocurrió y cuándo. El productor documenta análisis dinámico de video a una tasa de hasta dos fotogramas por segundo. Esta modalidad de muestreo es distinta de la tasa de fotogramas original del video fuente.
Para localizar un evento, describe la acción y el intervalo que necesitas. Una instrucción ilustrativa es: “Identifica los momentos en que se coloca el objeto en el estante, devuelve los intervalos de tiempo y explica la evidencia visible de cada uno”. Mantén juntos el video fuente y las referencias temporales para poder revisar una anotación de recorte o un intervalo de evento antes de que otra aplicación los utilice.
Mk1 admite aprendizaje visual en contexto a partir de una imagen o un video de referencia, seguido de la localización de casos coincidentes en material nuevo. Define qué hace pertinente un caso y conserva la etiqueta de referencia. Para una comparación, proporciona ambos medios e indica los criterios: el objeto, la acción, la condición o el detalle del documento que se debe comparar.
Esta es una forma de preparar la tarea con ejemplos proporcionados, en lugar de suponer que se ejecutó un proceso independiente de ajuste fino. Si las escenas difieren, pide que la salida identifique qué entrada respalda cada hallazgo. Una similitud visible debe mantenerse distinta de una conclusión inferida sobre un evento.
Las capacidades de imagen del productor incluyen señalar, contar, reconocer texto y leer instrumentos analógicos o digitales. Para un instrumento, conserva su escala, sus unidades y sus marcas legibles; para un conteo, define la región y la categoría. Mk1 también extrae documentos complejos a HTML, JSON o Markdown mientras conserva las relaciones de disposición, las tablas y la jerarquía.
Proporciona una imagen legible de la página e indica los campos o la pregunta. Un resultado útil conserva la asociación con la fuente y distingue el texto extraído de la interpretación. El texto pequeño, las oclusiones y la evidencia ambigua de la escena deben atenderse al preparar la fuente y revisar la respuesta.
El fabricante entrena puntos, recuadros, polígonos, trayectorias y clips como salidas estructuradas de primer nivel junto con el texto. Estas anotaciones pueden proporcionar objetivos, restricciones, límites de tareas o información observada de éxito o fracaso a un flujo de trabajo de robótica o análisis que lo integra. Una tarea con varias cámaras debe etiquetar las vistas y conservar la asociación entre cada anotación y su fuente.
El modelo interpreta las observaciones y produce el resultado vinculado a la evidencia; la aplicación o el sistema de control decide cómo utilizarlo y realiza cualquier acción física o de interfaz. Un objetivo propuesto o un intervalo anotado es distinto de una operación ejecutada o de un archivo de medios exportado.
Distribuye la representación del video, el contenido de las imágenes, el prompt, el historial y la salida generada dentro del contexto de 32K. Pide el resultado final y la evidencia que establece cada resultado, en lugar de esperar que una colección de fuentes sin relación defina su propio objetivo. Revisa las coordenadas, los intervalos de tiempo y los valores extraídos contra los medios originales.
Mk1 conserva su propia edición identificada y sus características visuales. No deben inferirse para esta versión anterior la entrada de audio nativa, las restricciones actuales de solicitudes de Mk1.5 ni sus nuevos detalles de flujos de trabajo con herramientas y seguimiento. El entregable útil es una descripción de escena, un registro de documento o una anotación espacial o temporal revisable, vinculada a la evidencia visual proporcionada.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites perceptron/perceptron-mk1 | 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", "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 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
Usa las rutas de método indicadas arriba.
perceptron/perceptron-mk1Perceptron Mk1 es el modelo de imagen y video de Perceptron para comprensión temporal, vinculación espacial y razonamiento sobre el entorno físico. Produce texto y anotaciones estructuradas para escenas, documentos y acciones visibles, con un contexto multimodal de 32K y razonamiento opcional.
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 es el modelo de Perceptron para comprender imágenes y video y razonar sobre el entorno físico. Analiza material visual de origen en relación con una pregunta escrita y devuelve texto y anotaciones estructuradas espaciales o temporales. Su variante del fabricante tiene un contexto multimodal de 32K y un modo de razonamiento híbrido que se puede desactivar en tareas que no necesitan un registro del razonamiento.
El fabricante desarrolla Mk1 para explicar eventos a lo largo del tiempo, además de etiquetar un fotograma. Una secuencia deportiva, una demostración de cocina o la tarea de un operador pueden producir una descripción estructurada de lo que ocurrió y cuándo. El productor documenta análisis dinámico de video a una tasa de hasta dos fotogramas por segundo. Esta modalidad de muestreo es distinta de la tasa de fotogramas original del video fuente.
Para localizar un evento, describe la acción y el intervalo que necesitas. Una instrucción ilustrativa es: “Identifica los momentos en que se coloca el objeto en el estante, devuelve los intervalos de tiempo y explica la evidencia visible de cada uno”. Mantén juntos el video fuente y las referencias temporales para poder revisar una anotación de recorte o un intervalo de evento antes de que otra aplicación los utilice.
Mk1 admite aprendizaje visual en contexto a partir de una imagen o un video de referencia, seguido de la localización de casos coincidentes en material nuevo. Define qué hace pertinente un caso y conserva la etiqueta de referencia. Para una comparación, proporciona ambos medios e indica los criterios: el objeto, la acción, la condición o el detalle del documento que se debe comparar.
Esta es una forma de preparar la tarea con ejemplos proporcionados, en lugar de suponer que se ejecutó un proceso independiente de ajuste fino. Si las escenas difieren, pide que la salida identifique qué entrada respalda cada hallazgo. Una similitud visible debe mantenerse distinta de una conclusión inferida sobre un evento.
Las capacidades de imagen del productor incluyen señalar, contar, reconocer texto y leer instrumentos analógicos o digitales. Para un instrumento, conserva su escala, sus unidades y sus marcas legibles; para un conteo, define la región y la categoría. Mk1 también extrae documentos complejos a HTML, JSON o Markdown mientras conserva las relaciones de disposición, las tablas y la jerarquía.
Proporciona una imagen legible de la página e indica los campos o la pregunta. Un resultado útil conserva la asociación con la fuente y distingue el texto extraído de la interpretación. El texto pequeño, las oclusiones y la evidencia ambigua de la escena deben atenderse al preparar la fuente y revisar la respuesta.
El fabricante entrena puntos, recuadros, polígonos, trayectorias y clips como salidas estructuradas de primer nivel junto con el texto. Estas anotaciones pueden proporcionar objetivos, restricciones, límites de tareas o información observada de éxito o fracaso a un flujo de trabajo de robótica o análisis que lo integra. Una tarea con varias cámaras debe etiquetar las vistas y conservar la asociación entre cada anotación y su fuente.
El modelo interpreta las observaciones y produce el resultado vinculado a la evidencia; la aplicación o el sistema de control decide cómo utilizarlo y realiza cualquier acción física o de interfaz. Un objetivo propuesto o un intervalo anotado es distinto de una operación ejecutada o de un archivo de medios exportado.
Distribuye la representación del video, el contenido de las imágenes, el prompt, el historial y la salida generada dentro del contexto de 32K. Pide el resultado final y la evidencia que establece cada resultado, en lugar de esperar que una colección de fuentes sin relación defina su propio objetivo. Revisa las coordenadas, los intervalos de tiempo y los valores extraídos contra los medios originales.
Mk1 conserva su propia edición identificada y sus características visuales. No deben inferirse para esta versión anterior la entrada de audio nativa, las restricciones actuales de solicitudes de Mk1.5 ni sus nuevos detalles de flujos de trabajo con herramientas y seguimiento. El entregable útil es una descripción de escena, un registro de documento o una anotación espacial o temporal revisable, vinculada a la evidencia visual proporcionada.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites perceptron/perceptron-mk1 | 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 $0.003 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "perceptron/perceptron-mk1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
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.