Perceptron Mk1 on Perceptronin malli kuvien ja videoiden ymmärtämiseen sekä fyysisessä ympäristössä toimimiseen liittyvään päättelyyn. Se analysoi visuaalista lähdeaineistoa suhteessa kirjalliseen kysymykseen ja palauttaa tekstiä sekä rakenteisia paikka- tai aikamerkintöjä. Valmistajan malliversiossa on 32K:n multimodaalinen konteksti ja hybridipäättelytila, jonka voi poistaa käytöstä tehtävissä, jotka eivät tarvitse päättelyjälkeä.
Valmistaja kehittää Mk1:tä selittämään tapahtumia ajan kuluessa pelkän yksittäisen kuvan luokittelun sijaan. Urheilutilanteesta, ruoanlaittoesityksestä tai toimijan tehtävästä voi tuottaa rakenteisen kuvauksen siitä, mitä tapahtui ja milloin. Valmistaja dokumentoi dynaamisen videoanalyysin enintään kahden kuvan sekuntinopeudella. Tämä näytteenottotapa on erillinen lähdevideon alkuperäisestä kuvataajuudesta.
Kuvaa tapahtuman paikantamistehtävässä toiminta ja tarvittava aikaväli. Esimerkkiohje on: ”Tunnista hetket, jolloin esine asetetaan hyllylle, palauta aikavälit ja selitä kunkin näkyvä näyttö.” Säilytä lähdevideo ja aikaviitteet yhdessä, jotta leikettä koskeva merkintä tai tapahtuman aikaväli voidaan tarkistaa ennen sen käyttämistä toisessa sovelluksessa.
Mk1 tukee kontekstissa tapahtuvaa visuaalista oppimista viitekuvasta tai -videosta ja sen jälkeen vastaavien esiintymien paikantamista uudesta aineistosta. Määrittele, mikä tekee esiintymästä olennaisen, ja säilytä viitteen tunniste. Anna vertailuun molemmat media-aineistot ja ilmoita kriteerit: vertailtava kohde, toiminta, olosuhde tai asiakirjan yksityiskohta.
Tämä on tapa valmistella tehtävä annetuilla esimerkeillä eikä oletus siitä, että erillinen hienosäätöprosessi olisi suoritettu. Jos näkymät eroavat, pyydä vastausta kertomaan, mikä syöte tukee kutakin havaintoa. Näkyvä samankaltaisuus on pidettävä erillään tapahtumaa koskevasta päätellystä johtopäätöksestä.
Valmistajan kuvaominaisuuksiin kuuluvat osoittaminen, laskeminen, tekstintunnistus sekä analogisten ja digitaalisten mittareiden lukeminen. Säilytä mittarin asteikko, yksiköt ja luettavat merkinnät. Laskentatehtävässä määrittele alue ja luokka. Mk1 myös poimii monimutkaisia asiakirjoja HTML-, JSON- tai Markdown-muotoon ja säilyttää asettelun suhteet, taulukot ja hierarkian.
Anna luettava sivukuva ja ilmoita kentät tai kysymys. Hyödyllinen tulos säilyttää lähdeyhteyden ja erottaa poimitun sanamuodon tulkinnasta. Pieni teksti, peittyminen ja moniselitteinen näkymän näyttö on otettava huomioon lähteen valmistelussa ja vastauksen arvioinnissa.
Valmistaja kouluttaa pisteet, laatikot, monikulmiot, liikeradat ja leikkeet tekstin rinnalla täysivaltaisiksi rakenteisiksi tulosteiksi. Nämä merkinnät voivat antaa ympäröivälle robotiikka- tai analyysityönkululle kohteita, rajoitteita, tehtävän rajoja tai tietoa havaitusta onnistumisesta ja epäonnistumisesta. Usean kameran tehtävässä näkymät on merkittävä tunnisteilla ja kunkin merkinnän yhteys sen lähteeseen säilytettävä.
Malli tulkitsee havainnot ja tuottaa lähdeaineistoon sidotun tuloksen. Sovellus tai ohjausjärjestelmä päättää sen käytöstä ja suorittaa mahdollisen fyysisen tai käyttöliittymätoiminnon. Ehdotettu kohde tai merkitty aikaväli on erillinen asia kuin suoritettu toiminto tai viety mediatiedosto.
Sovita videon esitys, kuvien sisältö, kehote, historia ja tuotettu tuloste 32K:n kontekstiin. Pyydä lopullinen tuotos ja kunkin tuloksen osoittava näyttö sen sijaan, että odottaisit asiaan liittymättömän lähdekokoelman määrittelevän itse oman tavoitteensa. Tarkista koordinaatit, aikavälit ja poimitut arvot alkuperäisestä mediasta.
Mk1 säilyy omana nimettynä versionaan, jolla on omat visuaaliset ominaisuutensa. Natiivia äänisyötettä, nykyisiä Mk1.5:n pyyntörajoitteita tai sen uusien työkalu- ja seurantatyönkulkujen yksityiskohtia ei pidä olettaa tämän aiemman julkaisun ominaisuuksiksi. Hyödyllinen lopputuotos on tarkasteltavissa oleva näkymän kuvaus, asiakirjatietue tai paikkaan tai aikaan sidottu merkintä, joka liittyy annettuun visuaaliseen näyttöön.
", "aboutText": "Perceptron Mk1 on Perceptronin malli kuvien ja videoiden ymmärtämiseen sekä fyysisessä ympäristössä toimimiseen liittyvään päättelyyn. Se analysoi visuaalista lähdeaineistoa suhteessa kirjalliseen kysymykseen ja palauttaa tekstiä sekä rakenteisia paikka- tai aikamerkintöjä. Valmistajan malliversiossa on 32K:n multimodaalinen konteksti ja hybridipäättelytila, jonka voi poistaa käytöstä tehtävissä, jotka eivät tarvitse päättelyjälkeä.\n\n### Ajallinen päättely ja paikantaminen\n\nValmistaja kehittää Mk1:tä selittämään tapahtumia ajan kuluessa pelkän yksittäisen kuvan luokittelun sijaan. Urheilutilanteesta, ruoanlaittoesityksestä tai toimijan tehtävästä voi tuottaa rakenteisen kuvauksen siitä, mitä tapahtui ja milloin. Valmistaja dokumentoi dynaamisen videoanalyysin enintään kahden kuvan sekuntinopeudella. Tämä näytteenottotapa on erillinen lähdevideon alkuperäisestä kuvataajuudesta.\n\nKuvaa tapahtuman paikantamistehtävässä toiminta ja tarvittava aikaväli. Esimerkkiohje on: ”Tunnista hetket, jolloin esine asetetaan hyllylle, palauta aikavälit ja selitä kunkin näkyvä näyttö.” Säilytä lähdevideo ja aikaviitteet yhdessä, jotta leikettä koskeva merkintä tai tapahtuman aikaväli voidaan tarkistaa ennen sen käyttämistä toisessa sovelluksessa.\n\n### Viite-esimerkit ja vertailu\n\nMk1 tukee kontekstissa tapahtuvaa visuaalista oppimista viitekuvasta tai -videosta ja sen jälkeen vastaavien esiintymien paikantamista uudesta aineistosta. Määrittele, mikä tekee esiintymästä olennaisen, ja säilytä viitteen tunniste. Anna vertailuun molemmat media-aineistot ja ilmoita kriteerit: vertailtava kohde, toiminta, olosuhde tai asiakirjan yksityiskohta.\n\nTämä on tapa valmistella tehtävä annetuilla esimerkeillä eikä oletus siitä, että erillinen hienosäätöprosessi olisi suoritettu. Jos näkymät eroavat, pyydä vastausta kertomaan, mikä syöte tukee kutakin havaintoa. Näkyvä samankaltaisuus on pidettävä erillään tapahtumaa koskevasta päätellystä johtopäätöksestä.\n\n### Kuva- ja asiakirjatehtävät\n\nValmistajan kuvaominaisuuksiin kuuluvat osoittaminen, laskeminen, tekstintunnistus sekä analogisten ja digitaalisten mittareiden lukeminen. Säilytä mittarin asteikko, yksiköt ja luettavat merkinnät. Laskentatehtävässä määrittele alue ja luokka. Mk1 myös poimii monimutkaisia asiakirjoja HTML-, JSON- tai Markdown-muotoon ja säilyttää asettelun suhteet, taulukot ja hierarkian.\n\nAnna luettava sivukuva ja ilmoita kentät tai kysymys. Hyödyllinen tulos säilyttää lähdeyhteyden ja erottaa poimitun sanamuodon tulkinnasta. Pieni teksti, peittyminen ja moniselitteinen näkymän näyttö on otettava huomioon lähteen valmistelussa ja vastauksen arvioinnissa.\n\n### Paikkatiedon perusmuodot ja toiminta fyysisessä ympäristössä\n\nValmistaja kouluttaa pisteet, laatikot, monikulmiot, liikeradat ja leikkeet tekstin rinnalla täysivaltaisiksi rakenteisiksi tulosteiksi. Nämä merkinnät voivat antaa ympäröivälle robotiikka- tai analyysityönkululle kohteita, rajoitteita, tehtävän rajoja tai tietoa havaitusta onnistumisesta ja epäonnistumisesta. Usean kameran tehtävässä näkymät on merkittävä tunnisteilla ja kunkin merkinnän yhteys sen lähteeseen säilytettävä.\n\nMalli tulkitsee havainnot ja tuottaa lähdeaineistoon sidotun tuloksen. Sovellus tai ohjausjärjestelmä päättää sen käytöstä ja suorittaa mahdollisen fyysisen tai käyttöliittymätoiminnon. Ehdotettu kohde tai merkitty aikaväli on erillinen asia kuin suoritettu toiminto tai viety mediatiedosto.\n\n### Rajat ja version laajuus\n\nSovita videon esitys, kuvien sisältö, kehote, historia ja tuotettu tuloste 32K:n kontekstiin. Pyydä lopullinen tuotos ja kunkin tuloksen osoittava näyttö sen sijaan, että odottaisit asiaan liittymättömän lähdekokoelman määrittelevän itse oman tavoitteensa. Tarkista koordinaatit, aikavälit ja poimitut arvot alkuperäisestä mediasta.\n\nMk1 säilyy omana nimettynä versionaan, jolla on omat visuaaliset ominaisuutensa. Natiivia äänisyötettä, nykyisiä Mk1.5:n pyyntörajoitteita tai sen uusien työkalu- ja seurantatyönkulkujen yksityiskohtia ei pidä olettaa tämän aiemman julkaisun ominaisuuksiksi. Hyödyllinen lopputuotos on tarkasteltavissa oleva näkymän kuvaus, asiakirjatietue tai paikkaan tai aikaan sidottu merkintä, joka liittyy annettuun visuaaliseen näyttöön.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekninen esimerkki englanniksi
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 on Perceptronin kuva- ja videomalli ajalliseen ymmärtämiseen, sijaintien paikantamiseen ja fyysisessä ympäristössä toimimiseen liittyvään päättelyyn. Se tuottaa tekstiä ja rakenteisia merkintöjä näkymistä, asiakirjoista ja näkyvistä toimista. Sen multimodaalinen konteksti on 32K, ja päättely on valinnainen.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Perceptron Mk1 on Perceptronin malli kuvien ja videoiden ymmärtämiseen sekä fyysisessä ympäristössä toimimiseen liittyvään päättelyyn. Se analysoi visuaalista lähdeaineistoa suhteessa kirjalliseen kysymykseen ja palauttaa tekstiä sekä rakenteisia paikka- tai aikamerkintöjä. Valmistajan malliversiossa on 32K:n multimodaalinen konteksti ja hybridipäättelytila, jonka voi poistaa käytöstä tehtävissä, jotka eivät tarvitse päättelyjälkeä.
Valmistaja kehittää Mk1:tä selittämään tapahtumia ajan kuluessa pelkän yksittäisen kuvan luokittelun sijaan. Urheilutilanteesta, ruoanlaittoesityksestä tai toimijan tehtävästä voi tuottaa rakenteisen kuvauksen siitä, mitä tapahtui ja milloin. Valmistaja dokumentoi dynaamisen videoanalyysin enintään kahden kuvan sekuntinopeudella. Tämä näytteenottotapa on erillinen lähdevideon alkuperäisestä kuvataajuudesta.
Kuvaa tapahtuman paikantamistehtävässä toiminta ja tarvittava aikaväli. Esimerkkiohje on: ”Tunnista hetket, jolloin esine asetetaan hyllylle, palauta aikavälit ja selitä kunkin näkyvä näyttö.” Säilytä lähdevideo ja aikaviitteet yhdessä, jotta leikettä koskeva merkintä tai tapahtuman aikaväli voidaan tarkistaa ennen sen käyttämistä toisessa sovelluksessa.
Mk1 tukee kontekstissa tapahtuvaa visuaalista oppimista viitekuvasta tai -videosta ja sen jälkeen vastaavien esiintymien paikantamista uudesta aineistosta. Määrittele, mikä tekee esiintymästä olennaisen, ja säilytä viitteen tunniste. Anna vertailuun molemmat media-aineistot ja ilmoita kriteerit: vertailtava kohde, toiminta, olosuhde tai asiakirjan yksityiskohta.
Tämä on tapa valmistella tehtävä annetuilla esimerkeillä eikä oletus siitä, että erillinen hienosäätöprosessi olisi suoritettu. Jos näkymät eroavat, pyydä vastausta kertomaan, mikä syöte tukee kutakin havaintoa. Näkyvä samankaltaisuus on pidettävä erillään tapahtumaa koskevasta päätellystä johtopäätöksestä.
Valmistajan kuvaominaisuuksiin kuuluvat osoittaminen, laskeminen, tekstintunnistus sekä analogisten ja digitaalisten mittareiden lukeminen. Säilytä mittarin asteikko, yksiköt ja luettavat merkinnät. Laskentatehtävässä määrittele alue ja luokka. Mk1 myös poimii monimutkaisia asiakirjoja HTML-, JSON- tai Markdown-muotoon ja säilyttää asettelun suhteet, taulukot ja hierarkian.
Anna luettava sivukuva ja ilmoita kentät tai kysymys. Hyödyllinen tulos säilyttää lähdeyhteyden ja erottaa poimitun sanamuodon tulkinnasta. Pieni teksti, peittyminen ja moniselitteinen näkymän näyttö on otettava huomioon lähteen valmistelussa ja vastauksen arvioinnissa.
Valmistaja kouluttaa pisteet, laatikot, monikulmiot, liikeradat ja leikkeet tekstin rinnalla täysivaltaisiksi rakenteisiksi tulosteiksi. Nämä merkinnät voivat antaa ympäröivälle robotiikka- tai analyysityönkululle kohteita, rajoitteita, tehtävän rajoja tai tietoa havaitusta onnistumisesta ja epäonnistumisesta. Usean kameran tehtävässä näkymät on merkittävä tunnisteilla ja kunkin merkinnän yhteys sen lähteeseen säilytettävä.
Malli tulkitsee havainnot ja tuottaa lähdeaineistoon sidotun tuloksen. Sovellus tai ohjausjärjestelmä päättää sen käytöstä ja suorittaa mahdollisen fyysisen tai käyttöliittymätoiminnon. Ehdotettu kohde tai merkitty aikaväli on erillinen asia kuin suoritettu toiminto tai viety mediatiedosto.
Sovita videon esitys, kuvien sisältö, kehote, historia ja tuotettu tuloste 32K:n kontekstiin. Pyydä lopullinen tuotos ja kunkin tuloksen osoittava näyttö sen sijaan, että odottaisit asiaan liittymättömän lähdekokoelman määrittelevän itse oman tavoitteensa. Tarkista koordinaatit, aikavälit ja poimitut arvot alkuperäisestä mediasta.
Mk1 säilyy omana nimettynä versionaan, jolla on omat visuaaliset ominaisuutensa. Natiivia äänisyötettä, nykyisiä Mk1.5:n pyyntörajoitteita tai sen uusien työkalu- ja seurantatyönkulkujen yksityiskohtia ei pidä olettaa tämän aiemman julkaisun ominaisuuksiksi. Hyödyllinen lopputuotos on tarkasteltavissa oleva näkymän kuvaus, asiakirjatietue tai paikkaan tai aikaan sidottu merkintä, joka liittyy annettuun visuaaliseen näyttöön.
POST /v1/chat/completionstexttext| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat perceptron/perceptron-mk1 | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat Kohteiden vähimmäismäärä: 1 | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat Esimerkit: system, user, assistant, tool, function Ehdot: Nämä roolit esitetään nimenomaisesti lähdekoodin yhteensopivuustyypeissä; mallin täsmällinen roolijoukko pysyy mallikohtaisena. Riippuu mallista | Oletus— |
Kenttämessages[].content | Tyyppistring|content_part[]|null | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_calls | Tyyppitool_call[] | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_call_id | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: role=tool; käytä todella palautettua ID:tä | Oletus— |
Kenttämessages[].name | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].reasoning_content | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: Palauta todella saatu päättely takaisin mallille, kun kyseinen malli käyttää sitä | Oletus— |
Kenttämessages[].reasoning_details | Tyyppiobject|array | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttämax_completion_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Kenttästream_options.include_usage | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätemperature | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätop_p | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttästop | Tyyppistring|string[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools | Tyyppifunction_tool[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools[].type | Tyyppistring | VaatimusValinnainen | Arvot & rajat function Riippuu mallista | Oletus— |
Kenttätools[].function.name | Tyyppistring | VaatimusPakollinen | Arvot & rajat Sovelletaan, kun: funktiotyökalu annettu | Oletus— |
Kenttätools[].function.description | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätools[].function.parameters | TyyppiJSON_schema | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätool_choice | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäparallel_tool_calls | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäresponse_format | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning_effort | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäservice_tier | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäinstructions | Tyyppistring | VaatimusValinnainen | Arvot & rajat Yhteensopivuuskenttä | Oletus— |
Kenttäfunctions | Tyyppifunction[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäfunction_call | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäprompt_cache_options | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämodalities | Tyyppistring[] | VaatimusValinnainen | Arvot & rajat text | Oletus— |
Kenttäprovider | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Ehdot: provider.options hylätään tällä Ultran tekstireitillä | Oletus— |
Kenttäcache_control.ttl | Tyyppistring | VaatimusValinnainen | Arvot & rajat Ehdot: 1h hylätään varsinaisissa kehotevälimuistin kohdissa | Oletus— |
Teksti · UTF8-teksti
messages[].content
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages |
Parametrimaterial_types | Sopimustext |
Parametrimessages | Sopimusviestitaulukko role/content-rakenteella |
Parametrifile_material | Sopimusvarsinainen UTF-8-asiakirja lisätään sellaisenaan tekstinä; tiedoston ID:tä ei päätellä |
Parametrioptional_controls | Sopimusstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametricontrol_scope | Sopimusmallikohtainen; käyttäjän funktiotyökalut eroavat palvelun isännöimistä työkaluista |
Parametrioutput_modalities | Sopimustext |
Parametrihosted_operations | Sopimusfalse |
Parametrimultimodal_input_binding | Sopimusnull |
Elinkaari: synchronous_or_streamed
Lähetä mallin täsmällinen ID yhdessä messages-kentän kanssa.
Kontekstin pituus ei ole tuloksen yläraja.
Tekstitiedosto voi antaa tekstiä sellaisenaan; kuva-, ääni- ja tiedosto-objektisyötteet tarvitsevat täsmällisen sidonnan.
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.
| Asetukset | Hinnasto | Kontekstin tokenit, enemmän kuin | Kontekstin tokenit, enintään raja-arvo mukaan lukien | Veloitus |
|---|---|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Kontekstin tokenit, enemmän kuin— | Kontekstin tokenit, enintään raja-arvo mukaan lukienEi ylärajaa | Veloitus Syöte · Syötetokenit $0.0003 / 1K tokenia Tuloste · Tulostokenit $0.003 / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
| AsetuksetPyynnön pituusluokka 1 | Hinnasto— | Kontekstin tokenit, enemmän kuin0 | Kontekstin tokenit, enintään raja-arvo mukaan lukienEi ylärajaa | Veloitus Syöte · Syötetokenit $0.0003 / 1K tokenia Tuloste · Tulostokenit $0.003 / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
set -eu\n: "${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 tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä jokainen vastausvaihtoehto sisältöineen, työkalukutsuineen ja päättelyineen. Kokoa SSE:ssä muutokset vastausvaihtoehdon ja työkalun indeksin mukaan ja säilytä lopullinen päättymissyy sekä käyttötiedot.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttächoices[].index | Tyyppiinteger |
Kenttächoices[].message.content | Tyyppistring|null |
Kenttächoices[].message.tool_calls | Tyyppitool_call[] |
Kenttächoices[].message.reasoning_content | Tyyppistring |
Kenttächoices[].message.reasoning_details | Tyyppiobject|array |
Kenttächoices[].finish_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra perceptron/perceptron-mk1
Käytä yllä näytettyjä menetelmäpolkuja.
perceptron/perceptron-mk1Perceptron Mk1 on Perceptronin kuva- ja videomalli ajalliseen ymmärtämiseen, sijaintien paikantamiseen ja fyysisessä ympäristössä toimimiseen liittyvään päättelyyn. Se tuottaa tekstiä ja rakenteisia merkintöjä näkymistä, asiakirjoista ja näkyvistä toimista. Sen multimodaalinen konteksti on 32K, ja päättely on valinnainen.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Perceptron Mk1 on Perceptronin malli kuvien ja videoiden ymmärtämiseen sekä fyysisessä ympäristössä toimimiseen liittyvään päättelyyn. Se analysoi visuaalista lähdeaineistoa suhteessa kirjalliseen kysymykseen ja palauttaa tekstiä sekä rakenteisia paikka- tai aikamerkintöjä. Valmistajan malliversiossa on 32K:n multimodaalinen konteksti ja hybridipäättelytila, jonka voi poistaa käytöstä tehtävissä, jotka eivät tarvitse päättelyjälkeä.
Valmistaja kehittää Mk1:tä selittämään tapahtumia ajan kuluessa pelkän yksittäisen kuvan luokittelun sijaan. Urheilutilanteesta, ruoanlaittoesityksestä tai toimijan tehtävästä voi tuottaa rakenteisen kuvauksen siitä, mitä tapahtui ja milloin. Valmistaja dokumentoi dynaamisen videoanalyysin enintään kahden kuvan sekuntinopeudella. Tämä näytteenottotapa on erillinen lähdevideon alkuperäisestä kuvataajuudesta.
Kuvaa tapahtuman paikantamistehtävässä toiminta ja tarvittava aikaväli. Esimerkkiohje on: ”Tunnista hetket, jolloin esine asetetaan hyllylle, palauta aikavälit ja selitä kunkin näkyvä näyttö.” Säilytä lähdevideo ja aikaviitteet yhdessä, jotta leikettä koskeva merkintä tai tapahtuman aikaväli voidaan tarkistaa ennen sen käyttämistä toisessa sovelluksessa.
Mk1 tukee kontekstissa tapahtuvaa visuaalista oppimista viitekuvasta tai -videosta ja sen jälkeen vastaavien esiintymien paikantamista uudesta aineistosta. Määrittele, mikä tekee esiintymästä olennaisen, ja säilytä viitteen tunniste. Anna vertailuun molemmat media-aineistot ja ilmoita kriteerit: vertailtava kohde, toiminta, olosuhde tai asiakirjan yksityiskohta.
Tämä on tapa valmistella tehtävä annetuilla esimerkeillä eikä oletus siitä, että erillinen hienosäätöprosessi olisi suoritettu. Jos näkymät eroavat, pyydä vastausta kertomaan, mikä syöte tukee kutakin havaintoa. Näkyvä samankaltaisuus on pidettävä erillään tapahtumaa koskevasta päätellystä johtopäätöksestä.
Valmistajan kuvaominaisuuksiin kuuluvat osoittaminen, laskeminen, tekstintunnistus sekä analogisten ja digitaalisten mittareiden lukeminen. Säilytä mittarin asteikko, yksiköt ja luettavat merkinnät. Laskentatehtävässä määrittele alue ja luokka. Mk1 myös poimii monimutkaisia asiakirjoja HTML-, JSON- tai Markdown-muotoon ja säilyttää asettelun suhteet, taulukot ja hierarkian.
Anna luettava sivukuva ja ilmoita kentät tai kysymys. Hyödyllinen tulos säilyttää lähdeyhteyden ja erottaa poimitun sanamuodon tulkinnasta. Pieni teksti, peittyminen ja moniselitteinen näkymän näyttö on otettava huomioon lähteen valmistelussa ja vastauksen arvioinnissa.
Valmistaja kouluttaa pisteet, laatikot, monikulmiot, liikeradat ja leikkeet tekstin rinnalla täysivaltaisiksi rakenteisiksi tulosteiksi. Nämä merkinnät voivat antaa ympäröivälle robotiikka- tai analyysityönkululle kohteita, rajoitteita, tehtävän rajoja tai tietoa havaitusta onnistumisesta ja epäonnistumisesta. Usean kameran tehtävässä näkymät on merkittävä tunnisteilla ja kunkin merkinnän yhteys sen lähteeseen säilytettävä.
Malli tulkitsee havainnot ja tuottaa lähdeaineistoon sidotun tuloksen. Sovellus tai ohjausjärjestelmä päättää sen käytöstä ja suorittaa mahdollisen fyysisen tai käyttöliittymätoiminnon. Ehdotettu kohde tai merkitty aikaväli on erillinen asia kuin suoritettu toiminto tai viety mediatiedosto.
Sovita videon esitys, kuvien sisältö, kehote, historia ja tuotettu tuloste 32K:n kontekstiin. Pyydä lopullinen tuotos ja kunkin tuloksen osoittava näyttö sen sijaan, että odottaisit asiaan liittymättömän lähdekokoelman määrittelevän itse oman tavoitteensa. Tarkista koordinaatit, aikavälit ja poimitut arvot alkuperäisestä mediasta.
Mk1 säilyy omana nimettynä versionaan, jolla on omat visuaaliset ominaisuutensa. Natiivia äänisyötettä, nykyisiä Mk1.5:n pyyntörajoitteita tai sen uusien työkalu- ja seurantatyönkulkujen yksityiskohtia ei pidä olettaa tämän aiemman julkaisun ominaisuuksiksi. Hyödyllinen lopputuotos on tarkasteltavissa oleva näkymän kuvaus, asiakirjatietue tai paikkaan tai aikaan sidottu merkintä, joka liittyy annettuun visuaaliseen näyttöön.
POST /v1/messagestextjson, sse| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat perceptron/perceptron-mk1 | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat user, assistant | Oletus— |
Kenttämessages[].content | Tyyppistring | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Teksti · UTF-8-teksti
messages[].content-merkkijono
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages, max_tokens |
Parametrioptional_controls | Sopimusstream |
Parametrimaterial_types | Sopimustext |
Parametritext_file_material | SopimusLue varsinainen UTF-8-asiakirja ja sijoita sen teksti ilmoitettuun syöte- tai viestisisällön merkkijonoon. |
Elinkaari: synchronous_or_streamed
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.
| Asetukset | Hinnasto | Kontekstin tokenit, enemmän kuin | Kontekstin tokenit, enintään raja-arvo mukaan lukien | Veloitus |
|---|---|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Kontekstin tokenit, enemmän kuin— | Kontekstin tokenit, enintään raja-arvo mukaan lukienEi ylärajaa | Veloitus Syöte · Syötetokenit $0.0003 / 1K tokenia Tuloste · Tulostokenit $0.003 / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
| AsetuksetPyynnön pituusluokka 1 | Hinnasto— | Kontekstin tokenit, enemmän kuin0 | Kontekstin tokenit, enintään raja-arvo mukaan lukienEi ylärajaa | Veloitus Syöte · Syötetokenit $0.0003 / 1K tokenia Tuloste · Tulostokenit $0.003 / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
{\n "model": "perceptron/perceptron-mk1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä kaikki sisältölohkot, päättelyallekirjoitukset ja todelliset työkalukäytön ID:t. Kokoa kaikki SSE-lohkomuutokset; ensimmäinen tekstilohko ei ole koko tulos.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttäid | Tyyppistring |
Kenttämodel | Tyyppistring |
Kenttäcontent[] | Tyyppitext|thinking|tool_use|other content block |
Kenttästop_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra perceptron/perceptron-mk1
Käytä yllä näytettyjä menetelmäpolkuja.
Tekninen esimerkki englanniksi
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.