Perceptron Mk1.5 est le modèle multimodal de Perceptron pour la compréhension visuelle, l’ancrage temporel et les tâches d’agents incarnés. Il accepte le texte, les images, la vidéo et l’audio et retourne du texte, des annotations spatiales ou temporelles, des réponses structurées et du contenu d’appels de fonctions. La spécification actuelle du fabricant indique un contexte de 36 864 jetons et une sortie maximale de 8 192 jetons; ces limites exactes sont plus précises que la description arrondie à 32K de l’article de lancement.
Un ajout caractéristique est le suivi des objets dans une vidéo sous forme de géométrie horodatée. Décrivez clairement la cible et indiquez ce que le résultat doit établir, par exemple le moment où un objet entre dans une scène, sa trajectoire ou l’intervalle qui contient une action précise. Pour les séquences filmées à la première personne, le producteur met l’accent sur le suivi des mains et la segmentation en sous-tâches, utiles pour analyser les actions d’un opérateur au fil du temps.
Les sorties documentées comprennent des points, des boîtes et des polygones pour l’ancrage spatial, des clips pour les intervalles temporels et des conteneurs de trajectoire pour le mouvement des objets. Track est un conteneur dans le balisage des annotations générées, et non une valeur distincte de format d’annotation. Les points de passage d’une trajectoire peuvent être espacés : une trajectoire retournée ne garantit pas une boîte pour chaque image de la source ni la visibilité continue de l’objet. Conservez le média d’origine et l’association aux coordonnées ou aux horodatages pour pouvoir vérifier ces résultats dans la scène réelle.
Mk1.5 ajoute la compréhension audio native, notamment la transcription, la détection d’événements sonores, les résumés et les questions sur un enregistrement. Le producteur accepte WAV, MP3 et FLAC. Sa limite audio par élément est de 16 384 jetons audio, soit environ 21,8 minutes au débit documenté d’environ 750 jetons par minute. L’audio partage le contexte avec les autres entrées et le budget de sortie; une requête peut donc remplir le contexte avant d’atteindre cette limite par élément.
Pour une vidéo dont la bande sonore est importante, le processus du fabricant active explicitement l’audio dans la vidéo. Précisez si la tâche concerne la parole, un événement sonore, la scène visible ou leur relation. La sortie est constituée de texte et de contenu structuré; Mk1.5 ne génère pas de parole audio. Pour une transcription, conservez la langue demandée et l’association temporelle plutôt que de traiter une légende visuelle comme une transcription.
Le producteur prend en charge les comparaisons entre entrées médias. Étiquetez les éléments et conservez les associations aux ressources. Le champ facultatif asset_idx identifie une occurrence de média disponible à ce moment de la conversation, et non un identifiant de fichier persistant. En l’absence de sélecteur explicite ou hérité, une annotation renvoie à la dernière ressource disponible au moment de la génération. Ces conventions comptent lorsqu’une tâche compare deux caméras, pages ou enregistrements. La limite de requête du producteur est de 256 unités médias. Chaque image d’un groupe video_frames compte dans cette limite, même si le groupe occupe un seul index de ressource; l’activation de la bande sonore d’une vidéo n’ajoute pas une autre ressource.
Le fabricant prend en charge les réponses finales contraintes par JSON Schema ou une expression régulière. Définissez les champs ou le motif et vérifiez les valeurs retournées par rapport à la source. Il documente aussi Multilook pour des invites indépendantes sur un contexte partagé, un processus distinct chez le producteur du dialogue ordinaire à génération unique.
Mk1.5 peut choisir parmi des fonctions fournies, décrites avec des noms, des buts et des schémas JSON. L’application exécute les appels proposés et retourne des observations. Définissez les actions permises et un critère de fin pour une tâche incarnée ou d’interface, puis utilisez le nouvel état visuel ou le résultat de l’outil comme élément probant pour l’étape suivante. L’effort de raisonnement est configurable dans la variante du producteur.
Les outils de fonction ne peuvent pas être déclarés dans la même requête qu’une sortie contrainte par JSON Schema ou par expression régulière; le fabricant demande de solliciter une réponse finale contrainte après la boucle d’outils. Examinez la raison de fin avant d’utiliser le résultat, puisqu’un arrêt pour longueur peut signifier que la sortie est incomplète.
Un livrable utile est une explication de scène ancrée dans les sources, une transcription horodatée, une annotation d’objet ou une proposition d’action appuyée sur des éléments probants. Vérifiez la géométrie dans les médias, distinguez les détails observés de l’interprétation et gardez les capacités exactes de Mk1.5 en audio, en suivi et en outils distinctes de celles de l’édition Mk1 précédente.
", "aboutText": "Perceptron Mk1.5 est le modèle multimodal de Perceptron pour la compréhension visuelle, l’ancrage temporel et les tâches d’agents incarnés. Il accepte le texte, les images, la vidéo et l’audio et retourne du texte, des annotations spatiales ou temporelles, des réponses structurées et du contenu d’appels de fonctions. La spécification actuelle du fabricant indique un contexte de 36 864 jetons et une sortie maximale de 8 192 jetons; ces limites exactes sont plus précises que la description arrondie à 32K de l’article de lancement.\n\n### Vidéo et suivi d’objets\n\nUn ajout caractéristique est le suivi des objets dans une vidéo sous forme de géométrie horodatée. Décrivez clairement la cible et indiquez ce que le résultat doit établir, par exemple le moment où un objet entre dans une scène, sa trajectoire ou l’intervalle qui contient une action précise. Pour les séquences filmées à la première personne, le producteur met l’accent sur le suivi des mains et la segmentation en sous-tâches, utiles pour analyser les actions d’un opérateur au fil du temps.\n\nLes sorties documentées comprennent des points, des boîtes et des polygones pour l’ancrage spatial, des clips pour les intervalles temporels et des conteneurs de trajectoire pour le mouvement des objets. Track est un conteneur dans le balisage des annotations générées, et non une valeur distincte de format d’annotation. Les points de passage d’une trajectoire peuvent être espacés : une trajectoire retournée ne garantit pas une boîte pour chaque image de la source ni la visibilité continue de l’objet. Conservez le média d’origine et l’association aux coordonnées ou aux horodatages pour pouvoir vérifier ces résultats dans la scène réelle.\n\n### Audio et éléments combinés\n\nMk1.5 ajoute la compréhension audio native, notamment la transcription, la détection d’événements sonores, les résumés et les questions sur un enregistrement. Le producteur accepte WAV, MP3 et FLAC. Sa limite audio par élément est de 16 384 jetons audio, soit environ 21,8 minutes au débit documenté d’environ 750 jetons par minute. L’audio partage le contexte avec les autres entrées et le budget de sortie; une requête peut donc remplir le contexte avant d’atteindre cette limite par élément.\n\nPour une vidéo dont la bande sonore est importante, le processus du fabricant active explicitement l’audio dans la vidéo. Précisez si la tâche concerne la parole, un événement sonore, la scène visible ou leur relation. La sortie est constituée de texte et de contenu structuré; Mk1.5 ne génère pas de parole audio. Pour une transcription, conservez la langue demandée et l’association temporelle plutôt que de traiter une légende visuelle comme une transcription.\n\n### Plusieurs ressources et réponses structurées\n\nLe producteur prend en charge les comparaisons entre entrées médias. Étiquetez les éléments et conservez les associations aux ressources. Le champ facultatif asset_idx identifie une occurrence de média disponible à ce moment de la conversation, et non un identifiant de fichier persistant. En l’absence de sélecteur explicite ou hérité, une annotation renvoie à la dernière ressource disponible au moment de la génération. Ces conventions comptent lorsqu’une tâche compare deux caméras, pages ou enregistrements. La limite de requête du producteur est de 256 unités médias. Chaque image d’un groupe video_frames compte dans cette limite, même si le groupe occupe un seul index de ressource; l’activation de la bande sonore d’une vidéo n’ajoute pas une autre ressource.\n\nLe fabricant prend en charge les réponses finales contraintes par JSON Schema ou une expression régulière. Définissez les champs ou le motif et vérifiez les valeurs retournées par rapport à la source. Il documente aussi Multilook pour des invites indépendantes sur un contexte partagé, un processus distinct chez le producteur du dialogue ordinaire à génération unique.\n\n### Fonctions et raisonnement\n\nMk1.5 peut choisir parmi des fonctions fournies, décrites avec des noms, des buts et des schémas JSON. L’application exécute les appels proposés et retourne des observations. Définissez les actions permises et un critère de fin pour une tâche incarnée ou d’interface, puis utilisez le nouvel état visuel ou le résultat de l’outil comme élément probant pour l’étape suivante. L’effort de raisonnement est configurable dans la variante du producteur.\n\nLes outils de fonction ne peuvent pas être déclarés dans la même requête qu’une sortie contrainte par JSON Schema ou par expression régulière; le fabricant demande de solliciter une réponse finale contrainte après la boucle d’outils. Examinez la raison de fin avant d’utiliser le résultat, puisqu’un arrêt pour longueur peut signifier que la sortie est incomplète.\n\nUn livrable utile est une explication de scène ancrée dans les sources, une transcription horodatée, une annotation d’objet ou une proposition d’action appuyée sur des éléments probants. Vérifiez la géométrie dans les médias, distinguez les détails observés de l’interprétation et gardez les capacités exactes de Mk1.5 en audio, en suivi et en outils distinctes de celles de l’édition Mk1 précédente.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 comprend le texte, les images, la vidéo et l’audio pour les tâches visuelles et incarnées. Il retourne du texte, des annotations spatiales ou temporelles, des trajectoires d’objets et des propositions d’appels de fonctions, avec un contexte de 36 864 jetons chez le producteur et une sortie maximale de 8 192 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Perceptron Mk1.5 est le modèle multimodal de Perceptron pour la compréhension visuelle, l’ancrage temporel et les tâches d’agents incarnés. Il accepte le texte, les images, la vidéo et l’audio et retourne du texte, des annotations spatiales ou temporelles, des réponses structurées et du contenu d’appels de fonctions. La spécification actuelle du fabricant indique un contexte de 36 864 jetons et une sortie maximale de 8 192 jetons; ces limites exactes sont plus précises que la description arrondie à 32K de l’article de lancement.
Un ajout caractéristique est le suivi des objets dans une vidéo sous forme de géométrie horodatée. Décrivez clairement la cible et indiquez ce que le résultat doit établir, par exemple le moment où un objet entre dans une scène, sa trajectoire ou l’intervalle qui contient une action précise. Pour les séquences filmées à la première personne, le producteur met l’accent sur le suivi des mains et la segmentation en sous-tâches, utiles pour analyser les actions d’un opérateur au fil du temps.
Les sorties documentées comprennent des points, des boîtes et des polygones pour l’ancrage spatial, des clips pour les intervalles temporels et des conteneurs de trajectoire pour le mouvement des objets. Track est un conteneur dans le balisage des annotations générées, et non une valeur distincte de format d’annotation. Les points de passage d’une trajectoire peuvent être espacés : une trajectoire retournée ne garantit pas une boîte pour chaque image de la source ni la visibilité continue de l’objet. Conservez le média d’origine et l’association aux coordonnées ou aux horodatages pour pouvoir vérifier ces résultats dans la scène réelle.
Mk1.5 ajoute la compréhension audio native, notamment la transcription, la détection d’événements sonores, les résumés et les questions sur un enregistrement. Le producteur accepte WAV, MP3 et FLAC. Sa limite audio par élément est de 16 384 jetons audio, soit environ 21,8 minutes au débit documenté d’environ 750 jetons par minute. L’audio partage le contexte avec les autres entrées et le budget de sortie; une requête peut donc remplir le contexte avant d’atteindre cette limite par élément.
Pour une vidéo dont la bande sonore est importante, le processus du fabricant active explicitement l’audio dans la vidéo. Précisez si la tâche concerne la parole, un événement sonore, la scène visible ou leur relation. La sortie est constituée de texte et de contenu structuré; Mk1.5 ne génère pas de parole audio. Pour une transcription, conservez la langue demandée et l’association temporelle plutôt que de traiter une légende visuelle comme une transcription.
Le producteur prend en charge les comparaisons entre entrées médias. Étiquetez les éléments et conservez les associations aux ressources. Le champ facultatif asset_idx identifie une occurrence de média disponible à ce moment de la conversation, et non un identifiant de fichier persistant. En l’absence de sélecteur explicite ou hérité, une annotation renvoie à la dernière ressource disponible au moment de la génération. Ces conventions comptent lorsqu’une tâche compare deux caméras, pages ou enregistrements. La limite de requête du producteur est de 256 unités médias. Chaque image d’un groupe video_frames compte dans cette limite, même si le groupe occupe un seul index de ressource; l’activation de la bande sonore d’une vidéo n’ajoute pas une autre ressource.
Le fabricant prend en charge les réponses finales contraintes par JSON Schema ou une expression régulière. Définissez les champs ou le motif et vérifiez les valeurs retournées par rapport à la source. Il documente aussi Multilook pour des invites indépendantes sur un contexte partagé, un processus distinct chez le producteur du dialogue ordinaire à génération unique.
Mk1.5 peut choisir parmi des fonctions fournies, décrites avec des noms, des buts et des schémas JSON. L’application exécute les appels proposés et retourne des observations. Définissez les actions permises et un critère de fin pour une tâche incarnée ou d’interface, puis utilisez le nouvel état visuel ou le résultat de l’outil comme élément probant pour l’étape suivante. L’effort de raisonnement est configurable dans la variante du producteur.
Les outils de fonction ne peuvent pas être déclarés dans la même requête qu’une sortie contrainte par JSON Schema ou par expression régulière; le fabricant demande de solliciter une réponse finale contrainte après la boucle d’outils. Examinez la raison de fin avant d’utiliser le résultat, puisqu’un arrêt pour longueur peut signifier que la sortie est incomplète.
Un livrable utile est une explication de scène ancrée dans les sources, une transcription horodatée, une annotation d’objet ou une proposition d’action appuyée sur des éléments probants. Vérifiez la géométrie dans les médias, distinguez les détails observés de l’interprétation et gardez les capacités exactes de Mk1.5 en audio, en suivi et en outils distinctes de celles de l’édition Mk1 précédente.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites perceptron/perceptron-mk1.5 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0003 / 1K jetons Sortie · Jetons en sortie $0.003 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0003 / 1K jetons Sortie · Jetons en sortie $0.003 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra perceptron/perceptron-mk1.5
Utilisez les chemins de méthode indiqués ci-dessus.
perceptron/perceptron-mk1.5Perceptron Mk1.5 comprend le texte, les images, la vidéo et l’audio pour les tâches visuelles et incarnées. Il retourne du texte, des annotations spatiales ou temporelles, des trajectoires d’objets et des propositions d’appels de fonctions, avec un contexte de 36 864 jetons chez le producteur et une sortie maximale de 8 192 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Perceptron Mk1.5 est le modèle multimodal de Perceptron pour la compréhension visuelle, l’ancrage temporel et les tâches d’agents incarnés. Il accepte le texte, les images, la vidéo et l’audio et retourne du texte, des annotations spatiales ou temporelles, des réponses structurées et du contenu d’appels de fonctions. La spécification actuelle du fabricant indique un contexte de 36 864 jetons et une sortie maximale de 8 192 jetons; ces limites exactes sont plus précises que la description arrondie à 32K de l’article de lancement.
Un ajout caractéristique est le suivi des objets dans une vidéo sous forme de géométrie horodatée. Décrivez clairement la cible et indiquez ce que le résultat doit établir, par exemple le moment où un objet entre dans une scène, sa trajectoire ou l’intervalle qui contient une action précise. Pour les séquences filmées à la première personne, le producteur met l’accent sur le suivi des mains et la segmentation en sous-tâches, utiles pour analyser les actions d’un opérateur au fil du temps.
Les sorties documentées comprennent des points, des boîtes et des polygones pour l’ancrage spatial, des clips pour les intervalles temporels et des conteneurs de trajectoire pour le mouvement des objets. Track est un conteneur dans le balisage des annotations générées, et non une valeur distincte de format d’annotation. Les points de passage d’une trajectoire peuvent être espacés : une trajectoire retournée ne garantit pas une boîte pour chaque image de la source ni la visibilité continue de l’objet. Conservez le média d’origine et l’association aux coordonnées ou aux horodatages pour pouvoir vérifier ces résultats dans la scène réelle.
Mk1.5 ajoute la compréhension audio native, notamment la transcription, la détection d’événements sonores, les résumés et les questions sur un enregistrement. Le producteur accepte WAV, MP3 et FLAC. Sa limite audio par élément est de 16 384 jetons audio, soit environ 21,8 minutes au débit documenté d’environ 750 jetons par minute. L’audio partage le contexte avec les autres entrées et le budget de sortie; une requête peut donc remplir le contexte avant d’atteindre cette limite par élément.
Pour une vidéo dont la bande sonore est importante, le processus du fabricant active explicitement l’audio dans la vidéo. Précisez si la tâche concerne la parole, un événement sonore, la scène visible ou leur relation. La sortie est constituée de texte et de contenu structuré; Mk1.5 ne génère pas de parole audio. Pour une transcription, conservez la langue demandée et l’association temporelle plutôt que de traiter une légende visuelle comme une transcription.
Le producteur prend en charge les comparaisons entre entrées médias. Étiquetez les éléments et conservez les associations aux ressources. Le champ facultatif asset_idx identifie une occurrence de média disponible à ce moment de la conversation, et non un identifiant de fichier persistant. En l’absence de sélecteur explicite ou hérité, une annotation renvoie à la dernière ressource disponible au moment de la génération. Ces conventions comptent lorsqu’une tâche compare deux caméras, pages ou enregistrements. La limite de requête du producteur est de 256 unités médias. Chaque image d’un groupe video_frames compte dans cette limite, même si le groupe occupe un seul index de ressource; l’activation de la bande sonore d’une vidéo n’ajoute pas une autre ressource.
Le fabricant prend en charge les réponses finales contraintes par JSON Schema ou une expression régulière. Définissez les champs ou le motif et vérifiez les valeurs retournées par rapport à la source. Il documente aussi Multilook pour des invites indépendantes sur un contexte partagé, un processus distinct chez le producteur du dialogue ordinaire à génération unique.
Mk1.5 peut choisir parmi des fonctions fournies, décrites avec des noms, des buts et des schémas JSON. L’application exécute les appels proposés et retourne des observations. Définissez les actions permises et un critère de fin pour une tâche incarnée ou d’interface, puis utilisez le nouvel état visuel ou le résultat de l’outil comme élément probant pour l’étape suivante. L’effort de raisonnement est configurable dans la variante du producteur.
Les outils de fonction ne peuvent pas être déclarés dans la même requête qu’une sortie contrainte par JSON Schema ou par expression régulière; le fabricant demande de solliciter une réponse finale contrainte après la boucle d’outils. Examinez la raison de fin avant d’utiliser le résultat, puisqu’un arrêt pour longueur peut signifier que la sortie est incomplète.
Un livrable utile est une explication de scène ancrée dans les sources, une transcription horodatée, une annotation d’objet ou une proposition d’action appuyée sur des éléments probants. Vérifiez la géométrie dans les médias, distinguez les détails observés de l’interprétation et gardez les capacités exactes de Mk1.5 en audio, en suivi et en outils distinctes de celles de l’édition Mk1 précédente.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites perceptron/perceptron-mk1.5 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0003 / 1K jetons Sortie · Jetons en sortie $0.003 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0003 / 1K jetons Sortie · Jetons en sortie $0.003 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "perceptron/perceptron-mk1.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra perceptron/perceptron-mk1.5
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.