Perceptron Mk1 הוא המודל של Perceptron להבנת תמונות ווידאו ולהסקה על פעולה בסביבה פיזית. הוא מנתח חומר חזותי ביחס לשאלה כתובה ומחזיר טקסט וסימונים מרחביים מובְנים או סימוני זמן מובְנים. פרופיל היצרנית שלו כולל הקשר רב־מודאלי של 32K ומצב הסקה היברידי שאפשר לכבות במשימות שאינן דורשות תיעוד של תהליך החשיבה.
היצרנית מפתחת את Mk1 כדי להסביר אירועים לאורך זמן, מעבר לזיהוי של פריים בלבד. רצף ספורט, הדגמת בישול או משימה של מפעיל יכולים להפיק תיאור מובנה של מה שהתרחש ומתי. היצרנית מתעדת ניתוח וידאו דינמי בקצב של עד שני פריימים בשנייה. פרופיל הדגימה הזה נבדל מקצב הפריימים המקורי של סרטון המקור.
למשימת איתור אירוע, תארו את הפעולה ואת פרק הזמן הדרוש. דוגמת הנחיה: ״זהו את הרגעים שבהם הפריט מונח על המדף, החזירו את פרקי הזמן והסבירו את הראיות הנראות לכל אחד מהם.״ שמרו יחד את סרטון המקור ואת הפניות הזמן, כדי שאפשר יהיה לבדוק סימון מקטע או פרק זמן של אירוע לפני שיישום אחר משתמש בהם.
Mk1 תומך בלמידה חזותית בתוך ההקשר מתוך תמונת ייחוס או סרטון ייחוס, ולאחר מכן באיתור מופעים תואמים בחומר חדש. הגדירו מה הופך מופע לרלוונטי ושמרו את סימון הייחוס. לצורך השוואה, ספקו את שני פריטי המדיה וציינו את הקריטריונים: האובייקט, הפעולה, התנאי או פרט המסמך להשוואה.
זו דרך להכין את המשימה באמצעות דוגמאות שסופקו, ואינה מניחה שבוצע תהליך נפרד של כוונון עדין. אם הסצנות שונות, בקשו מהפלט לציין איזה קלט תומך בכל ממצא. יש להבחין בין דמיון נראה לעין לבין מסקנה מוסקת על אירוע.
יכולות התמונה של היצרנית כוללות הצבעה, ספירה, זיהוי טקסט וקריאת מכשירים אנלוגיים או דיגיטליים. במכשיר, שמרו על הסולם, היחידות והסימונים הקריאים; בספירה, הגדירו את האזור ואת הקטגוריה. Mk1 גם מחלץ מסמכים מורכבים ל־HTML, JSON או Markdown תוך שימור יחסי פריסה, טבלאות והיררכיה.
ספקו תמונת עמוד קריאה וציינו את השדות או השאלה. תוצאה שימושית שומרת על השיוך למקור ומבחינה בין הנוסח שחולץ לבין פרשנות. יש להתחשב בטקסט קטן, בהסתרה ובראיות עמומות בסצנה בעת הכנת המקור ובדיקת התשובה.
היצרנית מאמנת את המודל להפיק נקודות, תיבות, מצולעים, מסלולים ומקטעים כפלטים מובְנים ממדרגה ראשונה לצד טקסט. סימונים אלה יכולים לספק יעדים, אילוצים, גבולות משימה או מידע נצפה על הצלחה וכישלון לתהליך רובוטיקה או ניתוח מארח. במשימה מרובת מצלמות יש לסמן את זוויות הצפייה ולשמור על השיוך בין כל סימון למקורו.
המודל מפרש את התצפיות ומפיק תוצאה המעוגנת בהן; היישום או מערכת הבקרה מחליטים כיצד להשתמש בה ומבצעים כל פעולה פיזית או פעולה בממשק. יעד מוצע או פרק זמן מסומן נבדלים מפעולה שבוצעה או מקובץ מדיה שיוצא.
הקצו מקום לייצוג הווידאו, לתוכן התמונות, להנחיה, להיסטוריה ולפלט שנוצר בתוך הקשר ה־32K. בקשו את התוצר הסופי ואת הראיות המבססות כל תוצאה, במקום לצפות שאוסף מקורות שאינם קשורים זה לזה יגדיר לעצמו מטרה. בדקו קואורדינטות, פרקי זמן וערכים שחולצו מול המדיה המקורית.
Mk1 שומר על המהדורה הנקובה ועל הפרופיל החזותי שלו. אין להסיק שמהדורה מוקדמת זו כוללת קלט אודיו מובנה, את מגבלות הבקשה הנוכחיות של Mk1.5 או את פרטי תהליכי הכלים והמעקב החדשים שלו. התוצר השימושי הוא תיאור סצנה הניתן לבדיקה, רשומת מסמך או סימון מרחבי או סימון זמן הקשור לראיות החזותיות שסופקו.
", "aboutText": "Perceptron Mk1 הוא המודל של Perceptron להבנת תמונות ווידאו ולהסקה על פעולה בסביבה פיזית. הוא מנתח חומר חזותי ביחס לשאלה כתובה ומחזיר טקסט וסימונים מרחביים מובְנים או סימוני זמן מובְנים. פרופיל היצרנית שלו כולל הקשר רב־מודאלי של 32K ומצב הסקה היברידי שאפשר לכבות במשימות שאינן דורשות תיעוד של תהליך החשיבה.\n\n### הסקה ועיגון בזמן\n\nהיצרנית מפתחת את Mk1 כדי להסביר אירועים לאורך זמן, מעבר לזיהוי של פריים בלבד. רצף ספורט, הדגמת בישול או משימה של מפעיל יכולים להפיק תיאור מובנה של מה שהתרחש ומתי. היצרנית מתעדת ניתוח וידאו דינמי בקצב של עד שני פריימים בשנייה. פרופיל הדגימה הזה נבדל מקצב הפריימים המקורי של סרטון המקור.\n\nלמשימת איתור אירוע, תארו את הפעולה ואת פרק הזמן הדרוש. דוגמת הנחיה: ״זהו את הרגעים שבהם הפריט מונח על המדף, החזירו את פרקי הזמן והסבירו את הראיות הנראות לכל אחד מהם.״ שמרו יחד את סרטון המקור ואת הפניות הזמן, כדי שאפשר יהיה לבדוק סימון מקטע או פרק זמן של אירוע לפני שיישום אחר משתמש בהם.\n\n### דוגמאות ייחוס והשוואה\n\nMk1 תומך בלמידה חזותית בתוך ההקשר מתוך תמונת ייחוס או סרטון ייחוס, ולאחר מכן באיתור מופעים תואמים בחומר חדש. הגדירו מה הופך מופע לרלוונטי ושמרו את סימון הייחוס. לצורך השוואה, ספקו את שני פריטי המדיה וציינו את הקריטריונים: האובייקט, הפעולה, התנאי או פרט המסמך להשוואה.\n\nזו דרך להכין את המשימה באמצעות דוגמאות שסופקו, ואינה מניחה שבוצע תהליך נפרד של כוונון עדין. אם הסצנות שונות, בקשו מהפלט לציין איזה קלט תומך בכל ממצא. יש להבחין בין דמיון נראה לעין לבין מסקנה מוסקת על אירוע.\n\n### משימות תמונה ומסמך\n\nיכולות התמונה של היצרנית כוללות הצבעה, ספירה, זיהוי טקסט וקריאת מכשירים אנלוגיים או דיגיטליים. במכשיר, שמרו על הסולם, היחידות והסימונים הקריאים; בספירה, הגדירו את האזור ואת הקטגוריה. Mk1 גם מחלץ מסמכים מורכבים ל־HTML, JSON או Markdown תוך שימור יחסי פריסה, טבלאות והיררכיה.\n\nספקו תמונת עמוד קריאה וציינו את השדות או השאלה. תוצאה שימושית שומרת על השיוך למקור ומבחינה בין הנוסח שחולץ לבין פרשנות. יש להתחשב בטקסט קטן, בהסתרה ובראיות עמומות בסצנה בעת הכנת המקור ובדיקת התשובה.\n\n### רכיבים מרחביים בסיסיים ועבודה בסביבה פיזית\n\nהיצרנית מאמנת את המודל להפיק נקודות, תיבות, מצולעים, מסלולים ומקטעים כפלטים מובְנים ממדרגה ראשונה לצד טקסט. סימונים אלה יכולים לספק יעדים, אילוצים, גבולות משימה או מידע נצפה על הצלחה וכישלון לתהליך רובוטיקה או ניתוח מארח. במשימה מרובת מצלמות יש לסמן את זוויות הצפייה ולשמור על השיוך בין כל סימון למקורו.\n\nהמודל מפרש את התצפיות ומפיק תוצאה המעוגנת בהן; היישום או מערכת הבקרה מחליטים כיצד להשתמש בה ומבצעים כל פעולה פיזית או פעולה בממשק. יעד מוצע או פרק זמן מסומן נבדלים מפעולה שבוצעה או מקובץ מדיה שיוצא.\n\n### מגבלות ותחולת המהדורה\n\nהקצו מקום לייצוג הווידאו, לתוכן התמונות, להנחיה, להיסטוריה ולפלט שנוצר בתוך הקשר ה־32K. בקשו את התוצר הסופי ואת הראיות המבססות כל תוצאה, במקום לצפות שאוסף מקורות שאינם קשורים זה לזה יגדיר לעצמו מטרה. בדקו קואורדינטות, פרקי זמן וערכים שחולצו מול המדיה המקורית.\n\nMk1 שומר על המהדורה הנקובה ועל הפרופיל החזותי שלו. אין להסיק שמהדורה מוקדמת זו כוללת קלט אודיו מובנה, את מגבלות הבקשה הנוכחיות של Mk1.5 או את פרטי תהליכי הכלים והמעקב החדשים שלו. התוצר השימושי הוא תיאור סצנה הניתן לבדיקה, רשומת מסמך או סימון מרחבי או סימון זמן הקשור לראיות החזותיות שסופקו.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
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 הוא מודל התמונות והווידאו של Perceptron להבנת זמן, לעיגון מרחבי ולהסקה על פעולה בסביבה פיזית. הוא מפיק טקסט וסימונים מובְנים לסצנות, למסמכים ולפעולות נראות, עם הקשר רב־מודאלי של 32K והסקה אופציונלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Perceptron Mk1 הוא המודל של Perceptron להבנת תמונות ווידאו ולהסקה על פעולה בסביבה פיזית. הוא מנתח חומר חזותי ביחס לשאלה כתובה ומחזיר טקסט וסימונים מרחביים מובְנים או סימוני זמן מובְנים. פרופיל היצרנית שלו כולל הקשר רב־מודאלי של 32K ומצב הסקה היברידי שאפשר לכבות במשימות שאינן דורשות תיעוד של תהליך החשיבה.
היצרנית מפתחת את Mk1 כדי להסביר אירועים לאורך זמן, מעבר לזיהוי של פריים בלבד. רצף ספורט, הדגמת בישול או משימה של מפעיל יכולים להפיק תיאור מובנה של מה שהתרחש ומתי. היצרנית מתעדת ניתוח וידאו דינמי בקצב של עד שני פריימים בשנייה. פרופיל הדגימה הזה נבדל מקצב הפריימים המקורי של סרטון המקור.
למשימת איתור אירוע, תארו את הפעולה ואת פרק הזמן הדרוש. דוגמת הנחיה: ״זהו את הרגעים שבהם הפריט מונח על המדף, החזירו את פרקי הזמן והסבירו את הראיות הנראות לכל אחד מהם.״ שמרו יחד את סרטון המקור ואת הפניות הזמן, כדי שאפשר יהיה לבדוק סימון מקטע או פרק זמן של אירוע לפני שיישום אחר משתמש בהם.
Mk1 תומך בלמידה חזותית בתוך ההקשר מתוך תמונת ייחוס או סרטון ייחוס, ולאחר מכן באיתור מופעים תואמים בחומר חדש. הגדירו מה הופך מופע לרלוונטי ושמרו את סימון הייחוס. לצורך השוואה, ספקו את שני פריטי המדיה וציינו את הקריטריונים: האובייקט, הפעולה, התנאי או פרט המסמך להשוואה.
זו דרך להכין את המשימה באמצעות דוגמאות שסופקו, ואינה מניחה שבוצע תהליך נפרד של כוונון עדין. אם הסצנות שונות, בקשו מהפלט לציין איזה קלט תומך בכל ממצא. יש להבחין בין דמיון נראה לעין לבין מסקנה מוסקת על אירוע.
יכולות התמונה של היצרנית כוללות הצבעה, ספירה, זיהוי טקסט וקריאת מכשירים אנלוגיים או דיגיטליים. במכשיר, שמרו על הסולם, היחידות והסימונים הקריאים; בספירה, הגדירו את האזור ואת הקטגוריה. Mk1 גם מחלץ מסמכים מורכבים ל־HTML, JSON או Markdown תוך שימור יחסי פריסה, טבלאות והיררכיה.
ספקו תמונת עמוד קריאה וציינו את השדות או השאלה. תוצאה שימושית שומרת על השיוך למקור ומבחינה בין הנוסח שחולץ לבין פרשנות. יש להתחשב בטקסט קטן, בהסתרה ובראיות עמומות בסצנה בעת הכנת המקור ובדיקת התשובה.
היצרנית מאמנת את המודל להפיק נקודות, תיבות, מצולעים, מסלולים ומקטעים כפלטים מובְנים ממדרגה ראשונה לצד טקסט. סימונים אלה יכולים לספק יעדים, אילוצים, גבולות משימה או מידע נצפה על הצלחה וכישלון לתהליך רובוטיקה או ניתוח מארח. במשימה מרובת מצלמות יש לסמן את זוויות הצפייה ולשמור על השיוך בין כל סימון למקורו.
המודל מפרש את התצפיות ומפיק תוצאה המעוגנת בהן; היישום או מערכת הבקרה מחליטים כיצד להשתמש בה ומבצעים כל פעולה פיזית או פעולה בממשק. יעד מוצע או פרק זמן מסומן נבדלים מפעולה שבוצעה או מקובץ מדיה שיוצא.
הקצו מקום לייצוג הווידאו, לתוכן התמונות, להנחיה, להיסטוריה ולפלט שנוצר בתוך הקשר ה־32K. בקשו את התוצר הסופי ואת הראיות המבססות כל תוצאה, במקום לצפות שאוסף מקורות שאינם קשורים זה לזה יגדיר לעצמו מטרה. בדקו קואורדינטות, פרקי זמן וערכים שחולצו מול המדיה המקורית.
Mk1 שומר על המהדורה הנקובה ועל הפרופיל החזותי שלו. אין להסיק שמהדורה מוקדמת זו כוללת קלט אודיו מובנה, את מגבלות הבקשה הנוכחיות של Mk1.5 או את פרטי תהליכי הכלים והמעקב החדשים שלו. התוצר השימושי הוא תיאור סצנה הניתן לבדיקה, רשומת מסמך או סימון מרחבי או סימון זמן הקשור לראיות החזותיות שסופקו.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות perceptron/perceptron-mk1 | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.003 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.003 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra perceptron/perceptron-mk1
השתמשו בנתיבי השיטות המוצגים למעלה.
perceptron/perceptron-mk1Perceptron Mk1 הוא מודל התמונות והווידאו של Perceptron להבנת זמן, לעיגון מרחבי ולהסקה על פעולה בסביבה פיזית. הוא מפיק טקסט וסימונים מובְנים לסצנות, למסמכים ולפעולות נראות, עם הקשר רב־מודאלי של 32K והסקה אופציונלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Perceptron Mk1 הוא המודל של Perceptron להבנת תמונות ווידאו ולהסקה על פעולה בסביבה פיזית. הוא מנתח חומר חזותי ביחס לשאלה כתובה ומחזיר טקסט וסימונים מרחביים מובְנים או סימוני זמן מובְנים. פרופיל היצרנית שלו כולל הקשר רב־מודאלי של 32K ומצב הסקה היברידי שאפשר לכבות במשימות שאינן דורשות תיעוד של תהליך החשיבה.
היצרנית מפתחת את Mk1 כדי להסביר אירועים לאורך זמן, מעבר לזיהוי של פריים בלבד. רצף ספורט, הדגמת בישול או משימה של מפעיל יכולים להפיק תיאור מובנה של מה שהתרחש ומתי. היצרנית מתעדת ניתוח וידאו דינמי בקצב של עד שני פריימים בשנייה. פרופיל הדגימה הזה נבדל מקצב הפריימים המקורי של סרטון המקור.
למשימת איתור אירוע, תארו את הפעולה ואת פרק הזמן הדרוש. דוגמת הנחיה: ״זהו את הרגעים שבהם הפריט מונח על המדף, החזירו את פרקי הזמן והסבירו את הראיות הנראות לכל אחד מהם.״ שמרו יחד את סרטון המקור ואת הפניות הזמן, כדי שאפשר יהיה לבדוק סימון מקטע או פרק זמן של אירוע לפני שיישום אחר משתמש בהם.
Mk1 תומך בלמידה חזותית בתוך ההקשר מתוך תמונת ייחוס או סרטון ייחוס, ולאחר מכן באיתור מופעים תואמים בחומר חדש. הגדירו מה הופך מופע לרלוונטי ושמרו את סימון הייחוס. לצורך השוואה, ספקו את שני פריטי המדיה וציינו את הקריטריונים: האובייקט, הפעולה, התנאי או פרט המסמך להשוואה.
זו דרך להכין את המשימה באמצעות דוגמאות שסופקו, ואינה מניחה שבוצע תהליך נפרד של כוונון עדין. אם הסצנות שונות, בקשו מהפלט לציין איזה קלט תומך בכל ממצא. יש להבחין בין דמיון נראה לעין לבין מסקנה מוסקת על אירוע.
יכולות התמונה של היצרנית כוללות הצבעה, ספירה, זיהוי טקסט וקריאת מכשירים אנלוגיים או דיגיטליים. במכשיר, שמרו על הסולם, היחידות והסימונים הקריאים; בספירה, הגדירו את האזור ואת הקטגוריה. Mk1 גם מחלץ מסמכים מורכבים ל־HTML, JSON או Markdown תוך שימור יחסי פריסה, טבלאות והיררכיה.
ספקו תמונת עמוד קריאה וציינו את השדות או השאלה. תוצאה שימושית שומרת על השיוך למקור ומבחינה בין הנוסח שחולץ לבין פרשנות. יש להתחשב בטקסט קטן, בהסתרה ובראיות עמומות בסצנה בעת הכנת המקור ובדיקת התשובה.
היצרנית מאמנת את המודל להפיק נקודות, תיבות, מצולעים, מסלולים ומקטעים כפלטים מובְנים ממדרגה ראשונה לצד טקסט. סימונים אלה יכולים לספק יעדים, אילוצים, גבולות משימה או מידע נצפה על הצלחה וכישלון לתהליך רובוטיקה או ניתוח מארח. במשימה מרובת מצלמות יש לסמן את זוויות הצפייה ולשמור על השיוך בין כל סימון למקורו.
המודל מפרש את התצפיות ומפיק תוצאה המעוגנת בהן; היישום או מערכת הבקרה מחליטים כיצד להשתמש בה ומבצעים כל פעולה פיזית או פעולה בממשק. יעד מוצע או פרק זמן מסומן נבדלים מפעולה שבוצעה או מקובץ מדיה שיוצא.
הקצו מקום לייצוג הווידאו, לתוכן התמונות, להנחיה, להיסטוריה ולפלט שנוצר בתוך הקשר ה־32K. בקשו את התוצר הסופי ואת הראיות המבססות כל תוצאה, במקום לצפות שאוסף מקורות שאינם קשורים זה לזה יגדיר לעצמו מטרה. בדקו קואורדינטות, פרקי זמן וערכים שחולצו מול המדיה המקורית.
Mk1 שומר על המהדורה הנקובה ועל הפרופיל החזותי שלו. אין להסיק שמהדורה מוקדמת זו כוללת קלט אודיו מובנה, את מגבלות הבקשה הנוכחיות של Mk1.5 או את פרטי תהליכי הכלים והמעקב החדשים שלו. התוצר השימושי הוא תיאור סצנה הניתן לבדיקה, רשומת מסמך או סימון מרחבי או סימון זמן הקשור לראיות החזותיות שסופקו.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות perceptron/perceptron-mk1 | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.003 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.003 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "perceptron/perceptron-mk1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra perceptron/perceptron-mk1
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
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.