A Perceptron Mk1 a Perceptron modellje kép- és videómegértéshez, valamint fizikai környezethez kötött következtetéshez. Írásos kérdéshez viszonyítva elemzi a vizuális forrásanyagot, és szöveget, valamint strukturált térbeli vagy időbeli annotációkat ad vissza. A gyártói katalógusváltozat 32K multimodális kontextussal és hibrid következtetési móddal rendelkezik, amely kikapcsolható azoknál a feladatoknál, amelyek nem igényelnek gondolkodási nyomot.
A gyártó az Mk1-et időben zajló események magyarázatára fejleszti, nem pusztán egy képkocka címkézésére. Egy sportsorozatról, főzési bemutatóról vagy kezelői feladatról strukturált leírást adhat arról, mi és mikor történt. A gyártó legfeljebb másodpercenként két képkockás dinamikus videóelemzést dokumentál. Ez a mintavételezési jellemző különbözik a forrásvideó eredeti képkockasebességétől.
Esemény időbeli helyének meghatározásához írd le a cselekvést és a szükséges időintervallumot. Egy szemléltető utasítás: „Azonosítsd azokat a pillanatokat, amikor a tárgyat a polcra helyezik, add vissza az időintervallumokat, és magyarázd el mindegyik látható bizonyítékát.” Tartsd együtt a forrásvideót és az időhivatkozásokat, hogy a klipannotáció vagy eseményintervallum ellenőrizhető legyen, mielőtt másik alkalmazás használja.
Az Mk1 támogatja a kontextuson belüli vizuális tanulást referenciakép vagy -videó alapján, majd az egyező előfordulások megkeresését új anyagban. Határozd meg, mitől releváns egy előfordulás, és őrizd meg a referencia címkéjét. Összehasonlításhoz add meg mindkét médiaanyagot és a szempontokat: az összehasonlítandó tárgyat, cselekvést, állapotot vagy dokumentumrészletet.
Ez a feladat megadott példákkal történő előkészítésének módja, nem annak feltételezése, hogy külön finomhangolási folyamat futott. Ha a jelenetek eltérnek, kérd, hogy a kimenet azonosítsa, melyik bemenet támasztja alá az egyes megállapításokat. A látható hasonlóság maradjon elkülönítve az eseményről levont következtetéstől.
A gyártó képi képességei közé tartozik a rámutatás, számlálás, szövegfelismerés, valamint analóg vagy digitális műszerek leolvasása. Műszernél őrizd meg a skálát, mértékegységeket és olvasható jelöléseket; számláláshoz határozd meg a területet és a kategóriát. Az Mk1 összetett dokumentumokat is kinyer HTML, JSON vagy Markdown formátumba, megőrizve az elrendezési kapcsolatokat, táblázatokat és hierarchiát.
Adj meg olvasható oldalképet, és nevezd meg a mezőket vagy a kérdést. A hasznos eredmény megőrzi a forráshoz való kapcsolatot, és elkülöníti a kinyert megfogalmazást az értelmezéstől. Az apró szöveget, takarást és kétértelmű jelenetbizonyítékot a forrás előkészítésekor és a válasz ellenőrzésekor kell kezelni.
A gyártó a szöveg mellett a pontokat, téglalapokat, sokszögeket, pályákat és klipeket is elsőrendű strukturált kimenetként tanítja. Ezek az annotációk célpontokat, korlátokat, feladathatárokat vagy a megfigyelt sikerre és kudarcra vonatkozó információt adhatnak egy környező robotikai vagy elemzési munkafolyamatnak. Többkamerás feladatnál címkézd fel a nézeteket, és őrizd meg az egyes annotációk és forrásuk kapcsolatát.
A modell értelmezi a megfigyeléseket, és létrehozza a forráshoz kötött eredményt; az alkalmazás vagy vezérlőrendszer dönti el a felhasználását, és végzi a fizikai vagy felületi műveleteket. Egy javasolt célpont vagy annotált időintervallum különbözik a végrehajtott művelettől vagy exportált médiafájltól.
A videó reprezentációját, képi tartalmat, promptot, előzményeket és generált kimenetet együtt tervezd a 32K kontextusba. Kérd a végső eredményt és az egyes megállapításokat igazoló bizonyítékot, ahelyett hogy egy összefüggéstelen forrásgyűjteménytől várnád saját céljának meghatározását. Ellenőrizd a koordinátákat, időintervallumokat és kinyert értékeket az eredeti médián.
Az Mk1 megőrzi saját megnevezett kiadását és vizuális jellemzőit. E korábbi kiadás esetében nem szabad feltételezni, hogy támogatja a natív hangbemenetet, vagy hogy rá is érvényesek a jelenlegi Mk1.5 kérési korlátai és új eszköz- és követési munkafolyamatának részletei. A hasznos eredmény ellenőrizhető jelenetleírás, dokumentumrekord vagy térbeli/időbeli annotáció, amely a megadott vizuális bizonyítékhoz kötődik.
", "aboutText": "A Perceptron Mk1 a Perceptron modellje kép- és videómegértéshez, valamint fizikai környezethez kötött következtetéshez. Írásos kérdéshez viszonyítva elemzi a vizuális forrásanyagot, és szöveget, valamint strukturált térbeli vagy időbeli annotációkat ad vissza. A gyártói katalógusváltozat 32K multimodális kontextussal és hibrid következtetési móddal rendelkezik, amely kikapcsolható azoknál a feladatoknál, amelyek nem igényelnek gondolkodási nyomot.\n\n### Időbeli következtetés és megfeleltetés\n\nA gyártó az Mk1-et időben zajló események magyarázatára fejleszti, nem pusztán egy képkocka címkézésére. Egy sportsorozatról, főzési bemutatóról vagy kezelői feladatról strukturált leírást adhat arról, mi és mikor történt. A gyártó legfeljebb másodpercenként két képkockás dinamikus videóelemzést dokumentál. Ez a mintavételezési jellemző különbözik a forrásvideó eredeti képkockasebességétől.\n\nEsemény időbeli helyének meghatározásához írd le a cselekvést és a szükséges időintervallumot. Egy szemléltető utasítás: „Azonosítsd azokat a pillanatokat, amikor a tárgyat a polcra helyezik, add vissza az időintervallumokat, és magyarázd el mindegyik látható bizonyítékát.” Tartsd együtt a forrásvideót és az időhivatkozásokat, hogy a klipannotáció vagy eseményintervallum ellenőrizhető legyen, mielőtt másik alkalmazás használja.\n\n### Referenciapéldák és összehasonlítás\n\nAz Mk1 támogatja a kontextuson belüli vizuális tanulást referenciakép vagy -videó alapján, majd az egyező előfordulások megkeresését új anyagban. Határozd meg, mitől releváns egy előfordulás, és őrizd meg a referencia címkéjét. Összehasonlításhoz add meg mindkét médiaanyagot és a szempontokat: az összehasonlítandó tárgyat, cselekvést, állapotot vagy dokumentumrészletet.\n\nEz a feladat megadott példákkal történő előkészítésének módja, nem annak feltételezése, hogy külön finomhangolási folyamat futott. Ha a jelenetek eltérnek, kérd, hogy a kimenet azonosítsa, melyik bemenet támasztja alá az egyes megállapításokat. A látható hasonlóság maradjon elkülönítve az eseményről levont következtetéstől.\n\n### Kép- és dokumentumfeladatok\n\nA gyártó képi képességei közé tartozik a rámutatás, számlálás, szövegfelismerés, valamint analóg vagy digitális műszerek leolvasása. Műszernél őrizd meg a skálát, mértékegységeket és olvasható jelöléseket; számláláshoz határozd meg a területet és a kategóriát. Az Mk1 összetett dokumentumokat is kinyer HTML, JSON vagy Markdown formátumba, megőrizve az elrendezési kapcsolatokat, táblázatokat és hierarchiát.\n\nAdj meg olvasható oldalképet, és nevezd meg a mezőket vagy a kérdést. A hasznos eredmény megőrzi a forráshoz való kapcsolatot, és elkülöníti a kinyert megfogalmazást az értelmezéstől. Az apró szöveget, takarást és kétértelmű jelenetbizonyítékot a forrás előkészítésekor és a válasz ellenőrzésekor kell kezelni.\n\n### Térbeli alapelemek és fizikai környezetben végzett munka\n\nA gyártó a szöveg mellett a pontokat, téglalapokat, sokszögeket, pályákat és klipeket is elsőrendű strukturált kimenetként tanítja. Ezek az annotációk célpontokat, korlátokat, feladathatárokat vagy a megfigyelt sikerre és kudarcra vonatkozó információt adhatnak egy környező robotikai vagy elemzési munkafolyamatnak. Többkamerás feladatnál címkézd fel a nézeteket, és őrizd meg az egyes annotációk és forrásuk kapcsolatát.\n\nA modell értelmezi a megfigyeléseket, és létrehozza a forráshoz kötött eredményt; az alkalmazás vagy vezérlőrendszer dönti el a felhasználását, és végzi a fizikai vagy felületi műveleteket. Egy javasolt célpont vagy annotált időintervallum különbözik a végrehajtott művelettől vagy exportált médiafájltól.\n\n### Korlátok és a kiadás hatóköre\n\nA videó reprezentációját, képi tartalmat, promptot, előzményeket és generált kimenetet együtt tervezd a 32K kontextusba. Kérd a végső eredményt és az egyes megállapításokat igazoló bizonyítékot, ahelyett hogy egy összefüggéstelen forrásgyűjteménytől várnád saját céljának meghatározását. Ellenőrizd a koordinátákat, időintervallumokat és kinyert értékeket az eredeti médián.\n\nAz Mk1 megőrzi saját megnevezett kiadását és vizuális jellemzőit. E korábbi kiadás esetében nem szabad feltételezni, hogy támogatja a natív hangbemenetet, vagy hogy rá is érvényesek a jelenlegi Mk1.5 kérési korlátai és új eszköz- és követési munkafolyamatának részletei. A hasznos eredmény ellenőrizhető jelenetleírás, dokumentumrekord vagy térbeli/időbeli annotáció, amely a megadott vizuális bizonyítékhoz kötődik.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
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-mk1A Perceptron Mk1 a Perceptron kép- és videómodellje időbeli megértéshez, térbeli megfeleltetéshez és fizikai környezethez kötött következtetéshez. Szöveget és strukturált annotációkat állít elő jelenetekhez, dokumentumokhoz és látható cselekvésekhez, 32K multimodális kontextussal és opcionális következtetéssel.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Perceptron Mk1 a Perceptron modellje kép- és videómegértéshez, valamint fizikai környezethez kötött következtetéshez. Írásos kérdéshez viszonyítva elemzi a vizuális forrásanyagot, és szöveget, valamint strukturált térbeli vagy időbeli annotációkat ad vissza. A gyártói katalógusváltozat 32K multimodális kontextussal és hibrid következtetési móddal rendelkezik, amely kikapcsolható azoknál a feladatoknál, amelyek nem igényelnek gondolkodási nyomot.
A gyártó az Mk1-et időben zajló események magyarázatára fejleszti, nem pusztán egy képkocka címkézésére. Egy sportsorozatról, főzési bemutatóról vagy kezelői feladatról strukturált leírást adhat arról, mi és mikor történt. A gyártó legfeljebb másodpercenként két képkockás dinamikus videóelemzést dokumentál. Ez a mintavételezési jellemző különbözik a forrásvideó eredeti képkockasebességétől.
Esemény időbeli helyének meghatározásához írd le a cselekvést és a szükséges időintervallumot. Egy szemléltető utasítás: „Azonosítsd azokat a pillanatokat, amikor a tárgyat a polcra helyezik, add vissza az időintervallumokat, és magyarázd el mindegyik látható bizonyítékát.” Tartsd együtt a forrásvideót és az időhivatkozásokat, hogy a klipannotáció vagy eseményintervallum ellenőrizhető legyen, mielőtt másik alkalmazás használja.
Az Mk1 támogatja a kontextuson belüli vizuális tanulást referenciakép vagy -videó alapján, majd az egyező előfordulások megkeresését új anyagban. Határozd meg, mitől releváns egy előfordulás, és őrizd meg a referencia címkéjét. Összehasonlításhoz add meg mindkét médiaanyagot és a szempontokat: az összehasonlítandó tárgyat, cselekvést, állapotot vagy dokumentumrészletet.
Ez a feladat megadott példákkal történő előkészítésének módja, nem annak feltételezése, hogy külön finomhangolási folyamat futott. Ha a jelenetek eltérnek, kérd, hogy a kimenet azonosítsa, melyik bemenet támasztja alá az egyes megállapításokat. A látható hasonlóság maradjon elkülönítve az eseményről levont következtetéstől.
A gyártó képi képességei közé tartozik a rámutatás, számlálás, szövegfelismerés, valamint analóg vagy digitális műszerek leolvasása. Műszernél őrizd meg a skálát, mértékegységeket és olvasható jelöléseket; számláláshoz határozd meg a területet és a kategóriát. Az Mk1 összetett dokumentumokat is kinyer HTML, JSON vagy Markdown formátumba, megőrizve az elrendezési kapcsolatokat, táblázatokat és hierarchiát.
Adj meg olvasható oldalképet, és nevezd meg a mezőket vagy a kérdést. A hasznos eredmény megőrzi a forráshoz való kapcsolatot, és elkülöníti a kinyert megfogalmazást az értelmezéstől. Az apró szöveget, takarást és kétértelmű jelenetbizonyítékot a forrás előkészítésekor és a válasz ellenőrzésekor kell kezelni.
A gyártó a szöveg mellett a pontokat, téglalapokat, sokszögeket, pályákat és klipeket is elsőrendű strukturált kimenetként tanítja. Ezek az annotációk célpontokat, korlátokat, feladathatárokat vagy a megfigyelt sikerre és kudarcra vonatkozó információt adhatnak egy környező robotikai vagy elemzési munkafolyamatnak. Többkamerás feladatnál címkézd fel a nézeteket, és őrizd meg az egyes annotációk és forrásuk kapcsolatát.
A modell értelmezi a megfigyeléseket, és létrehozza a forráshoz kötött eredményt; az alkalmazás vagy vezérlőrendszer dönti el a felhasználását, és végzi a fizikai vagy felületi műveleteket. Egy javasolt célpont vagy annotált időintervallum különbözik a végrehajtott művelettől vagy exportált médiafájltól.
A videó reprezentációját, képi tartalmat, promptot, előzményeket és generált kimenetet együtt tervezd a 32K kontextusba. Kérd a végső eredményt és az egyes megállapításokat igazoló bizonyítékot, ahelyett hogy egy összefüggéstelen forrásgyűjteménytől várnád saját céljának meghatározását. Ellenőrizd a koordinátákat, időintervallumokat és kinyert értékeket az eredeti médián.
Az Mk1 megőrzi saját megnevezett kiadását és vizuális jellemzőit. E korábbi kiadás esetében nem szabad feltételezni, hogy támogatja a natív hangbemenetet, vagy hogy rá is érvényesek a jelenlegi Mk1.5 kérési korlátai és új eszköz- és követési munkafolyamatának részletei. A hasznos eredmény ellenőrizhető jelenetleírás, dokumentumrekord vagy térbeli/időbeli annotáció, amely a megadott vizuális bizonyítékhoz kötődik.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok perceptron/perceptron-mk1 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0003 / 1K token Kimenet · Kimeneti tokenek $0.003 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0003 / 1K token Kimenet · Kimeneti tokenek $0.003 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra perceptron/perceptron-mk1
Használja a fent látható metódusútvonalakat.
perceptron/perceptron-mk1A Perceptron Mk1 a Perceptron kép- és videómodellje időbeli megértéshez, térbeli megfeleltetéshez és fizikai környezethez kötött következtetéshez. Szöveget és strukturált annotációkat állít elő jelenetekhez, dokumentumokhoz és látható cselekvésekhez, 32K multimodális kontextussal és opcionális következtetéssel.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Perceptron Mk1 a Perceptron modellje kép- és videómegértéshez, valamint fizikai környezethez kötött következtetéshez. Írásos kérdéshez viszonyítva elemzi a vizuális forrásanyagot, és szöveget, valamint strukturált térbeli vagy időbeli annotációkat ad vissza. A gyártói katalógusváltozat 32K multimodális kontextussal és hibrid következtetési móddal rendelkezik, amely kikapcsolható azoknál a feladatoknál, amelyek nem igényelnek gondolkodási nyomot.
A gyártó az Mk1-et időben zajló események magyarázatára fejleszti, nem pusztán egy képkocka címkézésére. Egy sportsorozatról, főzési bemutatóról vagy kezelői feladatról strukturált leírást adhat arról, mi és mikor történt. A gyártó legfeljebb másodpercenként két képkockás dinamikus videóelemzést dokumentál. Ez a mintavételezési jellemző különbözik a forrásvideó eredeti képkockasebességétől.
Esemény időbeli helyének meghatározásához írd le a cselekvést és a szükséges időintervallumot. Egy szemléltető utasítás: „Azonosítsd azokat a pillanatokat, amikor a tárgyat a polcra helyezik, add vissza az időintervallumokat, és magyarázd el mindegyik látható bizonyítékát.” Tartsd együtt a forrásvideót és az időhivatkozásokat, hogy a klipannotáció vagy eseményintervallum ellenőrizhető legyen, mielőtt másik alkalmazás használja.
Az Mk1 támogatja a kontextuson belüli vizuális tanulást referenciakép vagy -videó alapján, majd az egyező előfordulások megkeresését új anyagban. Határozd meg, mitől releváns egy előfordulás, és őrizd meg a referencia címkéjét. Összehasonlításhoz add meg mindkét médiaanyagot és a szempontokat: az összehasonlítandó tárgyat, cselekvést, állapotot vagy dokumentumrészletet.
Ez a feladat megadott példákkal történő előkészítésének módja, nem annak feltételezése, hogy külön finomhangolási folyamat futott. Ha a jelenetek eltérnek, kérd, hogy a kimenet azonosítsa, melyik bemenet támasztja alá az egyes megállapításokat. A látható hasonlóság maradjon elkülönítve az eseményről levont következtetéstől.
A gyártó képi képességei közé tartozik a rámutatás, számlálás, szövegfelismerés, valamint analóg vagy digitális műszerek leolvasása. Műszernél őrizd meg a skálát, mértékegységeket és olvasható jelöléseket; számláláshoz határozd meg a területet és a kategóriát. Az Mk1 összetett dokumentumokat is kinyer HTML, JSON vagy Markdown formátumba, megőrizve az elrendezési kapcsolatokat, táblázatokat és hierarchiát.
Adj meg olvasható oldalképet, és nevezd meg a mezőket vagy a kérdést. A hasznos eredmény megőrzi a forráshoz való kapcsolatot, és elkülöníti a kinyert megfogalmazást az értelmezéstől. Az apró szöveget, takarást és kétértelmű jelenetbizonyítékot a forrás előkészítésekor és a válasz ellenőrzésekor kell kezelni.
A gyártó a szöveg mellett a pontokat, téglalapokat, sokszögeket, pályákat és klipeket is elsőrendű strukturált kimenetként tanítja. Ezek az annotációk célpontokat, korlátokat, feladathatárokat vagy a megfigyelt sikerre és kudarcra vonatkozó információt adhatnak egy környező robotikai vagy elemzési munkafolyamatnak. Többkamerás feladatnál címkézd fel a nézeteket, és őrizd meg az egyes annotációk és forrásuk kapcsolatát.
A modell értelmezi a megfigyeléseket, és létrehozza a forráshoz kötött eredményt; az alkalmazás vagy vezérlőrendszer dönti el a felhasználását, és végzi a fizikai vagy felületi műveleteket. Egy javasolt célpont vagy annotált időintervallum különbözik a végrehajtott művelettől vagy exportált médiafájltól.
A videó reprezentációját, képi tartalmat, promptot, előzményeket és generált kimenetet együtt tervezd a 32K kontextusba. Kérd a végső eredményt és az egyes megállapításokat igazoló bizonyítékot, ahelyett hogy egy összefüggéstelen forrásgyűjteménytől várnád saját céljának meghatározását. Ellenőrizd a koordinátákat, időintervallumokat és kinyert értékeket az eredeti médián.
Az Mk1 megőrzi saját megnevezett kiadását és vizuális jellemzőit. E korábbi kiadás esetében nem szabad feltételezni, hogy támogatja a natív hangbemenetet, vagy hogy rá is érvényesek a jelenlegi Mk1.5 kérési korlátai és új eszköz- és követési munkafolyamatának részletei. A hasznos eredmény ellenőrizhető jelenetleírás, dokumentumrekord vagy térbeli/időbeli annotáció, amely a megadott vizuális bizonyítékhoz kötődik.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok perceptron/perceptron-mk1 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0003 / 1K token Kimenet · Kimeneti tokenek $0.003 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0003 / 1K token Kimenet · Kimeneti tokenek $0.003 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "perceptron/perceptron-mk1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra perceptron/perceptron-mk1
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
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.