Perceptron Mk1.5 は、視覚理解、時間的グラウンディング、身体を持つエージェントのタスクに対応する Perceptron のマルチモーダルモデルです。テキスト、画像、動画、音声を受け取り、テキスト、空間・時間アノテーション、構造化レスポンス、関数呼び出しの内容を返します。開発元の現在の仕様には、36,864 トークンのコンテキストと 8,192 トークンの最大出力が記載されています。この正確な上限は、公開時の記事にある丸めた 32K という説明より具体的です。
主な追加機能は、動画内の物体をタイムスタンプ付きの形状情報として追跡することです。対象を明確に説明し、物体が場面に入る時点、移動先、特定の動作が含まれる区間など、結果から何を明らかにすべきかを指定してください。一人称映像については、開発元が手の追跡とサブタスクへの分割を重視しています。これは、作業者が時間の経過とともに何をしているかを分析するのに役立ちます。
文書化された出力には、空間的な位置付けに使う点、ボックス、ポリゴン、時間区間を表すクリップ、物体の動きを表す track コンテナが含まれます。Track は生成されるアノテーションマークアップ内のコンテナであり、独立したアノテーション形式の値ではありません。Track の経由点はまばらな場合があり、返された追跡情報が元のすべてのフレームのボックスや、物体の連続的な可視性を保証するわけではありません。元のメディアと、座標またはタイムスタンプとの対応を保持し、結果を実際の場面と照合できるようにしてください。
Mk1.5 は、文字起こし、音イベント検出、要約、録音に関する質問など、ネイティブな音声理解を追加しています。開発元は WAV、MP3、FLAC を受け付けます。音声 1 件あたりの上限は 16,384 音声トークンで、文書にある毎分約 750 トークンという換算では約 21.8 分です。音声は他の入力および出力枠とコンテキストを共有するため、1 件あたりの上限に達する前にリクエスト全体のコンテキストが埋まる場合があります。
動画の音声が重要な場合、開発元のワークフローでは動画内の音声を明示的に有効にします。タスクが発話、音イベント、見える場面、それらの関係のどれを対象にするかを指定してください。出力はテキストと構造化内容であり、Mk1.5 は音声を生成しません。文字起こしでは、映像の説明文を文字起こしとして扱わず、指定された言語と時間との対応を保持してください。
開発元は、複数のメディア入力間の比較をサポートしています。各素材にラベルを付け、素材との対応を保持してください。任意の asset_idx は、その会話時点で利用できるメディアの出現箇所を示し、永続的なファイル識別子ではありません。明示または継承されたセレクターがなければ、アノテーションは生成時に最後に利用可能だった素材を参照します。二つのカメラ映像、ページ、録音を比較する場合、これらの規約が重要です。開発元のリクエスト上限は 256 メディア単位です。video_frames グループは素材インデックスを一つ占めますが、その中の各フレームはこの上限に数えられます。動画の音声を有効にしても、素材は追加されません。
開発元は、JSON Schema または正規表現で制約した最終回答をサポートしています。項目やパターンを定義し、返された値を資料と照合してください。また、共有コンテキストに対して独立したプロンプトを実行する Multilook も文書化されています。これは通常の単一補完のチャットとは別の開発元ワークフローです。
Mk1.5 は、名前、目的、JSON Schemas で記述された、提供済みの関数を選択できます。アプリケーションが提案された呼び出しを実行し、観察結果を返します。身体を伴うタスクやインターフェース操作では、許可する操作と完了条件を定義し、新しい視覚状態やツール結果を次の段階の根拠として使ってください。開発元のプロファイルでは推論量を設定できます。
関数ツールは、JSON Schema または正規表現による出力制約と同じリクエスト内で宣言できません。開発元は、ツールのループを終えてから制約付きの最終回答を要求するよう指示しています。長さによる終了は不完全な出力を意味する場合があるため、結果を使う前に終了理由を確認してください。
有用な成果物は、資料に根拠を持つ場面説明、時刻付き文字起こし、物体アノテーション、根拠付きの操作提案です。形状情報をメディアと照合し、観察された詳細と解釈を区別し、Mk1.5 固有の音声、追跡、ツール機能を、以前の Mk1 の機能とは分けて保持してください。
", "aboutText": "Perceptron Mk1.5 は、視覚理解、時間的グラウンディング、身体を持つエージェントのタスクに対応する Perceptron のマルチモーダルモデルです。テキスト、画像、動画、音声を受け取り、テキスト、空間・時間アノテーション、構造化レスポンス、関数呼び出しの内容を返します。開発元の現在の仕様には、36,864 トークンのコンテキストと 8,192 トークンの最大出力が記載されています。この正確な上限は、公開時の記事にある丸めた 32K という説明より具体的です。\n\n### 動画と物体追跡\n\n主な追加機能は、動画内の物体をタイムスタンプ付きの形状情報として追跡することです。対象を明確に説明し、物体が場面に入る時点、移動先、特定の動作が含まれる区間など、結果から何を明らかにすべきかを指定してください。一人称映像については、開発元が手の追跡とサブタスクへの分割を重視しています。これは、作業者が時間の経過とともに何をしているかを分析するのに役立ちます。\n\n文書化された出力には、空間的な位置付けに使う点、ボックス、ポリゴン、時間区間を表すクリップ、物体の動きを表す track コンテナが含まれます。Track は生成されるアノテーションマークアップ内のコンテナであり、独立したアノテーション形式の値ではありません。Track の経由点はまばらな場合があり、返された追跡情報が元のすべてのフレームのボックスや、物体の連続的な可視性を保証するわけではありません。元のメディアと、座標またはタイムスタンプとの対応を保持し、結果を実際の場面と照合できるようにしてください。\n\n### 音声と複合的な根拠\n\nMk1.5 は、文字起こし、音イベント検出、要約、録音に関する質問など、ネイティブな音声理解を追加しています。開発元は WAV、MP3、FLAC を受け付けます。音声 1 件あたりの上限は 16,384 音声トークンで、文書にある毎分約 750 トークンという換算では約 21.8 分です。音声は他の入力および出力枠とコンテキストを共有するため、1 件あたりの上限に達する前にリクエスト全体のコンテキストが埋まる場合があります。\n\n動画の音声が重要な場合、開発元のワークフローでは動画内の音声を明示的に有効にします。タスクが発話、音イベント、見える場面、それらの関係のどれを対象にするかを指定してください。出力はテキストと構造化内容であり、Mk1.5 は音声を生成しません。文字起こしでは、映像の説明文を文字起こしとして扱わず、指定された言語と時間との対応を保持してください。\n\n### 複数の素材と構造化回答\n\n開発元は、複数のメディア入力間の比較をサポートしています。各素材にラベルを付け、素材との対応を保持してください。任意の asset_idx は、その会話時点で利用できるメディアの出現箇所を示し、永続的なファイル識別子ではありません。明示または継承されたセレクターがなければ、アノテーションは生成時に最後に利用可能だった素材を参照します。二つのカメラ映像、ページ、録音を比較する場合、これらの規約が重要です。開発元のリクエスト上限は 256 メディア単位です。video_frames グループは素材インデックスを一つ占めますが、その中の各フレームはこの上限に数えられます。動画の音声を有効にしても、素材は追加されません。\n\n開発元は、JSON Schema または正規表現で制約した最終回答をサポートしています。項目やパターンを定義し、返された値を資料と照合してください。また、共有コンテキストに対して独立したプロンプトを実行する Multilook も文書化されています。これは通常の単一補完のチャットとは別の開発元ワークフローです。\n\n### 関数と推論\n\nMk1.5 は、名前、目的、JSON Schemas で記述された、提供済みの関数を選択できます。アプリケーションが提案された呼び出しを実行し、観察結果を返します。身体を伴うタスクやインターフェース操作では、許可する操作と完了条件を定義し、新しい視覚状態やツール結果を次の段階の根拠として使ってください。開発元のプロファイルでは推論量を設定できます。\n\n関数ツールは、JSON Schema または正規表現による出力制約と同じリクエスト内で宣言できません。開発元は、ツールのループを終えてから制約付きの最終回答を要求するよう指示しています。長さによる終了は不完全な出力を意味する場合があるため、結果を使う前に終了理由を確認してください。\n\n有用な成果物は、資料に根拠を持つ場面説明、時刻付き文字起こし、物体アノテーション、根拠付きの操作提案です。形状情報をメディアと照合し、観察された詳細と解釈を区別し、Mk1.5 固有の音声、追跡、ツール機能を、以前の Mk1 の機能とは分けて保持してください。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
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 は、視覚タスクや身体を伴うタスクに向けて、テキスト、画像、動画、音声を理解します。テキスト、空間・時間アノテーション、物体の追跡情報、関数呼び出しの提案を返します。開発元の仕様では、コンテキストは 36,864 トークン、最大出力は 8,192 トークンです。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Perceptron Mk1.5 は、視覚理解、時間的グラウンディング、身体を持つエージェントのタスクに対応する Perceptron のマルチモーダルモデルです。テキスト、画像、動画、音声を受け取り、テキスト、空間・時間アノテーション、構造化レスポンス、関数呼び出しの内容を返します。開発元の現在の仕様には、36,864 トークンのコンテキストと 8,192 トークンの最大出力が記載されています。この正確な上限は、公開時の記事にある丸めた 32K という説明より具体的です。
主な追加機能は、動画内の物体をタイムスタンプ付きの形状情報として追跡することです。対象を明確に説明し、物体が場面に入る時点、移動先、特定の動作が含まれる区間など、結果から何を明らかにすべきかを指定してください。一人称映像については、開発元が手の追跡とサブタスクへの分割を重視しています。これは、作業者が時間の経過とともに何をしているかを分析するのに役立ちます。
文書化された出力には、空間的な位置付けに使う点、ボックス、ポリゴン、時間区間を表すクリップ、物体の動きを表す track コンテナが含まれます。Track は生成されるアノテーションマークアップ内のコンテナであり、独立したアノテーション形式の値ではありません。Track の経由点はまばらな場合があり、返された追跡情報が元のすべてのフレームのボックスや、物体の連続的な可視性を保証するわけではありません。元のメディアと、座標またはタイムスタンプとの対応を保持し、結果を実際の場面と照合できるようにしてください。
Mk1.5 は、文字起こし、音イベント検出、要約、録音に関する質問など、ネイティブな音声理解を追加しています。開発元は WAV、MP3、FLAC を受け付けます。音声 1 件あたりの上限は 16,384 音声トークンで、文書にある毎分約 750 トークンという換算では約 21.8 分です。音声は他の入力および出力枠とコンテキストを共有するため、1 件あたりの上限に達する前にリクエスト全体のコンテキストが埋まる場合があります。
動画の音声が重要な場合、開発元のワークフローでは動画内の音声を明示的に有効にします。タスクが発話、音イベント、見える場面、それらの関係のどれを対象にするかを指定してください。出力はテキストと構造化内容であり、Mk1.5 は音声を生成しません。文字起こしでは、映像の説明文を文字起こしとして扱わず、指定された言語と時間との対応を保持してください。
開発元は、複数のメディア入力間の比較をサポートしています。各素材にラベルを付け、素材との対応を保持してください。任意の asset_idx は、その会話時点で利用できるメディアの出現箇所を示し、永続的なファイル識別子ではありません。明示または継承されたセレクターがなければ、アノテーションは生成時に最後に利用可能だった素材を参照します。二つのカメラ映像、ページ、録音を比較する場合、これらの規約が重要です。開発元のリクエスト上限は 256 メディア単位です。video_frames グループは素材インデックスを一つ占めますが、その中の各フレームはこの上限に数えられます。動画の音声を有効にしても、素材は追加されません。
開発元は、JSON Schema または正規表現で制約した最終回答をサポートしています。項目やパターンを定義し、返された値を資料と照合してください。また、共有コンテキストに対して独立したプロンプトを実行する Multilook も文書化されています。これは通常の単一補完のチャットとは別の開発元ワークフローです。
Mk1.5 は、名前、目的、JSON Schemas で記述された、提供済みの関数を選択できます。アプリケーションが提案された呼び出しを実行し、観察結果を返します。身体を伴うタスクやインターフェース操作では、許可する操作と完了条件を定義し、新しい視覚状態やツール結果を次の段階の根拠として使ってください。開発元のプロファイルでは推論量を設定できます。
関数ツールは、JSON Schema または正規表現による出力制約と同じリクエスト内で宣言できません。開発元は、ツールのループを終えてから制約付きの最終回答を要求するよう指示しています。長さによる終了は不完全な出力を意味する場合があるため、結果を使う前に終了理由を確認してください。
有用な成果物は、資料に根拠を持つ場面説明、時刻付き文字起こし、物体アノテーション、根拠付きの操作提案です。形状情報をメディアと照合し、観察された詳細と解釈を区別し、Mk1.5 固有の音声、追跡、ツール機能を、以前の Mk1 の機能とは分けて保持してください。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 perceptron/perceptron-mk1.5 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0003 / 1K トークン 出力 · 出力トークン $0.003 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0003 / 1K トークン 出力 · 出力トークン $0.003 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra perceptron/perceptron-mk1.5
上記に表示されたメソッドパスを使用してください。
perceptron/perceptron-mk1.5Perceptron Mk1.5 は、視覚タスクや身体を伴うタスクに向けて、テキスト、画像、動画、音声を理解します。テキスト、空間・時間アノテーション、物体の追跡情報、関数呼び出しの提案を返します。開発元の仕様では、コンテキストは 36,864 トークン、最大出力は 8,192 トークンです。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Perceptron Mk1.5 は、視覚理解、時間的グラウンディング、身体を持つエージェントのタスクに対応する Perceptron のマルチモーダルモデルです。テキスト、画像、動画、音声を受け取り、テキスト、空間・時間アノテーション、構造化レスポンス、関数呼び出しの内容を返します。開発元の現在の仕様には、36,864 トークンのコンテキストと 8,192 トークンの最大出力が記載されています。この正確な上限は、公開時の記事にある丸めた 32K という説明より具体的です。
主な追加機能は、動画内の物体をタイムスタンプ付きの形状情報として追跡することです。対象を明確に説明し、物体が場面に入る時点、移動先、特定の動作が含まれる区間など、結果から何を明らかにすべきかを指定してください。一人称映像については、開発元が手の追跡とサブタスクへの分割を重視しています。これは、作業者が時間の経過とともに何をしているかを分析するのに役立ちます。
文書化された出力には、空間的な位置付けに使う点、ボックス、ポリゴン、時間区間を表すクリップ、物体の動きを表す track コンテナが含まれます。Track は生成されるアノテーションマークアップ内のコンテナであり、独立したアノテーション形式の値ではありません。Track の経由点はまばらな場合があり、返された追跡情報が元のすべてのフレームのボックスや、物体の連続的な可視性を保証するわけではありません。元のメディアと、座標またはタイムスタンプとの対応を保持し、結果を実際の場面と照合できるようにしてください。
Mk1.5 は、文字起こし、音イベント検出、要約、録音に関する質問など、ネイティブな音声理解を追加しています。開発元は WAV、MP3、FLAC を受け付けます。音声 1 件あたりの上限は 16,384 音声トークンで、文書にある毎分約 750 トークンという換算では約 21.8 分です。音声は他の入力および出力枠とコンテキストを共有するため、1 件あたりの上限に達する前にリクエスト全体のコンテキストが埋まる場合があります。
動画の音声が重要な場合、開発元のワークフローでは動画内の音声を明示的に有効にします。タスクが発話、音イベント、見える場面、それらの関係のどれを対象にするかを指定してください。出力はテキストと構造化内容であり、Mk1.5 は音声を生成しません。文字起こしでは、映像の説明文を文字起こしとして扱わず、指定された言語と時間との対応を保持してください。
開発元は、複数のメディア入力間の比較をサポートしています。各素材にラベルを付け、素材との対応を保持してください。任意の asset_idx は、その会話時点で利用できるメディアの出現箇所を示し、永続的なファイル識別子ではありません。明示または継承されたセレクターがなければ、アノテーションは生成時に最後に利用可能だった素材を参照します。二つのカメラ映像、ページ、録音を比較する場合、これらの規約が重要です。開発元のリクエスト上限は 256 メディア単位です。video_frames グループは素材インデックスを一つ占めますが、その中の各フレームはこの上限に数えられます。動画の音声を有効にしても、素材は追加されません。
開発元は、JSON Schema または正規表現で制約した最終回答をサポートしています。項目やパターンを定義し、返された値を資料と照合してください。また、共有コンテキストに対して独立したプロンプトを実行する Multilook も文書化されています。これは通常の単一補完のチャットとは別の開発元ワークフローです。
Mk1.5 は、名前、目的、JSON Schemas で記述された、提供済みの関数を選択できます。アプリケーションが提案された呼び出しを実行し、観察結果を返します。身体を伴うタスクやインターフェース操作では、許可する操作と完了条件を定義し、新しい視覚状態やツール結果を次の段階の根拠として使ってください。開発元のプロファイルでは推論量を設定できます。
関数ツールは、JSON Schema または正規表現による出力制約と同じリクエスト内で宣言できません。開発元は、ツールのループを終えてから制約付きの最終回答を要求するよう指示しています。長さによる終了は不完全な出力を意味する場合があるため、結果を使う前に終了理由を確認してください。
有用な成果物は、資料に根拠を持つ場面説明、時刻付き文字起こし、物体アノテーション、根拠付きの操作提案です。形状情報をメディアと照合し、観察された詳細と解釈を区別し、Mk1.5 固有の音声、追跡、ツール機能を、以前の Mk1 の機能とは分けて保持してください。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 perceptron/perceptron-mk1.5 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0003 / 1K トークン 出力 · 出力トークン $0.003 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0003 / 1K トークン 出力 · 出力トークン $0.003 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "perceptron/perceptron-mk1.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra perceptron/perceptron-mk1.5
上記に表示されたメソッドパスを使用してください。
英語の技術例
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.