Perceptron Mk1.5는 시각적 이해, 시간적 그라운딩, 체화 에이전트 작업을 위한 Perceptron의 멀티모달 모델입니다. 텍스트, 이미지, 영상, 오디오를 입력받아 텍스트, 공간 또는 시간 주석, 구조화된 응답, 함수 호출 내용을 반환합니다. 현재 제작사 사양에는 36,864토큰 컨텍스트와 최대 8,192토큰 출력이 명시되어 있습니다. 이 정확한 한도는 출시 글의 반올림된 32K 설명보다 구체적입니다.
주요 추가 기능은 영상을 따라 객체를 타임스탬프가 있는 기하 정보로 추적하는 것입니다. 대상을 명확히 설명하고, 물체가 장면에 들어오는 시점, 이동하는 위치, 특정 행동이 나타나는 구간처럼 결과에서 확인할 사항을 명시하세요. 제작사는 1인칭 영상에서 손 추적과 하위 작업별 분할을 강조하며, 이는 시간에 따른 작업자의 행동을 분석하는 데 유용합니다.
문서화된 출력에는 공간적 그라운딩을 위한 점, 상자, 다각형, 시간 구간을 위한 클립, 객체 이동을 위한 track 컨테이너가 있습니다. Track은 생성된 주석 마크업의 컨테이너이며 별도의 주석 형식 값이 아닙니다. Track의 경유점은 드문드문 제공될 수 있습니다. 반환된 track이 모든 원본 프레임에 대한 상자나 객체의 지속적인 가시성을 보장하지는 않습니다. 결과를 실제 장면과 대조할 수 있도록 원본 미디어와 좌표 또는 타임스탬프의 연결을 유지하세요.
Mk1.5는 전사, 소리 이벤트 감지, 요약, 녹음에 관한 질문을 포함한 네이티브 오디오 이해를 추가합니다. 제작사는 WAV, MP3, FLAC를 허용합니다. 개별 오디오 항목의 한도는 16,384 오디오 토큰이며, 문서화된 분당 약 750토큰 기준으로 약 21.8분입니다. 오디오는 다른 입력 및 출력 예산과 컨텍스트를 공유하므로 요청이 이 개별 항목 한도에 도달하기 전에 컨텍스트를 채울 수 있습니다.
영상의 사운드트랙이 중요할 때 제작사의 워크플로는 영상 내 오디오를 명시적으로 활성화합니다. 작업이 음성, 소리 이벤트, 눈에 보이는 장면 또는 이들의 관계 중 무엇을 다루는지 명시하세요. 출력은 텍스트와 구조화된 내용이며 Mk1.5는 음성 오디오를 생성하지 않습니다. 전사에서는 시각적 캡션을 전사문으로 취급하지 말고 요청한 언어와 시간 연결을 유지하세요.
제작사는 여러 미디어 입력 간 비교를 지원합니다. 항목에 라벨을 붙이고 에셋과의 연결을 유지하세요. 선택 항목인 asset_idx는 영구적인 파일 식별자가 아니라 대화의 해당 시점에 사용할 수 있는 미디어의 한 출현을 식별합니다. 명시적이거나 상속된 선택자가 없으면 주석은 생성 시점에 마지막으로 사용 가능한 에셋을 참조합니다. 두 카메라, 페이지, 녹음을 비교하는 작업에서는 이 규칙이 중요합니다. 제작사의 요청 한도는 256 미디어 단위입니다. video_frames 그룹의 각 프레임은 이 한도에 포함되지만 그룹은 하나의 에셋 인덱스를 차지합니다. 영상의 사운드트랙을 활성화해도 에셋이 하나 더 추가되지는 않습니다.
제작사는 JSON Schema 또는 정규식으로 제한된 최종 응답을 지원합니다. 필드나 패턴을 정의하고 반환값을 원본과 대조하세요. 또한 공유 컨텍스트에 독립적인 프롬프트를 적용하는 Multilook을 문서화하며, 이는 일반적인 단일 응답 채팅과 별개의 제작사 워크플로입니다.
Mk1.5는 이름, 목적, JSON Schemas로 설명된 제공 함수를 선택할 수 있습니다. 애플리케이션이 제안된 호출을 실행하고 관찰 결과를 반환합니다. 체화 작업이나 인터페이스 작업의 허용 동작과 완료 기준을 정의한 뒤, 새로운 시각적 상태나 도구 결과를 다음 단계의 근거로 사용하세요. 제작사 프로필에서 추론 강도를 설정할 수 있습니다.
함수 도구는 JSON Schema 또는 정규식으로 제한된 출력과 같은 요청에 선언할 수 없습니다. 제작사는 도구 루프 이후에 제약된 최종 답변을 요청하도록 안내합니다. 길이로 인한 종료는 불완전한 출력을 의미할 수 있으므로 결과를 사용하기 전에 종료 사유를 확인하세요.
유용한 산출물은 근거에 연결된 장면 설명, 시간이 표시된 전사문, 객체 주석, 근거가 있는 행동 제안입니다. 기하 정보를 미디어와 대조하고 관찰한 세부 사항과 해석을 구분하며, Mk1.5의 정확한 오디오, 추적, 도구 기능을 이전 Mk1 버전과 별개로 유지하세요.
", "aboutText": "Perceptron Mk1.5는 시각적 이해, 시간적 그라운딩, 체화 에이전트 작업을 위한 Perceptron의 멀티모달 모델입니다. 텍스트, 이미지, 영상, 오디오를 입력받아 텍스트, 공간 또는 시간 주석, 구조화된 응답, 함수 호출 내용을 반환합니다. 현재 제작사 사양에는 36,864토큰 컨텍스트와 최대 8,192토큰 출력이 명시되어 있습니다. 이 정확한 한도는 출시 글의 반올림된 32K 설명보다 구체적입니다.\n\n### 영상과 객체 추적\n\n주요 추가 기능은 영상을 따라 객체를 타임스탬프가 있는 기하 정보로 추적하는 것입니다. 대상을 명확히 설명하고, 물체가 장면에 들어오는 시점, 이동하는 위치, 특정 행동이 나타나는 구간처럼 결과에서 확인할 사항을 명시하세요. 제작사는 1인칭 영상에서 손 추적과 하위 작업별 분할을 강조하며, 이는 시간에 따른 작업자의 행동을 분석하는 데 유용합니다.\n\n문서화된 출력에는 공간적 그라운딩을 위한 점, 상자, 다각형, 시간 구간을 위한 클립, 객체 이동을 위한 track 컨테이너가 있습니다. Track은 생성된 주석 마크업의 컨테이너이며 별도의 주석 형식 값이 아닙니다. Track의 경유점은 드문드문 제공될 수 있습니다. 반환된 track이 모든 원본 프레임에 대한 상자나 객체의 지속적인 가시성을 보장하지는 않습니다. 결과를 실제 장면과 대조할 수 있도록 원본 미디어와 좌표 또는 타임스탬프의 연결을 유지하세요.\n\n### 오디오와 복합 근거\n\nMk1.5는 전사, 소리 이벤트 감지, 요약, 녹음에 관한 질문을 포함한 네이티브 오디오 이해를 추가합니다. 제작사는 WAV, MP3, FLAC를 허용합니다. 개별 오디오 항목의 한도는 16,384 오디오 토큰이며, 문서화된 분당 약 750토큰 기준으로 약 21.8분입니다. 오디오는 다른 입력 및 출력 예산과 컨텍스트를 공유하므로 요청이 이 개별 항목 한도에 도달하기 전에 컨텍스트를 채울 수 있습니다.\n\n영상의 사운드트랙이 중요할 때 제작사의 워크플로는 영상 내 오디오를 명시적으로 활성화합니다. 작업이 음성, 소리 이벤트, 눈에 보이는 장면 또는 이들의 관계 중 무엇을 다루는지 명시하세요. 출력은 텍스트와 구조화된 내용이며 Mk1.5는 음성 오디오를 생성하지 않습니다. 전사에서는 시각적 캡션을 전사문으로 취급하지 말고 요청한 언어와 시간 연결을 유지하세요.\n\n### 여러 에셋과 구조화된 답변\n\n제작사는 여러 미디어 입력 간 비교를 지원합니다. 항목에 라벨을 붙이고 에셋과의 연결을 유지하세요. 선택 항목인 asset_idx는 영구적인 파일 식별자가 아니라 대화의 해당 시점에 사용할 수 있는 미디어의 한 출현을 식별합니다. 명시적이거나 상속된 선택자가 없으면 주석은 생성 시점에 마지막으로 사용 가능한 에셋을 참조합니다. 두 카메라, 페이지, 녹음을 비교하는 작업에서는 이 규칙이 중요합니다. 제작사의 요청 한도는 256 미디어 단위입니다. video_frames 그룹의 각 프레임은 이 한도에 포함되지만 그룹은 하나의 에셋 인덱스를 차지합니다. 영상의 사운드트랙을 활성화해도 에셋이 하나 더 추가되지는 않습니다.\n\n제작사는 JSON Schema 또는 정규식으로 제한된 최종 응답을 지원합니다. 필드나 패턴을 정의하고 반환값을 원본과 대조하세요. 또한 공유 컨텍스트에 독립적인 프롬프트를 적용하는 Multilook을 문서화하며, 이는 일반적인 단일 응답 채팅과 별개의 제작사 워크플로입니다.\n\n### 함수와 추론\n\nMk1.5는 이름, 목적, JSON Schemas로 설명된 제공 함수를 선택할 수 있습니다. 애플리케이션이 제안된 호출을 실행하고 관찰 결과를 반환합니다. 체화 작업이나 인터페이스 작업의 허용 동작과 완료 기준을 정의한 뒤, 새로운 시각적 상태나 도구 결과를 다음 단계의 근거로 사용하세요. 제작사 프로필에서 추론 강도를 설정할 수 있습니다.\n\n함수 도구는 JSON Schema 또는 정규식으로 제한된 출력과 같은 요청에 선언할 수 없습니다. 제작사는 도구 루프 이후에 제약된 최종 답변을 요청하도록 안내합니다. 길이로 인한 종료는 불완전한 출력을 의미할 수 있으므로 결과를 사용하기 전에 종료 사유를 확인하세요.\n\n유용한 산출물은 근거에 연결된 장면 설명, 시간이 표시된 전사문, 객체 주석, 근거가 있는 행동 제안입니다. 기하 정보를 미디어와 대조하고 관찰한 세부 사항과 해석을 구분하며, Mk1.5의 정확한 오디오, 추적, 도구 기능을 이전 Mk1 버전과 별개로 유지하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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 Mk1.5는 시각 및 체화 작업을 위해 텍스트, 이미지, 영상, 오디오를 이해합니다. 텍스트, 공간 또는 시간 주석, 객체 추적, 제안된 함수 호출을 반환하며, 제작사 기준 36,864토큰 컨텍스트와 최대 8,192토큰 출력을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Perceptron Mk1.5는 시각적 이해, 시간적 그라운딩, 체화 에이전트 작업을 위한 Perceptron의 멀티모달 모델입니다. 텍스트, 이미지, 영상, 오디오를 입력받아 텍스트, 공간 또는 시간 주석, 구조화된 응답, 함수 호출 내용을 반환합니다. 현재 제작사 사양에는 36,864토큰 컨텍스트와 최대 8,192토큰 출력이 명시되어 있습니다. 이 정확한 한도는 출시 글의 반올림된 32K 설명보다 구체적입니다.
주요 추가 기능은 영상을 따라 객체를 타임스탬프가 있는 기하 정보로 추적하는 것입니다. 대상을 명확히 설명하고, 물체가 장면에 들어오는 시점, 이동하는 위치, 특정 행동이 나타나는 구간처럼 결과에서 확인할 사항을 명시하세요. 제작사는 1인칭 영상에서 손 추적과 하위 작업별 분할을 강조하며, 이는 시간에 따른 작업자의 행동을 분석하는 데 유용합니다.
문서화된 출력에는 공간적 그라운딩을 위한 점, 상자, 다각형, 시간 구간을 위한 클립, 객체 이동을 위한 track 컨테이너가 있습니다. Track은 생성된 주석 마크업의 컨테이너이며 별도의 주석 형식 값이 아닙니다. Track의 경유점은 드문드문 제공될 수 있습니다. 반환된 track이 모든 원본 프레임에 대한 상자나 객체의 지속적인 가시성을 보장하지는 않습니다. 결과를 실제 장면과 대조할 수 있도록 원본 미디어와 좌표 또는 타임스탬프의 연결을 유지하세요.
Mk1.5는 전사, 소리 이벤트 감지, 요약, 녹음에 관한 질문을 포함한 네이티브 오디오 이해를 추가합니다. 제작사는 WAV, MP3, FLAC를 허용합니다. 개별 오디오 항목의 한도는 16,384 오디오 토큰이며, 문서화된 분당 약 750토큰 기준으로 약 21.8분입니다. 오디오는 다른 입력 및 출력 예산과 컨텍스트를 공유하므로 요청이 이 개별 항목 한도에 도달하기 전에 컨텍스트를 채울 수 있습니다.
영상의 사운드트랙이 중요할 때 제작사의 워크플로는 영상 내 오디오를 명시적으로 활성화합니다. 작업이 음성, 소리 이벤트, 눈에 보이는 장면 또는 이들의 관계 중 무엇을 다루는지 명시하세요. 출력은 텍스트와 구조화된 내용이며 Mk1.5는 음성 오디오를 생성하지 않습니다. 전사에서는 시각적 캡션을 전사문으로 취급하지 말고 요청한 언어와 시간 연결을 유지하세요.
제작사는 여러 미디어 입력 간 비교를 지원합니다. 항목에 라벨을 붙이고 에셋과의 연결을 유지하세요. 선택 항목인 asset_idx는 영구적인 파일 식별자가 아니라 대화의 해당 시점에 사용할 수 있는 미디어의 한 출현을 식별합니다. 명시적이거나 상속된 선택자가 없으면 주석은 생성 시점에 마지막으로 사용 가능한 에셋을 참조합니다. 두 카메라, 페이지, 녹음을 비교하는 작업에서는 이 규칙이 중요합니다. 제작사의 요청 한도는 256 미디어 단위입니다. video_frames 그룹의 각 프레임은 이 한도에 포함되지만 그룹은 하나의 에셋 인덱스를 차지합니다. 영상의 사운드트랙을 활성화해도 에셋이 하나 더 추가되지는 않습니다.
제작사는 JSON Schema 또는 정규식으로 제한된 최종 응답을 지원합니다. 필드나 패턴을 정의하고 반환값을 원본과 대조하세요. 또한 공유 컨텍스트에 독립적인 프롬프트를 적용하는 Multilook을 문서화하며, 이는 일반적인 단일 응답 채팅과 별개의 제작사 워크플로입니다.
Mk1.5는 이름, 목적, JSON Schemas로 설명된 제공 함수를 선택할 수 있습니다. 애플리케이션이 제안된 호출을 실행하고 관찰 결과를 반환합니다. 체화 작업이나 인터페이스 작업의 허용 동작과 완료 기준을 정의한 뒤, 새로운 시각적 상태나 도구 결과를 다음 단계의 근거로 사용하세요. 제작사 프로필에서 추론 강도를 설정할 수 있습니다.
함수 도구는 JSON Schema 또는 정규식으로 제한된 출력과 같은 요청에 선언할 수 없습니다. 제작사는 도구 루프 이후에 제약된 최종 답변을 요청하도록 안내합니다. 길이로 인한 종료는 불완전한 출력을 의미할 수 있으므로 결과를 사용하기 전에 종료 사유를 확인하세요.
유용한 산출물은 근거에 연결된 장면 설명, 시간이 표시된 전사문, 객체 주석, 근거가 있는 행동 제안입니다. 기하 정보를 미디어와 대조하고 관찰한 세부 사항과 해석을 구분하며, Mk1.5의 정확한 오디오, 추적, 도구 기능을 이전 Mk1 버전과 별개로 유지하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 perceptron/perceptron-mk1.5 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra perceptron/perceptron-mk1.5
위에 표시된 메서드 경로를 사용하세요.
perceptron/perceptron-mk1.5Perceptron Mk1.5는 시각 및 체화 작업을 위해 텍스트, 이미지, 영상, 오디오를 이해합니다. 텍스트, 공간 또는 시간 주석, 객체 추적, 제안된 함수 호출을 반환하며, 제작사 기준 36,864토큰 컨텍스트와 최대 8,192토큰 출력을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Perceptron Mk1.5는 시각적 이해, 시간적 그라운딩, 체화 에이전트 작업을 위한 Perceptron의 멀티모달 모델입니다. 텍스트, 이미지, 영상, 오디오를 입력받아 텍스트, 공간 또는 시간 주석, 구조화된 응답, 함수 호출 내용을 반환합니다. 현재 제작사 사양에는 36,864토큰 컨텍스트와 최대 8,192토큰 출력이 명시되어 있습니다. 이 정확한 한도는 출시 글의 반올림된 32K 설명보다 구체적입니다.
주요 추가 기능은 영상을 따라 객체를 타임스탬프가 있는 기하 정보로 추적하는 것입니다. 대상을 명확히 설명하고, 물체가 장면에 들어오는 시점, 이동하는 위치, 특정 행동이 나타나는 구간처럼 결과에서 확인할 사항을 명시하세요. 제작사는 1인칭 영상에서 손 추적과 하위 작업별 분할을 강조하며, 이는 시간에 따른 작업자의 행동을 분석하는 데 유용합니다.
문서화된 출력에는 공간적 그라운딩을 위한 점, 상자, 다각형, 시간 구간을 위한 클립, 객체 이동을 위한 track 컨테이너가 있습니다. Track은 생성된 주석 마크업의 컨테이너이며 별도의 주석 형식 값이 아닙니다. Track의 경유점은 드문드문 제공될 수 있습니다. 반환된 track이 모든 원본 프레임에 대한 상자나 객체의 지속적인 가시성을 보장하지는 않습니다. 결과를 실제 장면과 대조할 수 있도록 원본 미디어와 좌표 또는 타임스탬프의 연결을 유지하세요.
Mk1.5는 전사, 소리 이벤트 감지, 요약, 녹음에 관한 질문을 포함한 네이티브 오디오 이해를 추가합니다. 제작사는 WAV, MP3, FLAC를 허용합니다. 개별 오디오 항목의 한도는 16,384 오디오 토큰이며, 문서화된 분당 약 750토큰 기준으로 약 21.8분입니다. 오디오는 다른 입력 및 출력 예산과 컨텍스트를 공유하므로 요청이 이 개별 항목 한도에 도달하기 전에 컨텍스트를 채울 수 있습니다.
영상의 사운드트랙이 중요할 때 제작사의 워크플로는 영상 내 오디오를 명시적으로 활성화합니다. 작업이 음성, 소리 이벤트, 눈에 보이는 장면 또는 이들의 관계 중 무엇을 다루는지 명시하세요. 출력은 텍스트와 구조화된 내용이며 Mk1.5는 음성 오디오를 생성하지 않습니다. 전사에서는 시각적 캡션을 전사문으로 취급하지 말고 요청한 언어와 시간 연결을 유지하세요.
제작사는 여러 미디어 입력 간 비교를 지원합니다. 항목에 라벨을 붙이고 에셋과의 연결을 유지하세요. 선택 항목인 asset_idx는 영구적인 파일 식별자가 아니라 대화의 해당 시점에 사용할 수 있는 미디어의 한 출현을 식별합니다. 명시적이거나 상속된 선택자가 없으면 주석은 생성 시점에 마지막으로 사용 가능한 에셋을 참조합니다. 두 카메라, 페이지, 녹음을 비교하는 작업에서는 이 규칙이 중요합니다. 제작사의 요청 한도는 256 미디어 단위입니다. video_frames 그룹의 각 프레임은 이 한도에 포함되지만 그룹은 하나의 에셋 인덱스를 차지합니다. 영상의 사운드트랙을 활성화해도 에셋이 하나 더 추가되지는 않습니다.
제작사는 JSON Schema 또는 정규식으로 제한된 최종 응답을 지원합니다. 필드나 패턴을 정의하고 반환값을 원본과 대조하세요. 또한 공유 컨텍스트에 독립적인 프롬프트를 적용하는 Multilook을 문서화하며, 이는 일반적인 단일 응답 채팅과 별개의 제작사 워크플로입니다.
Mk1.5는 이름, 목적, JSON Schemas로 설명된 제공 함수를 선택할 수 있습니다. 애플리케이션이 제안된 호출을 실행하고 관찰 결과를 반환합니다. 체화 작업이나 인터페이스 작업의 허용 동작과 완료 기준을 정의한 뒤, 새로운 시각적 상태나 도구 결과를 다음 단계의 근거로 사용하세요. 제작사 프로필에서 추론 강도를 설정할 수 있습니다.
함수 도구는 JSON Schema 또는 정규식으로 제한된 출력과 같은 요청에 선언할 수 없습니다. 제작사는 도구 루프 이후에 제약된 최종 답변을 요청하도록 안내합니다. 길이로 인한 종료는 불완전한 출력을 의미할 수 있으므로 결과를 사용하기 전에 종료 사유를 확인하세요.
유용한 산출물은 근거에 연결된 장면 설명, 시간이 표시된 전사문, 객체 주석, 근거가 있는 행동 제안입니다. 기하 정보를 미디어와 대조하고 관찰한 세부 사항과 해석을 구분하며, Mk1.5의 정확한 오디오, 추적, 도구 기능을 이전 Mk1 버전과 별개로 유지하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 perceptron/perceptron-mk1.5 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "perceptron/perceptron-mk1.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra perceptron/perceptron-mk1.5
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.