Perceptron Mk1 er Perceptrons modell for bilde- og videoforståelse og resonnering om kroppslig handling. Den analyserer visuelt kildemateriale i lys av et skriftlig spørsmål og returnerer tekst og strukturerte romlige eller tidsmessige annotasjoner. Utviklerens variant har en multimodal kontekst på 32K og en hybrid resonneringsmodus som kan slås av for oppgaver som ikke trenger en synlig tankerekke.
Produsenten utvikler Mk1 for å forklare hendelser over tid, ikke bare merke et enkelt bilde. En sportssekvens, en matlagingsdemonstrasjon eller en operatøroppgave kan gi en strukturert redegjørelse for hva som skjedde og når. Produsenten dokumenterer dynamisk videoanalyse med opptil to bilder per sekund. Dette samplingsoppsettet er forskjellig fra kildevideoens opprinnelige bildefrekvens.
For en oppgave som skal lokalisere en hendelse, beskriver du handlingen og intervallet du trenger. Et eksempel på en instruks er: «Identifiser tidspunktene der gjenstanden plasseres på hyllen, returner tidsintervallene og forklar den synlige dokumentasjonen for hvert av dem.» Hold kildevideoen og tidsreferansene samlet, slik at en klippannotasjon eller et hendelsesintervall kan kontrolleres før en annen applikasjon bruker det.
Mk1 støtter visuell læring i kontekst fra et referansebilde eller en referansevideo, etterfulgt av lokalisering av tilsvarende forekomster i nytt materiale. Definer hva som gjør en forekomst relevant, og behold referanseetiketten. For en sammenligning oppgir du begge mediene og angir kriteriene: objektet, handlingen, tilstanden eller dokumentdetaljen som skal sammenlignes.
Dette er en måte å klargjøre oppgaven gjennom oppgitte eksempler på, og innebærer ikke at en separat finjusteringsprosess har blitt kjørt. Hvis scenene er forskjellige, ber du om at svaret identifiserer hvilken inndatakilde som underbygger hvert funn. En synlig likhet skal holdes atskilt fra en utledet konklusjon om en hendelse.
Produsentens bildefunksjoner omfatter utpeking, telling, tekstgjenkjenning og avlesning av analoge eller digitale instrumenter. For et instrument beholder du skalaen, enhetene og lesbare markeringer; for en telling definerer du området og kategorien. Mk1 henter også ut komplekse dokumenter til HTML, JSON eller Markdown og bevarer forhold i layouten, tabeller og hierarki.
Oppgi et lesbart sidebilde og angi feltene eller spørsmålet. Et nyttig resultat beholder tilknytningen til kilden og skiller uthentet ordlyd fra tolkning. Liten tekst, tildekking og tvetydig visuell dokumentasjon bør tas hensyn til når kilden klargjøres og svaret gjennomgås.
Utvikleren trener punkter, bokser, polygoner, spor og klipp som fullverdige strukturerte utdata ved siden av tekst. Disse annotasjonene kan gi mål, begrensninger, oppgavegrenser eller observert informasjon om suksess eller feil til en omkringliggende arbeidsflyt for robotikk eller analyse. En oppgave med flere kameraer bør merke visningene og bevare tilknytningen mellom hver annotasjon og kilden.
Modellen tolker observasjonene og produserer det kildeforankrede resultatet; applikasjonen eller kontrollsystemet bestemmer hvordan det brukes, og utfører eventuelle fysiske handlinger eller grensesnitthandlinger. Et foreslått mål eller et annotert intervall er forskjellig fra en utført operasjon eller en eksportert mediefil.
Fordel videorepresentasjon, bildeinnhold, instruks, historikk og genererte utdata innenfor konteksten på 32K. Be om den endelige leveransen og dokumentasjonen som fastslår hvert resultat, i stedet for å forvente at en samling uvedkommende kilder skal definere sitt eget mål. Kontroller koordinater, tidsintervaller og uthentede verdier mot originalmediene.
Mk1 beholder sin egen navngitte utgave og visuelle variant. Innebygde lydinndata, de gjeldende forespørselsbegrensningene i Mk1.5 og detaljene i dennes nye verktøy- og sporingsarbeidsflyter skal ikke utledes for denne tidligere utgaven. Den nyttige leveransen er en kontrollerbar scenebeskrivelse, dokumentregistrering eller romlig/tidsmessig annotasjon knyttet til den oppgitte visuelle dokumentasjonen.
", "aboutText": "Perceptron Mk1 er Perceptrons modell for bilde- og videoforståelse og resonnering om kroppslig handling. Den analyserer visuelt kildemateriale i lys av et skriftlig spørsmål og returnerer tekst og strukturerte romlige eller tidsmessige annotasjoner. Utviklerens variant har en multimodal kontekst på 32K og en hybrid resonneringsmodus som kan slås av for oppgaver som ikke trenger en synlig tankerekke.\n\n### Tidsmessig resonnering og forankring\n\nProdusenten utvikler Mk1 for å forklare hendelser over tid, ikke bare merke et enkelt bilde. En sportssekvens, en matlagingsdemonstrasjon eller en operatøroppgave kan gi en strukturert redegjørelse for hva som skjedde og når. Produsenten dokumenterer dynamisk videoanalyse med opptil to bilder per sekund. Dette samplingsoppsettet er forskjellig fra kildevideoens opprinnelige bildefrekvens.\n\nFor en oppgave som skal lokalisere en hendelse, beskriver du handlingen og intervallet du trenger. Et eksempel på en instruks er: «Identifiser tidspunktene der gjenstanden plasseres på hyllen, returner tidsintervallene og forklar den synlige dokumentasjonen for hvert av dem.» Hold kildevideoen og tidsreferansene samlet, slik at en klippannotasjon eller et hendelsesintervall kan kontrolleres før en annen applikasjon bruker det.\n\n### Referanseeksempler og sammenligning\n\nMk1 støtter visuell læring i kontekst fra et referansebilde eller en referansevideo, etterfulgt av lokalisering av tilsvarende forekomster i nytt materiale. Definer hva som gjør en forekomst relevant, og behold referanseetiketten. For en sammenligning oppgir du begge mediene og angir kriteriene: objektet, handlingen, tilstanden eller dokumentdetaljen som skal sammenlignes.\n\nDette er en måte å klargjøre oppgaven gjennom oppgitte eksempler på, og innebærer ikke at en separat finjusteringsprosess har blitt kjørt. Hvis scenene er forskjellige, ber du om at svaret identifiserer hvilken inndatakilde som underbygger hvert funn. En synlig likhet skal holdes atskilt fra en utledet konklusjon om en hendelse.\n\n### Bilde- og dokumentoppgaver\n\nProdusentens bildefunksjoner omfatter utpeking, telling, tekstgjenkjenning og avlesning av analoge eller digitale instrumenter. For et instrument beholder du skalaen, enhetene og lesbare markeringer; for en telling definerer du området og kategorien. Mk1 henter også ut komplekse dokumenter til HTML, JSON eller Markdown og bevarer forhold i layouten, tabeller og hierarki.\n\nOppgi et lesbart sidebilde og angi feltene eller spørsmålet. Et nyttig resultat beholder tilknytningen til kilden og skiller uthentet ordlyd fra tolkning. Liten tekst, tildekking og tvetydig visuell dokumentasjon bør tas hensyn til når kilden klargjøres og svaret gjennomgås.\n\n### Romlige grunnelementer og fysisk arbeid\n\nUtvikleren trener punkter, bokser, polygoner, spor og klipp som fullverdige strukturerte utdata ved siden av tekst. Disse annotasjonene kan gi mål, begrensninger, oppgavegrenser eller observert informasjon om suksess eller feil til en omkringliggende arbeidsflyt for robotikk eller analyse. En oppgave med flere kameraer bør merke visningene og bevare tilknytningen mellom hver annotasjon og kilden.\n\nModellen tolker observasjonene og produserer det kildeforankrede resultatet; applikasjonen eller kontrollsystemet bestemmer hvordan det brukes, og utfører eventuelle fysiske handlinger eller grensesnitthandlinger. Et foreslått mål eller et annotert intervall er forskjellig fra en utført operasjon eller en eksportert mediefil.\n\n### Grenser og utgavens omfang\n\nFordel videorepresentasjon, bildeinnhold, instruks, historikk og genererte utdata innenfor konteksten på 32K. Be om den endelige leveransen og dokumentasjonen som fastslår hvert resultat, i stedet for å forvente at en samling uvedkommende kilder skal definere sitt eget mål. Kontroller koordinater, tidsintervaller og uthentede verdier mot originalmediene.\n\nMk1 beholder sin egen navngitte utgave og visuelle variant. Innebygde lydinndata, de gjeldende forespørselsbegrensningene i Mk1.5 og detaljene i dennes nye verktøy- og sporingsarbeidsflyter skal ikke utledes for denne tidligere utgaven. Den nyttige leveransen er en kontrollerbar scenebeskrivelse, dokumentregistrering eller romlig/tidsmessig annotasjon knyttet til den oppgitte visuelle dokumentasjonen.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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 er Perceptrons bilde- og videomodell for tidsmessig forståelse, romlig forankring og resonnering om kroppslig handling. Den produserer tekst og strukturerte annotasjoner for scener, dokumenter og synlige handlinger, med en multimodal kontekst på 32K og valgfri resonnering.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Perceptron Mk1 er Perceptrons modell for bilde- og videoforståelse og resonnering om kroppslig handling. Den analyserer visuelt kildemateriale i lys av et skriftlig spørsmål og returnerer tekst og strukturerte romlige eller tidsmessige annotasjoner. Utviklerens variant har en multimodal kontekst på 32K og en hybrid resonneringsmodus som kan slås av for oppgaver som ikke trenger en synlig tankerekke.
Produsenten utvikler Mk1 for å forklare hendelser over tid, ikke bare merke et enkelt bilde. En sportssekvens, en matlagingsdemonstrasjon eller en operatøroppgave kan gi en strukturert redegjørelse for hva som skjedde og når. Produsenten dokumenterer dynamisk videoanalyse med opptil to bilder per sekund. Dette samplingsoppsettet er forskjellig fra kildevideoens opprinnelige bildefrekvens.
For en oppgave som skal lokalisere en hendelse, beskriver du handlingen og intervallet du trenger. Et eksempel på en instruks er: «Identifiser tidspunktene der gjenstanden plasseres på hyllen, returner tidsintervallene og forklar den synlige dokumentasjonen for hvert av dem.» Hold kildevideoen og tidsreferansene samlet, slik at en klippannotasjon eller et hendelsesintervall kan kontrolleres før en annen applikasjon bruker det.
Mk1 støtter visuell læring i kontekst fra et referansebilde eller en referansevideo, etterfulgt av lokalisering av tilsvarende forekomster i nytt materiale. Definer hva som gjør en forekomst relevant, og behold referanseetiketten. For en sammenligning oppgir du begge mediene og angir kriteriene: objektet, handlingen, tilstanden eller dokumentdetaljen som skal sammenlignes.
Dette er en måte å klargjøre oppgaven gjennom oppgitte eksempler på, og innebærer ikke at en separat finjusteringsprosess har blitt kjørt. Hvis scenene er forskjellige, ber du om at svaret identifiserer hvilken inndatakilde som underbygger hvert funn. En synlig likhet skal holdes atskilt fra en utledet konklusjon om en hendelse.
Produsentens bildefunksjoner omfatter utpeking, telling, tekstgjenkjenning og avlesning av analoge eller digitale instrumenter. For et instrument beholder du skalaen, enhetene og lesbare markeringer; for en telling definerer du området og kategorien. Mk1 henter også ut komplekse dokumenter til HTML, JSON eller Markdown og bevarer forhold i layouten, tabeller og hierarki.
Oppgi et lesbart sidebilde og angi feltene eller spørsmålet. Et nyttig resultat beholder tilknytningen til kilden og skiller uthentet ordlyd fra tolkning. Liten tekst, tildekking og tvetydig visuell dokumentasjon bør tas hensyn til når kilden klargjøres og svaret gjennomgås.
Utvikleren trener punkter, bokser, polygoner, spor og klipp som fullverdige strukturerte utdata ved siden av tekst. Disse annotasjonene kan gi mål, begrensninger, oppgavegrenser eller observert informasjon om suksess eller feil til en omkringliggende arbeidsflyt for robotikk eller analyse. En oppgave med flere kameraer bør merke visningene og bevare tilknytningen mellom hver annotasjon og kilden.
Modellen tolker observasjonene og produserer det kildeforankrede resultatet; applikasjonen eller kontrollsystemet bestemmer hvordan det brukes, og utfører eventuelle fysiske handlinger eller grensesnitthandlinger. Et foreslått mål eller et annotert intervall er forskjellig fra en utført operasjon eller en eksportert mediefil.
Fordel videorepresentasjon, bildeinnhold, instruks, historikk og genererte utdata innenfor konteksten på 32K. Be om den endelige leveransen og dokumentasjonen som fastslår hvert resultat, i stedet for å forvente at en samling uvedkommende kilder skal definere sitt eget mål. Kontroller koordinater, tidsintervaller og uthentede verdier mot originalmediene.
Mk1 beholder sin egen navngitte utgave og visuelle variant. Innebygde lydinndata, de gjeldende forespørselsbegrensningene i Mk1.5 og detaljene i dennes nye verktøy- og sporingsarbeidsflyter skal ikke utledes for denne tidligere utgaven. Den nyttige leveransen er en kontrollerbar scenebeskrivelse, dokumentregistrering eller romlig/tidsmessig annotasjon knyttet til den oppgitte visuelle dokumentasjonen.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser perceptron/perceptron-mk1 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0003 / 1K tokener Utdata · Utgående tokener $0.003 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0003 / 1K tokener Utdata · Utgående tokener $0.003 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra perceptron/perceptron-mk1
Bruk metodestiene som vises ovenfor.
perceptron/perceptron-mk1Perceptron Mk1 er Perceptrons bilde- og videomodell for tidsmessig forståelse, romlig forankring og resonnering om kroppslig handling. Den produserer tekst og strukturerte annotasjoner for scener, dokumenter og synlige handlinger, med en multimodal kontekst på 32K og valgfri resonnering.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Perceptron Mk1 er Perceptrons modell for bilde- og videoforståelse og resonnering om kroppslig handling. Den analyserer visuelt kildemateriale i lys av et skriftlig spørsmål og returnerer tekst og strukturerte romlige eller tidsmessige annotasjoner. Utviklerens variant har en multimodal kontekst på 32K og en hybrid resonneringsmodus som kan slås av for oppgaver som ikke trenger en synlig tankerekke.
Produsenten utvikler Mk1 for å forklare hendelser over tid, ikke bare merke et enkelt bilde. En sportssekvens, en matlagingsdemonstrasjon eller en operatøroppgave kan gi en strukturert redegjørelse for hva som skjedde og når. Produsenten dokumenterer dynamisk videoanalyse med opptil to bilder per sekund. Dette samplingsoppsettet er forskjellig fra kildevideoens opprinnelige bildefrekvens.
For en oppgave som skal lokalisere en hendelse, beskriver du handlingen og intervallet du trenger. Et eksempel på en instruks er: «Identifiser tidspunktene der gjenstanden plasseres på hyllen, returner tidsintervallene og forklar den synlige dokumentasjonen for hvert av dem.» Hold kildevideoen og tidsreferansene samlet, slik at en klippannotasjon eller et hendelsesintervall kan kontrolleres før en annen applikasjon bruker det.
Mk1 støtter visuell læring i kontekst fra et referansebilde eller en referansevideo, etterfulgt av lokalisering av tilsvarende forekomster i nytt materiale. Definer hva som gjør en forekomst relevant, og behold referanseetiketten. For en sammenligning oppgir du begge mediene og angir kriteriene: objektet, handlingen, tilstanden eller dokumentdetaljen som skal sammenlignes.
Dette er en måte å klargjøre oppgaven gjennom oppgitte eksempler på, og innebærer ikke at en separat finjusteringsprosess har blitt kjørt. Hvis scenene er forskjellige, ber du om at svaret identifiserer hvilken inndatakilde som underbygger hvert funn. En synlig likhet skal holdes atskilt fra en utledet konklusjon om en hendelse.
Produsentens bildefunksjoner omfatter utpeking, telling, tekstgjenkjenning og avlesning av analoge eller digitale instrumenter. For et instrument beholder du skalaen, enhetene og lesbare markeringer; for en telling definerer du området og kategorien. Mk1 henter også ut komplekse dokumenter til HTML, JSON eller Markdown og bevarer forhold i layouten, tabeller og hierarki.
Oppgi et lesbart sidebilde og angi feltene eller spørsmålet. Et nyttig resultat beholder tilknytningen til kilden og skiller uthentet ordlyd fra tolkning. Liten tekst, tildekking og tvetydig visuell dokumentasjon bør tas hensyn til når kilden klargjøres og svaret gjennomgås.
Utvikleren trener punkter, bokser, polygoner, spor og klipp som fullverdige strukturerte utdata ved siden av tekst. Disse annotasjonene kan gi mål, begrensninger, oppgavegrenser eller observert informasjon om suksess eller feil til en omkringliggende arbeidsflyt for robotikk eller analyse. En oppgave med flere kameraer bør merke visningene og bevare tilknytningen mellom hver annotasjon og kilden.
Modellen tolker observasjonene og produserer det kildeforankrede resultatet; applikasjonen eller kontrollsystemet bestemmer hvordan det brukes, og utfører eventuelle fysiske handlinger eller grensesnitthandlinger. Et foreslått mål eller et annotert intervall er forskjellig fra en utført operasjon eller en eksportert mediefil.
Fordel videorepresentasjon, bildeinnhold, instruks, historikk og genererte utdata innenfor konteksten på 32K. Be om den endelige leveransen og dokumentasjonen som fastslår hvert resultat, i stedet for å forvente at en samling uvedkommende kilder skal definere sitt eget mål. Kontroller koordinater, tidsintervaller og uthentede verdier mot originalmediene.
Mk1 beholder sin egen navngitte utgave og visuelle variant. Innebygde lydinndata, de gjeldende forespørselsbegrensningene i Mk1.5 og detaljene i dennes nye verktøy- og sporingsarbeidsflyter skal ikke utledes for denne tidligere utgaven. Den nyttige leveransen er en kontrollerbar scenebeskrivelse, dokumentregistrering eller romlig/tidsmessig annotasjon knyttet til den oppgitte visuelle dokumentasjonen.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser perceptron/perceptron-mk1 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0003 / 1K tokener Utdata · Utgående tokener $0.003 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0003 / 1K tokener Utdata · Utgående tokener $0.003 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "perceptron/perceptron-mk1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra perceptron/perceptron-mk1
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
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.