Perceptron Mk1.5 is het multimodale model van Perceptron voor visueel begrip, het koppelen van informatie aan tijdstippen en taken van belichaamde agents. Het accepteert tekst, afbeeldingen, video en audio en geeft tekst, ruimtelijke of temporele annotaties, gestructureerde antwoorden en inhoud voor functieaanroepen terug. De huidige specificatie van de ontwikkelaar vermeldt een context van 36.864 tokens en een maximale uitvoer van 8.192 tokens; die exacte limieten zijn preciezer dan de afgeronde beschrijving van 32K in het lanceringsartikel.
Een kenmerkende toevoeging is het volgen van objecten doorheen video als geometrie met tijdstempels. Beschrijf het te volgen object duidelijk en geef aan wat het resultaat moet vaststellen, bijvoorbeeld wanneer een voorwerp in beeld komt, waar het naartoe beweegt of welk interval een bepaalde handeling bevat. Voor beelden vanuit het perspectief van de uitvoerder benadrukt de aanbieder het volgen van handen en de opsplitsing in deeltaken, wat nuttig is om te analyseren wat iemand in de loop van de tijd doet.
De gedocumenteerde uitvoervormen omvatten punten, kaders en veelhoeken voor ruimtelijke lokalisatie, clips voor tijdsintervallen en track-containers voor objectbeweging. Track is een container in gegenereerde annotatiemarkup en geen afzonderlijke waarde voor het annotatieformaat. De tussenpunten van een traject kunnen schaars zijn: een teruggegeven traject garandeert niet voor elk bronframe een kader of voortdurende zichtbaarheid van het object. Bewaar de oorspronkelijke media en de koppeling met coördinaten of tijdstempels, zodat die resultaten aan de werkelijke scène kunnen worden getoetst.
Mk1.5 voegt ingebouwd audiobegrip toe, waaronder transcriptie, detectie van geluidsgebeurtenissen, samenvattingen en vragen over een opname. De aanbieder accepteert WAV, MP3 en FLAC. De audiolimiet per item bedraagt 16.384 audiotokens, ongeveer 21,8 minuten bij de gedocumenteerde snelheid van ongeveer 750 tokens per minuut. Audio deelt de context met andere invoer en het uitvoerbudget, waardoor een aanvraag de context al kan vullen voordat die limiet per item is bereikt.
Voor een video waarbij de geluidsband van belang is, schakelt de werkwijze van de ontwikkelaar audio in video expliciet in. Geef aan of de taak betrekking heeft op spraak, een geluidsgebeurtenis, de zichtbare scène of hun onderlinge verband. De uitvoer bestaat uit tekst en gestructureerde inhoud; Mk1.5 genereert geen spraakaudio. Behoud bij transcriptie de gevraagde taal en de koppeling met tijdstippen in plaats van een visueel bijschrift als een transcript te behandelen.
De aanbieder ondersteunt vergelijkingen tussen media-invoer. Label de items en behoud de koppeling met de mediabestanden. De optionele asset_idx identificeert een specifieke instantie van een media-item die op dat moment in de conversatie beschikbaar is, en geen blijvende bestandsidentificatie. Als er geen expliciete of overgenomen selector aanwezig is, verwijst een annotatie naar het laatste beschikbare media-item op het moment van genereren. Die conventies zijn van belang bij een vergelijking van twee camera's, pagina's of opnames. De aanvraaglimiet van de aanbieder is 256 media-eenheden. Elk frame in een video_frames-groep telt mee voor die limiet, hoewel de groep één media-index inneemt; het inschakelen van de geluidsband van een video voegt geen extra media-item toe.
De ontwikkelaar ondersteunt definitieve antwoorden die door JSON Schema of een regex worden begrensd. Definieer de velden of het patroon en controleer de teruggegeven waarden aan de hand van de bron. De ontwikkelaar documenteert ook Multilook voor onafhankelijke prompts over gedeelde context, een afzonderlijke werkwijze van de aanbieder naast gewone chat met één completion.
Mk1.5 kan kiezen uit aangeleverde functies die met namen, doelen en JSON Schemas worden beschreven. De toepassing voert de voorgestelde aanroepen uit en geeft waarnemingen terug. Bepaal toegestane acties en een voltooiingscriterium voor een belichaamde taak of interfacetaak en gebruik vervolgens de nieuwe visuele toestand of het toolresultaat als bewijs voor de volgende stap. De redeneerinspanning is instelbaar in de variant van de aanbieder.
Functietools kunnen niet in dezelfde aanvraag worden gedeclareerd als uitvoer die door JSON Schema of een regex wordt begrensd; de ontwikkelaar schrijft voor om na de toollus een begrensd definitief antwoord te vragen. Controleer de beëindigingsreden voordat je het resultaat gebruikt, want beëindiging wegens lengte kan op onvolledige uitvoer wijzen.
Een bruikbaar resultaat is een op bronmateriaal gebaseerde scène-uitleg, een transcript met tijdsaanduidingen, een objectannotatie of een door bewijs ondersteund actievoorstel. Controleer de geometrie aan de hand van de media, houd waargenomen details gescheiden van interpretatie en bewaar de exacte audio-, tracking- en toolmogelijkheden van Mk1.5 afzonderlijk van de eerdere Mk1-editie.
", "aboutText": "Perceptron Mk1.5 is het multimodale model van Perceptron voor visueel begrip, het koppelen van informatie aan tijdstippen en taken van belichaamde agents. Het accepteert tekst, afbeeldingen, video en audio en geeft tekst, ruimtelijke of temporele annotaties, gestructureerde antwoorden en inhoud voor functieaanroepen terug. De huidige specificatie van de ontwikkelaar vermeldt een context van 36.864 tokens en een maximale uitvoer van 8.192 tokens; die exacte limieten zijn preciezer dan de afgeronde beschrijving van 32K in het lanceringsartikel.\n\n### Video en objecttracking\n\nEen kenmerkende toevoeging is het volgen van objecten doorheen video als geometrie met tijdstempels. Beschrijf het te volgen object duidelijk en geef aan wat het resultaat moet vaststellen, bijvoorbeeld wanneer een voorwerp in beeld komt, waar het naartoe beweegt of welk interval een bepaalde handeling bevat. Voor beelden vanuit het perspectief van de uitvoerder benadrukt de aanbieder het volgen van handen en de opsplitsing in deeltaken, wat nuttig is om te analyseren wat iemand in de loop van de tijd doet.\n\nDe gedocumenteerde uitvoervormen omvatten punten, kaders en veelhoeken voor ruimtelijke lokalisatie, clips voor tijdsintervallen en track-containers voor objectbeweging. Track is een container in gegenereerde annotatiemarkup en geen afzonderlijke waarde voor het annotatieformaat. De tussenpunten van een traject kunnen schaars zijn: een teruggegeven traject garandeert niet voor elk bronframe een kader of voortdurende zichtbaarheid van het object. Bewaar de oorspronkelijke media en de koppeling met coördinaten of tijdstempels, zodat die resultaten aan de werkelijke scène kunnen worden getoetst.\n\n### Audio en gecombineerd bewijsmateriaal\n\nMk1.5 voegt ingebouwd audiobegrip toe, waaronder transcriptie, detectie van geluidsgebeurtenissen, samenvattingen en vragen over een opname. De aanbieder accepteert WAV, MP3 en FLAC. De audiolimiet per item bedraagt 16.384 audiotokens, ongeveer 21,8 minuten bij de gedocumenteerde snelheid van ongeveer 750 tokens per minuut. Audio deelt de context met andere invoer en het uitvoerbudget, waardoor een aanvraag de context al kan vullen voordat die limiet per item is bereikt.\n\nVoor een video waarbij de geluidsband van belang is, schakelt de werkwijze van de ontwikkelaar audio in video expliciet in. Geef aan of de taak betrekking heeft op spraak, een geluidsgebeurtenis, de zichtbare scène of hun onderlinge verband. De uitvoer bestaat uit tekst en gestructureerde inhoud; Mk1.5 genereert geen spraakaudio. Behoud bij transcriptie de gevraagde taal en de koppeling met tijdstippen in plaats van een visueel bijschrift als een transcript te behandelen.\n\n### Meerdere mediabestanden en gestructureerde antwoorden\n\nDe aanbieder ondersteunt vergelijkingen tussen media-invoer. Label de items en behoud de koppeling met de mediabestanden. De optionele asset_idx identificeert een specifieke instantie van een media-item die op dat moment in de conversatie beschikbaar is, en geen blijvende bestandsidentificatie. Als er geen expliciete of overgenomen selector aanwezig is, verwijst een annotatie naar het laatste beschikbare media-item op het moment van genereren. Die conventies zijn van belang bij een vergelijking van twee camera's, pagina's of opnames. De aanvraaglimiet van de aanbieder is 256 media-eenheden. Elk frame in een video_frames-groep telt mee voor die limiet, hoewel de groep één media-index inneemt; het inschakelen van de geluidsband van een video voegt geen extra media-item toe.\n\nDe ontwikkelaar ondersteunt definitieve antwoorden die door JSON Schema of een regex worden begrensd. Definieer de velden of het patroon en controleer de teruggegeven waarden aan de hand van de bron. De ontwikkelaar documenteert ook Multilook voor onafhankelijke prompts over gedeelde context, een afzonderlijke werkwijze van de aanbieder naast gewone chat met één completion.\n\n### Functies en redeneren\n\nMk1.5 kan kiezen uit aangeleverde functies die met namen, doelen en JSON Schemas worden beschreven. De toepassing voert de voorgestelde aanroepen uit en geeft waarnemingen terug. Bepaal toegestane acties en een voltooiingscriterium voor een belichaamde taak of interfacetaak en gebruik vervolgens de nieuwe visuele toestand of het toolresultaat als bewijs voor de volgende stap. De redeneerinspanning is instelbaar in de variant van de aanbieder.\n\nFunctietools kunnen niet in dezelfde aanvraag worden gedeclareerd als uitvoer die door JSON Schema of een regex wordt begrensd; de ontwikkelaar schrijft voor om na de toollus een begrensd definitief antwoord te vragen. Controleer de beëindigingsreden voordat je het resultaat gebruikt, want beëindiging wegens lengte kan op onvolledige uitvoer wijzen.\n\nEen bruikbaar resultaat is een op bronmateriaal gebaseerde scène-uitleg, een transcript met tijdsaanduidingen, een objectannotatie of een door bewijs ondersteund actievoorstel. Controleer de geometrie aan de hand van de media, houd waargenomen details gescheiden van interpretatie en bewaar de exacte audio-, tracking- en toolmogelijkheden van Mk1.5 afzonderlijk van de eerdere Mk1-editie.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 begrijpt tekst, afbeeldingen, video en audio voor visuele taken en taken van belichaamde agents. Het geeft tekst, ruimtelijke of temporele annotaties, objecttrajecten en voorgestelde functieaanroepen terug, met een context van 36.864 tokens bij de aanbieder en een maximale uitvoer van 8.192 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Perceptron Mk1.5 is het multimodale model van Perceptron voor visueel begrip, het koppelen van informatie aan tijdstippen en taken van belichaamde agents. Het accepteert tekst, afbeeldingen, video en audio en geeft tekst, ruimtelijke of temporele annotaties, gestructureerde antwoorden en inhoud voor functieaanroepen terug. De huidige specificatie van de ontwikkelaar vermeldt een context van 36.864 tokens en een maximale uitvoer van 8.192 tokens; die exacte limieten zijn preciezer dan de afgeronde beschrijving van 32K in het lanceringsartikel.
Een kenmerkende toevoeging is het volgen van objecten doorheen video als geometrie met tijdstempels. Beschrijf het te volgen object duidelijk en geef aan wat het resultaat moet vaststellen, bijvoorbeeld wanneer een voorwerp in beeld komt, waar het naartoe beweegt of welk interval een bepaalde handeling bevat. Voor beelden vanuit het perspectief van de uitvoerder benadrukt de aanbieder het volgen van handen en de opsplitsing in deeltaken, wat nuttig is om te analyseren wat iemand in de loop van de tijd doet.
De gedocumenteerde uitvoervormen omvatten punten, kaders en veelhoeken voor ruimtelijke lokalisatie, clips voor tijdsintervallen en track-containers voor objectbeweging. Track is een container in gegenereerde annotatiemarkup en geen afzonderlijke waarde voor het annotatieformaat. De tussenpunten van een traject kunnen schaars zijn: een teruggegeven traject garandeert niet voor elk bronframe een kader of voortdurende zichtbaarheid van het object. Bewaar de oorspronkelijke media en de koppeling met coördinaten of tijdstempels, zodat die resultaten aan de werkelijke scène kunnen worden getoetst.
Mk1.5 voegt ingebouwd audiobegrip toe, waaronder transcriptie, detectie van geluidsgebeurtenissen, samenvattingen en vragen over een opname. De aanbieder accepteert WAV, MP3 en FLAC. De audiolimiet per item bedraagt 16.384 audiotokens, ongeveer 21,8 minuten bij de gedocumenteerde snelheid van ongeveer 750 tokens per minuut. Audio deelt de context met andere invoer en het uitvoerbudget, waardoor een aanvraag de context al kan vullen voordat die limiet per item is bereikt.
Voor een video waarbij de geluidsband van belang is, schakelt de werkwijze van de ontwikkelaar audio in video expliciet in. Geef aan of de taak betrekking heeft op spraak, een geluidsgebeurtenis, de zichtbare scène of hun onderlinge verband. De uitvoer bestaat uit tekst en gestructureerde inhoud; Mk1.5 genereert geen spraakaudio. Behoud bij transcriptie de gevraagde taal en de koppeling met tijdstippen in plaats van een visueel bijschrift als een transcript te behandelen.
De aanbieder ondersteunt vergelijkingen tussen media-invoer. Label de items en behoud de koppeling met de mediabestanden. De optionele asset_idx identificeert een specifieke instantie van een media-item die op dat moment in de conversatie beschikbaar is, en geen blijvende bestandsidentificatie. Als er geen expliciete of overgenomen selector aanwezig is, verwijst een annotatie naar het laatste beschikbare media-item op het moment van genereren. Die conventies zijn van belang bij een vergelijking van twee camera's, pagina's of opnames. De aanvraaglimiet van de aanbieder is 256 media-eenheden. Elk frame in een video_frames-groep telt mee voor die limiet, hoewel de groep één media-index inneemt; het inschakelen van de geluidsband van een video voegt geen extra media-item toe.
De ontwikkelaar ondersteunt definitieve antwoorden die door JSON Schema of een regex worden begrensd. Definieer de velden of het patroon en controleer de teruggegeven waarden aan de hand van de bron. De ontwikkelaar documenteert ook Multilook voor onafhankelijke prompts over gedeelde context, een afzonderlijke werkwijze van de aanbieder naast gewone chat met één completion.
Mk1.5 kan kiezen uit aangeleverde functies die met namen, doelen en JSON Schemas worden beschreven. De toepassing voert de voorgestelde aanroepen uit en geeft waarnemingen terug. Bepaal toegestane acties en een voltooiingscriterium voor een belichaamde taak of interfacetaak en gebruik vervolgens de nieuwe visuele toestand of het toolresultaat als bewijs voor de volgende stap. De redeneerinspanning is instelbaar in de variant van de aanbieder.
Functietools kunnen niet in dezelfde aanvraag worden gedeclareerd als uitvoer die door JSON Schema of een regex wordt begrensd; de ontwikkelaar schrijft voor om na de toollus een begrensd definitief antwoord te vragen. Controleer de beëindigingsreden voordat je het resultaat gebruikt, want beëindiging wegens lengte kan op onvolledige uitvoer wijzen.
Een bruikbaar resultaat is een op bronmateriaal gebaseerde scène-uitleg, een transcript met tijdsaanduidingen, een objectannotatie of een door bewijs ondersteund actievoorstel. Controleer de geometrie aan de hand van de media, houd waargenomen details gescheiden van interpretatie en bewaar de exacte audio-, tracking- en toolmogelijkheden van Mk1.5 afzonderlijk van de eerdere Mk1-editie.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten perceptron/perceptron-mk1.5 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0003 / 1K tokens Uitvoer · Uitvoertokens $0.003 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0003 / 1K tokens Uitvoer · Uitvoertokens $0.003 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra perceptron/perceptron-mk1.5
Gebruik de hierboven getoonde methodepaden.
perceptron/perceptron-mk1.5Perceptron Mk1.5 begrijpt tekst, afbeeldingen, video en audio voor visuele taken en taken van belichaamde agents. Het geeft tekst, ruimtelijke of temporele annotaties, objecttrajecten en voorgestelde functieaanroepen terug, met een context van 36.864 tokens bij de aanbieder en een maximale uitvoer van 8.192 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Perceptron Mk1.5 is het multimodale model van Perceptron voor visueel begrip, het koppelen van informatie aan tijdstippen en taken van belichaamde agents. Het accepteert tekst, afbeeldingen, video en audio en geeft tekst, ruimtelijke of temporele annotaties, gestructureerde antwoorden en inhoud voor functieaanroepen terug. De huidige specificatie van de ontwikkelaar vermeldt een context van 36.864 tokens en een maximale uitvoer van 8.192 tokens; die exacte limieten zijn preciezer dan de afgeronde beschrijving van 32K in het lanceringsartikel.
Een kenmerkende toevoeging is het volgen van objecten doorheen video als geometrie met tijdstempels. Beschrijf het te volgen object duidelijk en geef aan wat het resultaat moet vaststellen, bijvoorbeeld wanneer een voorwerp in beeld komt, waar het naartoe beweegt of welk interval een bepaalde handeling bevat. Voor beelden vanuit het perspectief van de uitvoerder benadrukt de aanbieder het volgen van handen en de opsplitsing in deeltaken, wat nuttig is om te analyseren wat iemand in de loop van de tijd doet.
De gedocumenteerde uitvoervormen omvatten punten, kaders en veelhoeken voor ruimtelijke lokalisatie, clips voor tijdsintervallen en track-containers voor objectbeweging. Track is een container in gegenereerde annotatiemarkup en geen afzonderlijke waarde voor het annotatieformaat. De tussenpunten van een traject kunnen schaars zijn: een teruggegeven traject garandeert niet voor elk bronframe een kader of voortdurende zichtbaarheid van het object. Bewaar de oorspronkelijke media en de koppeling met coördinaten of tijdstempels, zodat die resultaten aan de werkelijke scène kunnen worden getoetst.
Mk1.5 voegt ingebouwd audiobegrip toe, waaronder transcriptie, detectie van geluidsgebeurtenissen, samenvattingen en vragen over een opname. De aanbieder accepteert WAV, MP3 en FLAC. De audiolimiet per item bedraagt 16.384 audiotokens, ongeveer 21,8 minuten bij de gedocumenteerde snelheid van ongeveer 750 tokens per minuut. Audio deelt de context met andere invoer en het uitvoerbudget, waardoor een aanvraag de context al kan vullen voordat die limiet per item is bereikt.
Voor een video waarbij de geluidsband van belang is, schakelt de werkwijze van de ontwikkelaar audio in video expliciet in. Geef aan of de taak betrekking heeft op spraak, een geluidsgebeurtenis, de zichtbare scène of hun onderlinge verband. De uitvoer bestaat uit tekst en gestructureerde inhoud; Mk1.5 genereert geen spraakaudio. Behoud bij transcriptie de gevraagde taal en de koppeling met tijdstippen in plaats van een visueel bijschrift als een transcript te behandelen.
De aanbieder ondersteunt vergelijkingen tussen media-invoer. Label de items en behoud de koppeling met de mediabestanden. De optionele asset_idx identificeert een specifieke instantie van een media-item die op dat moment in de conversatie beschikbaar is, en geen blijvende bestandsidentificatie. Als er geen expliciete of overgenomen selector aanwezig is, verwijst een annotatie naar het laatste beschikbare media-item op het moment van genereren. Die conventies zijn van belang bij een vergelijking van twee camera's, pagina's of opnames. De aanvraaglimiet van de aanbieder is 256 media-eenheden. Elk frame in een video_frames-groep telt mee voor die limiet, hoewel de groep één media-index inneemt; het inschakelen van de geluidsband van een video voegt geen extra media-item toe.
De ontwikkelaar ondersteunt definitieve antwoorden die door JSON Schema of een regex worden begrensd. Definieer de velden of het patroon en controleer de teruggegeven waarden aan de hand van de bron. De ontwikkelaar documenteert ook Multilook voor onafhankelijke prompts over gedeelde context, een afzonderlijke werkwijze van de aanbieder naast gewone chat met één completion.
Mk1.5 kan kiezen uit aangeleverde functies die met namen, doelen en JSON Schemas worden beschreven. De toepassing voert de voorgestelde aanroepen uit en geeft waarnemingen terug. Bepaal toegestane acties en een voltooiingscriterium voor een belichaamde taak of interfacetaak en gebruik vervolgens de nieuwe visuele toestand of het toolresultaat als bewijs voor de volgende stap. De redeneerinspanning is instelbaar in de variant van de aanbieder.
Functietools kunnen niet in dezelfde aanvraag worden gedeclareerd als uitvoer die door JSON Schema of een regex wordt begrensd; de ontwikkelaar schrijft voor om na de toollus een begrensd definitief antwoord te vragen. Controleer de beëindigingsreden voordat je het resultaat gebruikt, want beëindiging wegens lengte kan op onvolledige uitvoer wijzen.
Een bruikbaar resultaat is een op bronmateriaal gebaseerde scène-uitleg, een transcript met tijdsaanduidingen, een objectannotatie of een door bewijs ondersteund actievoorstel. Controleer de geometrie aan de hand van de media, houd waargenomen details gescheiden van interpretatie en bewaar de exacte audio-, tracking- en toolmogelijkheden van Mk1.5 afzonderlijk van de eerdere Mk1-editie.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten perceptron/perceptron-mk1.5 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0003 / 1K tokens Uitvoer · Uitvoertokens $0.003 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0003 / 1K tokens Uitvoer · Uitvoertokens $0.003 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "perceptron/perceptron-mk1.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra perceptron/perceptron-mk1.5
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.