Perceptron Mk1.5 is het multimodale model van Perceptron voor visueel begrip, het koppelen van gebeurtenissen aan tijdstippen en taken voor agents in een fysieke omgeving. Het accepteert tekst, afbeeldingen, video en audio en retourneert tekst, ruimtelijke of tijdgebonden annotaties, gestructureerde antwoorden en inhoud voor functieaanroepen. De huidige specificatie van de maker vermeldt een context van 36.864 tokens en een maximale uitvoer van 8.192 tokens; deze exacte limieten zijn specifieker dan de afgeronde beschrijving van 32K in het introductieartikel.
Een kenmerkende toevoeging is het volgen van objecten in video als geometrie met tijdstempels. Geef een duidelijke beschrijving van het doelobject en vermeld wat het resultaat moet vaststellen, bijvoorbeeld wanneer een voorwerp in beeld komt, waar het zich naartoe verplaatst of welk interval een bepaalde handeling bevat. Voor beelden vanuit de eerste persoon benadrukt de producent het volgen van handen en het opdelen in deeltaken, wat bruikbaar is om te analyseren wat een operator in de loop van de tijd doet.
De gedocumenteerde uitvoer omvat punten, kaders en polygonen voor ruimtelijke lokalisatie, clips voor tijdsintervallen en trackcontainers voor objectbewegingen. Track is een container in de gegenereerde annotatiemarkup, geen afzonderlijke waarde voor het annotatieformaat. De punten op een traject kunnen ver uit elkaar liggen: een geretourneerd traject garandeert geen kader voor elk bronframe of voortdurende zichtbaarheid van het object. Bewaar de oorspronkelijke media en de koppeling met coördinaten of tijdstempels, zodat deze 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 producent accepteert WAV, MP3 en FLAC. De audiolimiet per item is 16.384 audiotokens, ongeveer 21,8 minuten bij de gedocumenteerde snelheid van circa 750 tokens per minuut. Audio deelt de context met andere invoer en de uitvoerruimte, waardoor een verzoek de context kan vullen voordat die limiet per item is bereikt.
Voor een video waarvan het geluid van belang is, schakelt de werkwijze van de maker 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 transcript te behandelen.
De producent ondersteunt vergelijkingen tussen media-invoer. Geef de items labels en behoud de koppelingen met de mediabestanden. De optionele asset_idx identificeert een voorkomensinstantie van media die op dat moment in het gesprek beschikbaar is, geen blijvende bestandsidentificatie. Als er geen expliciete of overgenomen selector aanwezig is, verwijst een annotatie naar het laatste beschikbare mediabestand op het moment van genereren. Deze conventies zijn van belang wanneer een taak twee camera's, pagina's of opnamen vergelijkt. De verzoeklimiet van de producent is 256 media-eenheden. Elk frame in een video_frames-groep telt mee voor die limiet, hoewel de groep één assetindex inneemt; het inschakelen van het geluid van een video voegt geen extra mediabestand toe.
De maker ondersteunt eindantwoorden die worden beperkt door JSON Schema of een reguliere expressie. Definieer de velden of het patroon en controleer de geretourneerde waarden aan de hand van de bron. De maker documenteert ook Multilook voor onafhankelijke prompts met gedeelde context, een afzonderlijke werkwijze van de producent naast gewone chat met één completion.
Mk1.5 kan kiezen uit aangeleverde functies die zijn beschreven met namen, doelen en JSON Schemas. De applicatie voert de voorgestelde aanroepen uit en retourneert waarnemingen. Definieer de toegestane handelingen en een voltooiingscriterium voor een taak in een fysieke omgeving of interface en gebruik vervolgens de nieuwe visuele toestand of het toolresultaat als bewijs voor de volgende stap. De redeneerinspanning is instelbaar in de modelvariant van de producent.
Functietools kunnen niet in hetzelfde verzoek worden gedeclareerd als uitvoer die wordt beperkt door JSON Schema of een reguliere expressie; de maker schrijft voor om na de toollus een eindantwoord met zulke beperkingen op te vragen. Controleer de reden voor beëindiging voordat je het resultaat gebruikt, omdat beëindiging door de lengtelimiet onvolledige uitvoer kan betekenen.
Een bruikbaar eindresultaat is een scène-uitleg met concrete verwijzingen, 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 onderscheid de exacte audio-, tracking- en toolmogelijkheden van Mk1.5 van die van de eerdere Mk1-editie.
", "aboutText": "Perceptron Mk1.5 is het multimodale model van Perceptron voor visueel begrip, het koppelen van gebeurtenissen aan tijdstippen en taken voor agents in een fysieke omgeving. Het accepteert tekst, afbeeldingen, video en audio en retourneert tekst, ruimtelijke of tijdgebonden annotaties, gestructureerde antwoorden en inhoud voor functieaanroepen. De huidige specificatie van de maker vermeldt een context van 36.864 tokens en een maximale uitvoer van 8.192 tokens; deze exacte limieten zijn specifieker dan de afgeronde beschrijving van 32K in het introductieartikel.\n\n### Video en het volgen van objecten\n\nEen kenmerkende toevoeging is het volgen van objecten in video als geometrie met tijdstempels. Geef een duidelijke beschrijving van het doelobject en vermeld wat het resultaat moet vaststellen, bijvoorbeeld wanneer een voorwerp in beeld komt, waar het zich naartoe verplaatst of welk interval een bepaalde handeling bevat. Voor beelden vanuit de eerste persoon benadrukt de producent het volgen van handen en het opdelen in deeltaken, wat bruikbaar is om te analyseren wat een operator in de loop van de tijd doet.\n\nDe gedocumenteerde uitvoer omvat punten, kaders en polygonen voor ruimtelijke lokalisatie, clips voor tijdsintervallen en trackcontainers voor objectbewegingen. Track is een container in de gegenereerde annotatiemarkup, geen afzonderlijke waarde voor het annotatieformaat. De punten op een traject kunnen ver uit elkaar liggen: een geretourneerd traject garandeert geen kader voor elk bronframe of voortdurende zichtbaarheid van het object. Bewaar de oorspronkelijke media en de koppeling met coördinaten of tijdstempels, zodat deze 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 producent accepteert WAV, MP3 en FLAC. De audiolimiet per item is 16.384 audiotokens, ongeveer 21,8 minuten bij de gedocumenteerde snelheid van circa 750 tokens per minuut. Audio deelt de context met andere invoer en de uitvoerruimte, waardoor een verzoek de context kan vullen voordat die limiet per item is bereikt.\n\nVoor een video waarvan het geluid van belang is, schakelt de werkwijze van de maker 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 transcript te behandelen.\n\n### Meerdere mediabestanden en gestructureerde antwoorden\n\nDe producent ondersteunt vergelijkingen tussen media-invoer. Geef de items labels en behoud de koppelingen met de mediabestanden. De optionele asset_idx identificeert een voorkomensinstantie van media die op dat moment in het gesprek beschikbaar is, geen blijvende bestandsidentificatie. Als er geen expliciete of overgenomen selector aanwezig is, verwijst een annotatie naar het laatste beschikbare mediabestand op het moment van genereren. Deze conventies zijn van belang wanneer een taak twee camera's, pagina's of opnamen vergelijkt. De verzoeklimiet van de producent is 256 media-eenheden. Elk frame in een video_frames-groep telt mee voor die limiet, hoewel de groep één assetindex inneemt; het inschakelen van het geluid van een video voegt geen extra mediabestand toe.\n\nDe maker ondersteunt eindantwoorden die worden beperkt door JSON Schema of een reguliere expressie. Definieer de velden of het patroon en controleer de geretourneerde waarden aan de hand van de bron. De maker documenteert ook Multilook voor onafhankelijke prompts met gedeelde context, een afzonderlijke werkwijze van de producent naast gewone chat met één completion.\n\n### Functies en redeneren\n\nMk1.5 kan kiezen uit aangeleverde functies die zijn beschreven met namen, doelen en JSON Schemas. De applicatie voert de voorgestelde aanroepen uit en retourneert waarnemingen. Definieer de toegestane handelingen en een voltooiingscriterium voor een taak in een fysieke omgeving of interface en gebruik vervolgens de nieuwe visuele toestand of het toolresultaat als bewijs voor de volgende stap. De redeneerinspanning is instelbaar in de modelvariant van de producent.\n\nFunctietools kunnen niet in hetzelfde verzoek worden gedeclareerd als uitvoer die wordt beperkt door JSON Schema of een reguliere expressie; de maker schrijft voor om na de toollus een eindantwoord met zulke beperkingen op te vragen. Controleer de reden voor beëindiging voordat je het resultaat gebruikt, omdat beëindiging door de lengtelimiet onvolledige uitvoer kan betekenen.\n\nEen bruikbaar eindresultaat is een scène-uitleg met concrete verwijzingen, 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 onderscheid de exacte audio-, tracking- en toolmogelijkheden van Mk1.5 van die 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 in een fysieke omgeving. Het retourneert tekst, ruimtelijke of tijdgebonden annotaties, objecttrajecten en voorgestelde functieaanroepen, met een door de producent opgegeven context van 36.864 tokens 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 gebeurtenissen aan tijdstippen en taken voor agents in een fysieke omgeving. Het accepteert tekst, afbeeldingen, video en audio en retourneert tekst, ruimtelijke of tijdgebonden annotaties, gestructureerde antwoorden en inhoud voor functieaanroepen. De huidige specificatie van de maker vermeldt een context van 36.864 tokens en een maximale uitvoer van 8.192 tokens; deze exacte limieten zijn specifieker dan de afgeronde beschrijving van 32K in het introductieartikel.
Een kenmerkende toevoeging is het volgen van objecten in video als geometrie met tijdstempels. Geef een duidelijke beschrijving van het doelobject en vermeld wat het resultaat moet vaststellen, bijvoorbeeld wanneer een voorwerp in beeld komt, waar het zich naartoe verplaatst of welk interval een bepaalde handeling bevat. Voor beelden vanuit de eerste persoon benadrukt de producent het volgen van handen en het opdelen in deeltaken, wat bruikbaar is om te analyseren wat een operator in de loop van de tijd doet.
De gedocumenteerde uitvoer omvat punten, kaders en polygonen voor ruimtelijke lokalisatie, clips voor tijdsintervallen en trackcontainers voor objectbewegingen. Track is een container in de gegenereerde annotatiemarkup, geen afzonderlijke waarde voor het annotatieformaat. De punten op een traject kunnen ver uit elkaar liggen: een geretourneerd traject garandeert geen kader voor elk bronframe of voortdurende zichtbaarheid van het object. Bewaar de oorspronkelijke media en de koppeling met coördinaten of tijdstempels, zodat deze 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 producent accepteert WAV, MP3 en FLAC. De audiolimiet per item is 16.384 audiotokens, ongeveer 21,8 minuten bij de gedocumenteerde snelheid van circa 750 tokens per minuut. Audio deelt de context met andere invoer en de uitvoerruimte, waardoor een verzoek de context kan vullen voordat die limiet per item is bereikt.
Voor een video waarvan het geluid van belang is, schakelt de werkwijze van de maker 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 transcript te behandelen.
De producent ondersteunt vergelijkingen tussen media-invoer. Geef de items labels en behoud de koppelingen met de mediabestanden. De optionele asset_idx identificeert een voorkomensinstantie van media die op dat moment in het gesprek beschikbaar is, geen blijvende bestandsidentificatie. Als er geen expliciete of overgenomen selector aanwezig is, verwijst een annotatie naar het laatste beschikbare mediabestand op het moment van genereren. Deze conventies zijn van belang wanneer een taak twee camera's, pagina's of opnamen vergelijkt. De verzoeklimiet van de producent is 256 media-eenheden. Elk frame in een video_frames-groep telt mee voor die limiet, hoewel de groep één assetindex inneemt; het inschakelen van het geluid van een video voegt geen extra mediabestand toe.
De maker ondersteunt eindantwoorden die worden beperkt door JSON Schema of een reguliere expressie. Definieer de velden of het patroon en controleer de geretourneerde waarden aan de hand van de bron. De maker documenteert ook Multilook voor onafhankelijke prompts met gedeelde context, een afzonderlijke werkwijze van de producent naast gewone chat met één completion.
Mk1.5 kan kiezen uit aangeleverde functies die zijn beschreven met namen, doelen en JSON Schemas. De applicatie voert de voorgestelde aanroepen uit en retourneert waarnemingen. Definieer de toegestane handelingen en een voltooiingscriterium voor een taak in een fysieke omgeving of interface en gebruik vervolgens de nieuwe visuele toestand of het toolresultaat als bewijs voor de volgende stap. De redeneerinspanning is instelbaar in de modelvariant van de producent.
Functietools kunnen niet in hetzelfde verzoek worden gedeclareerd als uitvoer die wordt beperkt door JSON Schema of een reguliere expressie; de maker schrijft voor om na de toollus een eindantwoord met zulke beperkingen op te vragen. Controleer de reden voor beëindiging voordat je het resultaat gebruikt, omdat beëindiging door de lengtelimiet onvolledige uitvoer kan betekenen.
Een bruikbaar eindresultaat is een scène-uitleg met concrete verwijzingen, 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 onderscheid de exacte audio-, tracking- en toolmogelijkheden van Mk1.5 van die 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 |
| ConfiguratieNiveau 1 voor aanvraaglengte | 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 in een fysieke omgeving. Het retourneert tekst, ruimtelijke of tijdgebonden annotaties, objecttrajecten en voorgestelde functieaanroepen, met een door de producent opgegeven context van 36.864 tokens 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 gebeurtenissen aan tijdstippen en taken voor agents in een fysieke omgeving. Het accepteert tekst, afbeeldingen, video en audio en retourneert tekst, ruimtelijke of tijdgebonden annotaties, gestructureerde antwoorden en inhoud voor functieaanroepen. De huidige specificatie van de maker vermeldt een context van 36.864 tokens en een maximale uitvoer van 8.192 tokens; deze exacte limieten zijn specifieker dan de afgeronde beschrijving van 32K in het introductieartikel.
Een kenmerkende toevoeging is het volgen van objecten in video als geometrie met tijdstempels. Geef een duidelijke beschrijving van het doelobject en vermeld wat het resultaat moet vaststellen, bijvoorbeeld wanneer een voorwerp in beeld komt, waar het zich naartoe verplaatst of welk interval een bepaalde handeling bevat. Voor beelden vanuit de eerste persoon benadrukt de producent het volgen van handen en het opdelen in deeltaken, wat bruikbaar is om te analyseren wat een operator in de loop van de tijd doet.
De gedocumenteerde uitvoer omvat punten, kaders en polygonen voor ruimtelijke lokalisatie, clips voor tijdsintervallen en trackcontainers voor objectbewegingen. Track is een container in de gegenereerde annotatiemarkup, geen afzonderlijke waarde voor het annotatieformaat. De punten op een traject kunnen ver uit elkaar liggen: een geretourneerd traject garandeert geen kader voor elk bronframe of voortdurende zichtbaarheid van het object. Bewaar de oorspronkelijke media en de koppeling met coördinaten of tijdstempels, zodat deze 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 producent accepteert WAV, MP3 en FLAC. De audiolimiet per item is 16.384 audiotokens, ongeveer 21,8 minuten bij de gedocumenteerde snelheid van circa 750 tokens per minuut. Audio deelt de context met andere invoer en de uitvoerruimte, waardoor een verzoek de context kan vullen voordat die limiet per item is bereikt.
Voor een video waarvan het geluid van belang is, schakelt de werkwijze van de maker 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 transcript te behandelen.
De producent ondersteunt vergelijkingen tussen media-invoer. Geef de items labels en behoud de koppelingen met de mediabestanden. De optionele asset_idx identificeert een voorkomensinstantie van media die op dat moment in het gesprek beschikbaar is, geen blijvende bestandsidentificatie. Als er geen expliciete of overgenomen selector aanwezig is, verwijst een annotatie naar het laatste beschikbare mediabestand op het moment van genereren. Deze conventies zijn van belang wanneer een taak twee camera's, pagina's of opnamen vergelijkt. De verzoeklimiet van de producent is 256 media-eenheden. Elk frame in een video_frames-groep telt mee voor die limiet, hoewel de groep één assetindex inneemt; het inschakelen van het geluid van een video voegt geen extra mediabestand toe.
De maker ondersteunt eindantwoorden die worden beperkt door JSON Schema of een reguliere expressie. Definieer de velden of het patroon en controleer de geretourneerde waarden aan de hand van de bron. De maker documenteert ook Multilook voor onafhankelijke prompts met gedeelde context, een afzonderlijke werkwijze van de producent naast gewone chat met één completion.
Mk1.5 kan kiezen uit aangeleverde functies die zijn beschreven met namen, doelen en JSON Schemas. De applicatie voert de voorgestelde aanroepen uit en retourneert waarnemingen. Definieer de toegestane handelingen en een voltooiingscriterium voor een taak in een fysieke omgeving of interface en gebruik vervolgens de nieuwe visuele toestand of het toolresultaat als bewijs voor de volgende stap. De redeneerinspanning is instelbaar in de modelvariant van de producent.
Functietools kunnen niet in hetzelfde verzoek worden gedeclareerd als uitvoer die wordt beperkt door JSON Schema of een reguliere expressie; de maker schrijft voor om na de toollus een eindantwoord met zulke beperkingen op te vragen. Controleer de reden voor beëindiging voordat je het resultaat gebruikt, omdat beëindiging door de lengtelimiet onvolledige uitvoer kan betekenen.
Een bruikbaar eindresultaat is een scène-uitleg met concrete verwijzingen, 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 onderscheid de exacte audio-, tracking- en toolmogelijkheden van Mk1.5 van die 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 |
| ConfiguratieNiveau 1 voor aanvraaglengte | 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.