Perceptron Mk1 é o modelo da Perceptron para compreensão de imagem e vídeo e raciocínio sobre a interação com o meio físico. Analisa material visual de origem em relação a uma pergunta escrita e devolve texto e anotações espaciais ou temporais estruturadas. A variante do fabricante tem um contexto multimodal de 32K e um modo de raciocínio híbrido que pode ser desativado para tarefas que não precisam de um registo de raciocínio.
O fabricante desenvolve Mk1 para explicar acontecimentos ao longo do tempo, em vez de apenas identificar o conteúdo de um fotograma. Uma sequência desportiva, uma demonstração culinária ou a tarefa de um operador podem produzir um relato estruturado do que aconteceu e quando. O produtor documenta análise dinâmica de vídeo até dois fotogramas por segundo. Esta forma de amostragem distingue-se da taxa de fotogramas original do vídeo de origem.
Para uma tarefa de localização de eventos, descreva a ação e o intervalo de que precisa. Uma instrução ilustrativa é: «Identifique os momentos em que o objeto é colocado na prateleira, devolva os intervalos de tempo e explique os elementos visíveis que sustentam cada um.» Mantenha o vídeo de origem e as referências temporais juntos, para que uma anotação de recorte ou um intervalo de evento possam ser verificados antes de outra aplicação os utilizar.
Mk1 suporta aprendizagem visual em contexto a partir de uma imagem ou de um vídeo de referência, seguida da localização de ocorrências correspondentes em material novo. Defina o que torna uma ocorrência relevante e preserve a etiqueta de referência. Para uma comparação, forneça ambos os elementos multimédia e indique os critérios: o objeto, a ação, a condição ou o pormenor de documento a comparar.
É uma forma de preparar a tarefa através de exemplos fornecidos, sem pressupor que foi executado um processo separado de ajuste fino. Se as cenas diferirem, peça que a saída identifique qual entrada sustenta cada conclusão. Uma semelhança visível deve manter-se distinta de uma conclusão inferida sobre um acontecimento.
As capacidades de imagem do produtor incluem indicar pontos, contar, reconhecer texto e ler instrumentos analógicos ou digitais. Para um instrumento, preserve a escala, as unidades e as marcações legíveis; para uma contagem, defina a região e a categoria. Mk1 também extrai documentos complexos para HTML, JSON ou Markdown, preservando as relações de disposição, as tabelas e a hierarquia.
Forneça uma imagem de página legível e indique os campos ou a pergunta. Um resultado útil conserva a associação à fonte e distingue o texto extraído da interpretação. O texto pequeno, a oclusão e os elementos ambíguos da cena devem ser tidos em conta na preparação da fonte e na revisão da resposta.
O fabricante treina pontos, caixas, polígonos, trajetórias e clips como saídas estruturadas de primeira classe, a par do texto. Estas anotações podem fornecer alvos, restrições, limites de tarefas ou informação observada de sucesso ou falha a um fluxo de trabalho envolvente de robótica ou análise. Uma tarefa com várias câmaras deve identificar as vistas e preservar a associação entre cada anotação e a sua fonte.
O modelo interpreta as observações e produz o resultado fundamentado nelas; a aplicação ou o sistema de controlo decide como o utilizar e executa qualquer ação física ou numa interface. Um alvo proposto ou um intervalo anotado distingue-se de uma operação executada ou de um ficheiro multimédia exportado.
Distribua a representação do vídeo, o conteúdo das imagens, o prompt, o histórico e a saída gerada pelo contexto de 32K. Peça o artefacto final e os elementos de prova que estabelecem cada resultado, em vez de esperar que uma coleção de fontes sem relação defina o seu próprio objetivo. Confira as coordenadas, os intervalos de tempo e os valores extraídos com o material multimédia original.
Mk1 conserva a sua própria edição identificada e as suas características visuais. Não se deve inferir para este lançamento anterior a entrada nativa de áudio, as restrições de pedido atuais de Mk1.5 nem os novos pormenores dos seus fluxos de trabalho de ferramentas e seguimento. A entrega útil é uma descrição de cena, um registo documental ou uma anotação espacial ou temporal passíveis de revisão e ligados aos elementos visuais fornecidos.
", "aboutText": "Perceptron Mk1 é o modelo da Perceptron para compreensão de imagem e vídeo e raciocínio sobre a interação com o meio físico. Analisa material visual de origem em relação a uma pergunta escrita e devolve texto e anotações espaciais ou temporais estruturadas. A variante do fabricante tem um contexto multimodal de 32K e um modo de raciocínio híbrido que pode ser desativado para tarefas que não precisam de um registo de raciocínio.\n\n### Raciocínio e ancoragem temporais\n\nO fabricante desenvolve Mk1 para explicar acontecimentos ao longo do tempo, em vez de apenas identificar o conteúdo de um fotograma. Uma sequência desportiva, uma demonstração culinária ou a tarefa de um operador podem produzir um relato estruturado do que aconteceu e quando. O produtor documenta análise dinâmica de vídeo até dois fotogramas por segundo. Esta forma de amostragem distingue-se da taxa de fotogramas original do vídeo de origem.\n\nPara uma tarefa de localização de eventos, descreva a ação e o intervalo de que precisa. Uma instrução ilustrativa é: «Identifique os momentos em que o objeto é colocado na prateleira, devolva os intervalos de tempo e explique os elementos visíveis que sustentam cada um.» Mantenha o vídeo de origem e as referências temporais juntos, para que uma anotação de recorte ou um intervalo de evento possam ser verificados antes de outra aplicação os utilizar.\n\n### Exemplos de referência e comparação\n\nMk1 suporta aprendizagem visual em contexto a partir de uma imagem ou de um vídeo de referência, seguida da localização de ocorrências correspondentes em material novo. Defina o que torna uma ocorrência relevante e preserve a etiqueta de referência. Para uma comparação, forneça ambos os elementos multimédia e indique os critérios: o objeto, a ação, a condição ou o pormenor de documento a comparar.\n\nÉ uma forma de preparar a tarefa através de exemplos fornecidos, sem pressupor que foi executado um processo separado de ajuste fino. Se as cenas diferirem, peça que a saída identifique qual entrada sustenta cada conclusão. Uma semelhança visível deve manter-se distinta de uma conclusão inferida sobre um acontecimento.\n\n### Tarefas de imagem e documentos\n\nAs capacidades de imagem do produtor incluem indicar pontos, contar, reconhecer texto e ler instrumentos analógicos ou digitais. Para um instrumento, preserve a escala, as unidades e as marcações legíveis; para uma contagem, defina a região e a categoria. Mk1 também extrai documentos complexos para HTML, JSON ou Markdown, preservando as relações de disposição, as tabelas e a hierarquia.\n\nForneça uma imagem de página legível e indique os campos ou a pergunta. Um resultado útil conserva a associação à fonte e distingue o texto extraído da interpretação. O texto pequeno, a oclusão e os elementos ambíguos da cena devem ser tidos em conta na preparação da fonte e na revisão da resposta.\n\n### Primitivas espaciais e trabalho no meio físico\n\nO fabricante treina pontos, caixas, polígonos, trajetórias e clips como saídas estruturadas de primeira classe, a par do texto. Estas anotações podem fornecer alvos, restrições, limites de tarefas ou informação observada de sucesso ou falha a um fluxo de trabalho envolvente de robótica ou análise. Uma tarefa com várias câmaras deve identificar as vistas e preservar a associação entre cada anotação e a sua fonte.\n\nO modelo interpreta as observações e produz o resultado fundamentado nelas; a aplicação ou o sistema de controlo decide como o utilizar e executa qualquer ação física ou numa interface. Um alvo proposto ou um intervalo anotado distingue-se de uma operação executada ou de um ficheiro multimédia exportado.\n\n### Limites e âmbito da edição\n\nDistribua a representação do vídeo, o conteúdo das imagens, o prompt, o histórico e a saída gerada pelo contexto de 32K. Peça o artefacto final e os elementos de prova que estabelecem cada resultado, em vez de esperar que uma coleção de fontes sem relação defina o seu próprio objetivo. Confira as coordenadas, os intervalos de tempo e os valores extraídos com o material multimédia original.\n\nMk1 conserva a sua própria edição identificada e as suas características visuais. Não se deve inferir para este lançamento anterior a entrada nativa de áudio, as restrições de pedido atuais de Mk1.5 nem os novos pormenores dos seus fluxos de trabalho de ferramentas e seguimento. A entrega útil é uma descrição de cena, um registo documental ou uma anotação espacial ou temporal passíveis de revisão e ligados aos elementos visuais fornecidos.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
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 é o modelo de imagem e vídeo da Perceptron para compreensão temporal, ancoragem espacial e raciocínio sobre a interação com o meio físico. Produz texto e anotações estruturadas para cenas, documentos e ações visíveis, com um contexto multimodal de 32K e raciocínio opcional.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Perceptron Mk1 é o modelo da Perceptron para compreensão de imagem e vídeo e raciocínio sobre a interação com o meio físico. Analisa material visual de origem em relação a uma pergunta escrita e devolve texto e anotações espaciais ou temporais estruturadas. A variante do fabricante tem um contexto multimodal de 32K e um modo de raciocínio híbrido que pode ser desativado para tarefas que não precisam de um registo de raciocínio.
O fabricante desenvolve Mk1 para explicar acontecimentos ao longo do tempo, em vez de apenas identificar o conteúdo de um fotograma. Uma sequência desportiva, uma demonstração culinária ou a tarefa de um operador podem produzir um relato estruturado do que aconteceu e quando. O produtor documenta análise dinâmica de vídeo até dois fotogramas por segundo. Esta forma de amostragem distingue-se da taxa de fotogramas original do vídeo de origem.
Para uma tarefa de localização de eventos, descreva a ação e o intervalo de que precisa. Uma instrução ilustrativa é: «Identifique os momentos em que o objeto é colocado na prateleira, devolva os intervalos de tempo e explique os elementos visíveis que sustentam cada um.» Mantenha o vídeo de origem e as referências temporais juntos, para que uma anotação de recorte ou um intervalo de evento possam ser verificados antes de outra aplicação os utilizar.
Mk1 suporta aprendizagem visual em contexto a partir de uma imagem ou de um vídeo de referência, seguida da localização de ocorrências correspondentes em material novo. Defina o que torna uma ocorrência relevante e preserve a etiqueta de referência. Para uma comparação, forneça ambos os elementos multimédia e indique os critérios: o objeto, a ação, a condição ou o pormenor de documento a comparar.
É uma forma de preparar a tarefa através de exemplos fornecidos, sem pressupor que foi executado um processo separado de ajuste fino. Se as cenas diferirem, peça que a saída identifique qual entrada sustenta cada conclusão. Uma semelhança visível deve manter-se distinta de uma conclusão inferida sobre um acontecimento.
As capacidades de imagem do produtor incluem indicar pontos, contar, reconhecer texto e ler instrumentos analógicos ou digitais. Para um instrumento, preserve a escala, as unidades e as marcações legíveis; para uma contagem, defina a região e a categoria. Mk1 também extrai documentos complexos para HTML, JSON ou Markdown, preservando as relações de disposição, as tabelas e a hierarquia.
Forneça uma imagem de página legível e indique os campos ou a pergunta. Um resultado útil conserva a associação à fonte e distingue o texto extraído da interpretação. O texto pequeno, a oclusão e os elementos ambíguos da cena devem ser tidos em conta na preparação da fonte e na revisão da resposta.
O fabricante treina pontos, caixas, polígonos, trajetórias e clips como saídas estruturadas de primeira classe, a par do texto. Estas anotações podem fornecer alvos, restrições, limites de tarefas ou informação observada de sucesso ou falha a um fluxo de trabalho envolvente de robótica ou análise. Uma tarefa com várias câmaras deve identificar as vistas e preservar a associação entre cada anotação e a sua fonte.
O modelo interpreta as observações e produz o resultado fundamentado nelas; a aplicação ou o sistema de controlo decide como o utilizar e executa qualquer ação física ou numa interface. Um alvo proposto ou um intervalo anotado distingue-se de uma operação executada ou de um ficheiro multimédia exportado.
Distribua a representação do vídeo, o conteúdo das imagens, o prompt, o histórico e a saída gerada pelo contexto de 32K. Peça o artefacto final e os elementos de prova que estabelecem cada resultado, em vez de esperar que uma coleção de fontes sem relação defina o seu próprio objetivo. Confira as coordenadas, os intervalos de tempo e os valores extraídos com o material multimédia original.
Mk1 conserva a sua própria edição identificada e as suas características visuais. Não se deve inferir para este lançamento anterior a entrada nativa de áudio, as restrições de pedido atuais de Mk1.5 nem os novos pormenores dos seus fluxos de trabalho de ferramentas e seguimento. A entrega útil é uma descrição de cena, um registo documental ou uma anotação espacial ou temporal passíveis de revisão e ligados aos elementos visuais fornecidos.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites perceptron/perceptron-mk1 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0003 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0003 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra perceptron/perceptron-mk1
Use os caminhos dos métodos indicados acima.
perceptron/perceptron-mk1Perceptron Mk1 é o modelo de imagem e vídeo da Perceptron para compreensão temporal, ancoragem espacial e raciocínio sobre a interação com o meio físico. Produz texto e anotações estruturadas para cenas, documentos e ações visíveis, com um contexto multimodal de 32K e raciocínio opcional.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Perceptron Mk1 é o modelo da Perceptron para compreensão de imagem e vídeo e raciocínio sobre a interação com o meio físico. Analisa material visual de origem em relação a uma pergunta escrita e devolve texto e anotações espaciais ou temporais estruturadas. A variante do fabricante tem um contexto multimodal de 32K e um modo de raciocínio híbrido que pode ser desativado para tarefas que não precisam de um registo de raciocínio.
O fabricante desenvolve Mk1 para explicar acontecimentos ao longo do tempo, em vez de apenas identificar o conteúdo de um fotograma. Uma sequência desportiva, uma demonstração culinária ou a tarefa de um operador podem produzir um relato estruturado do que aconteceu e quando. O produtor documenta análise dinâmica de vídeo até dois fotogramas por segundo. Esta forma de amostragem distingue-se da taxa de fotogramas original do vídeo de origem.
Para uma tarefa de localização de eventos, descreva a ação e o intervalo de que precisa. Uma instrução ilustrativa é: «Identifique os momentos em que o objeto é colocado na prateleira, devolva os intervalos de tempo e explique os elementos visíveis que sustentam cada um.» Mantenha o vídeo de origem e as referências temporais juntos, para que uma anotação de recorte ou um intervalo de evento possam ser verificados antes de outra aplicação os utilizar.
Mk1 suporta aprendizagem visual em contexto a partir de uma imagem ou de um vídeo de referência, seguida da localização de ocorrências correspondentes em material novo. Defina o que torna uma ocorrência relevante e preserve a etiqueta de referência. Para uma comparação, forneça ambos os elementos multimédia e indique os critérios: o objeto, a ação, a condição ou o pormenor de documento a comparar.
É uma forma de preparar a tarefa através de exemplos fornecidos, sem pressupor que foi executado um processo separado de ajuste fino. Se as cenas diferirem, peça que a saída identifique qual entrada sustenta cada conclusão. Uma semelhança visível deve manter-se distinta de uma conclusão inferida sobre um acontecimento.
As capacidades de imagem do produtor incluem indicar pontos, contar, reconhecer texto e ler instrumentos analógicos ou digitais. Para um instrumento, preserve a escala, as unidades e as marcações legíveis; para uma contagem, defina a região e a categoria. Mk1 também extrai documentos complexos para HTML, JSON ou Markdown, preservando as relações de disposição, as tabelas e a hierarquia.
Forneça uma imagem de página legível e indique os campos ou a pergunta. Um resultado útil conserva a associação à fonte e distingue o texto extraído da interpretação. O texto pequeno, a oclusão e os elementos ambíguos da cena devem ser tidos em conta na preparação da fonte e na revisão da resposta.
O fabricante treina pontos, caixas, polígonos, trajetórias e clips como saídas estruturadas de primeira classe, a par do texto. Estas anotações podem fornecer alvos, restrições, limites de tarefas ou informação observada de sucesso ou falha a um fluxo de trabalho envolvente de robótica ou análise. Uma tarefa com várias câmaras deve identificar as vistas e preservar a associação entre cada anotação e a sua fonte.
O modelo interpreta as observações e produz o resultado fundamentado nelas; a aplicação ou o sistema de controlo decide como o utilizar e executa qualquer ação física ou numa interface. Um alvo proposto ou um intervalo anotado distingue-se de uma operação executada ou de um ficheiro multimédia exportado.
Distribua a representação do vídeo, o conteúdo das imagens, o prompt, o histórico e a saída gerada pelo contexto de 32K. Peça o artefacto final e os elementos de prova que estabelecem cada resultado, em vez de esperar que uma coleção de fontes sem relação defina o seu próprio objetivo. Confira as coordenadas, os intervalos de tempo e os valores extraídos com o material multimédia original.
Mk1 conserva a sua própria edição identificada e as suas características visuais. Não se deve inferir para este lançamento anterior a entrada nativa de áudio, as restrições de pedido atuais de Mk1.5 nem os novos pormenores dos seus fluxos de trabalho de ferramentas e seguimento. A entrega útil é uma descrição de cena, um registo documental ou uma anotação espacial ou temporal passíveis de revisão e ligados aos elementos visuais fornecidos.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites perceptron/perceptron-mk1 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0003 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0003 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "perceptron/perceptron-mk1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra perceptron/perceptron-mk1
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
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.