models

Perceptron: Perceptron Mk1

Markdown · JSON

Perceptron: Perceptron Mk1

Perceptron Mk1 — модель Perceptron для изображений и видео, понимания времени, пространственной привязки и рассуждения агентов в среде. Она создаёт текст и структурированные аннотации сцен, документов и видимых действий с мультимодальным контекстом 32 тыс. токенов и необязательным рассуждением.

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

Perceptron Mk1 — модель Perceptron для понимания изображений и видео и рассуждения агентов в среде. Она анализирует визуальный исходный материал относительно письменного вопроса и возвращает текст и структурированные пространственные или временные аннотации. Вариант разработчика имеет мультимодальный контекст 32 тыс. токенов и гибридный режим рассуждения, который можно отключить для задач, не требующих цепочки размышления.

Рассуждение о времени и привязка

Разработчик создаёт Mk1 для объяснения событий во времени, а не только для подписывания кадра. Спортивная последовательность, кулинарная демонстрация или задача оператора могут дать структурированный рассказ о произошедшем и времени событий. Разработчик документирует динамический анализ видео со скоростью до двух кадров в секунду. Этот режим выборки отличается от исходной частоты кадров видео.

Для задачи поиска события опишите действие и нужный интервал. Пример инструкции: «Определи моменты, когда предмет ставят на полку, верни временные интервалы и объясни видимые свидетельства для каждого». Сохраняйте исходное видео и ссылки на время вместе, чтобы аннотацию клипа или интервал события можно было проверить до использования другим приложением.

Эталонные примеры и сравнение

Mk1 поддерживает визуальное обучение в контексте по эталонному изображению или видео с последующим поиском совпадающих случаев в новом материале. Определите признаки подходящего случая и сохраняйте метку эталона. Для сравнения передайте оба медиаобъекта и укажите критерии: сравниваемый объект, действие, условие или деталь документа.

Это способ подготовки задачи через переданные примеры, а не предположение, что прошёл отдельный процесс дообучения. Если сцены различаются, попросите указать в выводе, какой вход подтверждает каждый результат. Видимое сходство должно оставаться отличным от выведенного заключения о событии.

Задачи по изображениям и документам

Возможности работы с изображениями разработчика включают указание объектов, подсчёт, распознавание текста и чтение аналоговых или цифровых приборов. Для прибора сохраняйте шкалу, единицы измерения и читаемые отметки; для подсчёта определяйте область и категорию. Mk1 также извлекает сложные документы в HTML, JSON или Markdown с сохранением связей макета, таблиц и иерархии.

Передайте читаемое изображение страницы и укажите поля или вопрос. Полезный результат сохраняет связь с источником и отличает извлечённые формулировки от интерпретации. Мелкий текст, перекрытия и неоднозначные свидетельства сцены должны учитываться при подготовке источника и проверке ответа.

Пространственные примитивы и работа в среде

Разработчик обучает точки, прямоугольники, многоугольники, траектории и клипы как полноценные структурированные выходы наряду с текстом. Эти аннотации могут передавать цели, ограничения, границы задачи или информацию о наблюдаемом успехе и неудаче внешнему процессу робототехники или анализа. Задача с несколькими камерами должна подписывать ракурсы и сохранять связь каждой аннотации с источником.

Модель интерпретирует наблюдения и создаёт результат с привязкой к свидетельствам; приложение или управляющая система решают, как его использовать, и выполняют физическое действие или действие интерфейса. Предлагаемая цель или размеченный интервал отличаются от выполненной операции или экспортированного медиафайла.

Ограничения и границы редакции

Учитывайте представление видео, содержимое изображений, промпт, историю и сгенерированный вывод в контексте 32 тыс. токенов. Запрашивайте итоговый материал и свидетельства каждого результата, а не ожидайте, что несвязанная коллекция источников сама определит цель. Сверяйте координаты, временные интервалы и извлечённые значения с исходными медиа.

Mk1 сохраняет собственную именованную редакцию и визуальный вариант. Для этого более раннего выпуска нельзя предполагать родной аудиовход, текущие ограничения запроса Mk1.5 и детали её новых процессов инструментов и трекинга. Полезный результат — проверяемое описание сцены, запись документа или пространственная либо временная аннотация, связанные с переданными визуальными свидетельствами.

Практическая задача

Практическая задача

Технический пример на английском

Annotate a transcribed event sequence

Use 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.

Ожидаемый результат

A textual interval annotation with source timestamps, bounding evidence and the stated notes-only basis.

Проверка результата

Check the interval uses contact and release timestamps rather than grip or departure.
Ailoot Ultra · Чат OpenAI POST /v1/chat/completions perceptron/perceptron-mk1

perceptron/perceptron-mk1

Perceptron /perceptron/perceptron-mk1

Начало

Perceptron Mk1 — модель Perceptron для изображений и видео, понимания времени, пространственной привязки и рассуждения агентов в среде. Она создаёт текст и структурированные аннотации сцен, документов и видимых действий с мультимодальным контекстом 32 тыс. токенов и необязательным рассуждением.

Допустимые входные данные
Текст
Результаты
Текст

Доступно в Ailoot · входные данные и методы

Ailoot Ultra · Чат OpenAI POST /v1/chat/completions
Входные данные
text
Результат
text
Выходной формат
json или SSE
ПолеТипТребованиеЗначения и ограниченияПо умолчанию
ПолеmodelТипstringТребованиеОбязательноЗначения и ограничения
perceptron/perceptron-mk1
По умолчанию—
ПолеmessagesТипmessage[]ТребованиеОбязательноЗначения и ограничения
Минимум элементов: 1
По умолчанию—
Полеmessages[].roleТипstringТребованиеОбязательноЗначения и ограничения
Примеры: system, user, assistant, tool, function
Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели.
Зависит от модели
По умолчанию—
Полеmessages[].contentТипstring|content_part[]|nullТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеmessages[].tool_callsТипtool_call[]ТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеmessages[].tool_call_idТипstringТребованиеНеобязательноЗначения и ограничения
Применяется, когда: role=tool; используйте фактически возвращённый ID
По умолчанию—
Полеmessages[].nameТипstringТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеmessages[].reasoning_contentТипstringТребованиеНеобязательноЗначения и ограничения
Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует
По умолчанию—
Полеmessages[].reasoning_detailsТипobject|arrayТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеmax_tokensТипintegerТребованиеНеобязательноЗначения и ограничения
Минимум: 1
Зависит от модели
По умолчанию—
Полеmax_completion_tokensТипintegerТребованиеНеобязательноЗначения и ограничения
Минимум: 1
Зависит от модели
По умолчанию—
ПолеstreamТипbooleanТребованиеНеобязательноЗначения и ограниченияПо умолчаниюfalse
Полеstream_options.include_usageТипbooleanТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
ПолеtemperatureТипnumberТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеtop_pТипnumberТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
ПолеstopТипstring|string[]ТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
ПолеtoolsТипfunction_tool[]ТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеtools[].typeТипstringТребованиеНеобязательноЗначения и ограничения
function
Зависит от модели
По умолчанию—
Полеtools[].function.nameТипstringТребованиеОбязательноЗначения и ограничения
Применяется, когда: передан инструмент-функция
По умолчанию—
Полеtools[].function.descriptionТипstringТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеtools[].function.parametersТипJSON_schemaТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеtool_choiceТипstring|objectТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеparallel_tool_callsТипbooleanТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеresponse_formatТипobjectТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеreasoning_effortТипstringТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
ПолеreasoningТипobjectТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеservice_tierТипstringТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
ПолеinstructionsТипstringТребованиеНеобязательноЗначения и ограничения
Поле совместимости
По умолчанию—
ПолеfunctionsТипfunction[]ТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеfunction_callТипstring|objectТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеprompt_cache_optionsТипobjectТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
ПолеmodalitiesТипstring[]ТребованиеНеобязательноЗначения и ограничения
text
По умолчанию—
ПолеproviderТипobjectТребованиеНеобязательноЗначения и ограничения
Условия: provider.options отклоняется на этом текстовом маршруте Ultra
По умолчанию—
Полеcache_control.ttlТипstringТребованиеНеобязательноЗначения и ограничения
Условия: 1h отклоняется в фактических местах настройки кэша запросов
По умолчанию—
Сочетания входных материалов

Текст · Текст UTF8

messages[].content

Параметры и жизненный цикл метода
ПараметрКонтракт
Параметрcontent_typeКонтрактapplication/json
ПараметрrequiredКонтрактmodel, messages
Параметрmaterial_typesКонтрактtext
ПараметрmessagesКонтрактмассив сообщений со структурой role/content
Параметрfile_materialКонтрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него
Параметрoptional_controlsКонтрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Параметрcontrol_scopeКонтрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса
Параметрoutput_modalitiesКонтрактtext
Параметрhosted_operationsКонтрактfalse
Параметрmultimodal_input_bindingКонтрактnull

Жизненный цикл: synchronous_or_streamed

Отправляйте точный ID модели вместе с messages.

Длина контекста не является пределом выхода.

Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.

Тарифы

Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.

Быстрый режим
Стандартный тариф При выборе быстрого режима
Режим flex
Стандартный тариф При выборе режима flex
Максимальная интенсивность рассуждений
Стандартный тариф При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)

Ставки Ailoot

Цены по конфигурациям

Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.

КонфигурацияШкала ставокТокенов контекста большеТокенов контекста не более, включительноПлата
КонфигурацияБазовые ставки за токеныШкала ставокБазовая ставкаТокенов контекста больше—Токенов контекста не более, включительноБез верхней границыПлата
Вход · Входные токены $0.0003 / 1K токенов
Выход · Выходные токены $0.003 / 1K токенов
Вход · Чтение кэша — / 1K токенов
Вход · Запись в кэш — / 1K токенов
Вход · Запись в кэш, 1 час — / 1K токенов
КонфигурацияУровень 1 по длине запросаШкала ставок—Токенов контекста больше0Токенов контекста не более, включительноБез верхней границыПлата
Вход · Входные токены $0.0003 / 1K токенов
Выход · Выходные токены $0.003 / 1K токенов
Вход · Чтение кэша — / 1K токенов
Вход · Запись в кэш — / 1K токенов
Вход · Запись в кэш, 1 час — / 1K токенов

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →

Примеры запросов

Ailoot Ultra · Чат OpenAI

curlPython SDKПоток Python
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "perceptron/perceptron-mk1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='perceptron/perceptron-mk1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='perceptron/perceptron-mk1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Получить и сохранить результаты

Ailoot Ultra · Чат OpenAI

json или SSE

Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.

Если нужно проверить исходный ответ

Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.

Поля ответа
ПолеТип
Полеchoices[].indexТипinteger
Полеchoices[].message.contentТипstring|null
Полеchoices[].message.tool_callsТипtool_call[]
Полеchoices[].message.reasoning_contentТипstring
Полеchoices[].message.reasoning_detailsТипobject|array
Полеchoices[].finish_reasonТипstring|null
ПолеusageТипobject
Ошибки и дальнейшие шаги
ОтветУсловиеСледующий шаг
Ответ400 · invalid_request_errorУсловиеНеверные обязательные поля, представление материалов или значение параметраСледующий шагИсправьте указанные поля перед новым запросом на создание.

Псевдонимы

Псевдонимы моделей

Ailoot Ultra perceptron/perceptron-mk1

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

perceptron/perceptron-mk1

Ailoot Ultra · Сообщения Anthropic POST /v1/messages perceptron/perceptron-mk1

perceptron/perceptron-mk1

Perceptron /perceptron/perceptron-mk1

Начало

Perceptron Mk1 — модель Perceptron для изображений и видео, понимания времени, пространственной привязки и рассуждения агентов в среде. Она создаёт текст и структурированные аннотации сцен, документов и видимых действий с мультимодальным контекстом 32 тыс. токенов и необязательным рассуждением.

Допустимые входные данные
Текст
Результаты
json · sse

Доступно в Ailoot · входные данные и методы

Ailoot Ultra · Сообщения Anthropic POST /v1/messages
Входные данные
text
Результат
json, sse
Выходной формат
JSON или SSE
ПолеТипТребованиеЗначения и ограниченияПо умолчанию
ПолеmodelТипstringТребованиеОбязательноЗначения и ограничения
perceptron/perceptron-mk1
По умолчанию—
ПолеmessagesТипmessage[]ТребованиеОбязательноЗначения и ограниченияПо умолчанию—
Полеmessages[].roleТипstringТребованиеОбязательноЗначения и ограничения
user, assistant
По умолчанию—
Полеmessages[].contentТипstringТребованиеОбязательноЗначения и ограниченияПо умолчанию—
Полеmax_tokensТипintegerТребованиеОбязательноЗначения и ограниченияПо умолчанию—
ПолеstreamТипbooleanТребованиеНеобязательноЗначения и ограниченияПо умолчаниюfalse
Сочетания входных материалов

Текст · Текст UTF-8

строка messages[].content

Параметры и жизненный цикл метода
ПараметрКонтракт
Параметрcontent_typeКонтрактapplication/json
ПараметрrequiredКонтрактmodel, messages, max_tokens
Параметрoptional_controlsКонтрактstream
Параметрmaterial_typesКонтрактtext
Параметрtext_file_materialКонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения.

Жизненный цикл: synchronous_or_streamed

Тарифы

Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.

Быстрый режим
Стандартный тариф При выборе быстрого режима
Режим flex
Стандартный тариф При выборе режима flex
Максимальная интенсивность рассуждений
Стандартный тариф При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)

Ставки Ailoot

Цены по конфигурациям

Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.

КонфигурацияШкала ставокТокенов контекста большеТокенов контекста не более, включительноПлата
КонфигурацияБазовые ставки за токеныШкала ставокБазовая ставкаТокенов контекста больше—Токенов контекста не более, включительноБез верхней границыПлата
Вход · Входные токены $0.0003 / 1K токенов
Выход · Выходные токены $0.003 / 1K токенов
Вход · Чтение кэша — / 1K токенов
Вход · Запись в кэш — / 1K токенов
Вход · Запись в кэш, 1 час — / 1K токенов
КонфигурацияУровень 1 по длине запросаШкала ставок—Токенов контекста больше0Токенов контекста не более, включительноБез верхней границыПлата
Вход · Входные токены $0.0003 / 1K токенов
Выход · Выходные токены $0.003 / 1K токенов
Вход · Чтение кэша — / 1K токенов
Вход · Запись в кэш — / 1K токенов
Вход · Запись в кэш, 1 час — / 1K токенов

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →

Примеры запросов

Ailoot Ultra · Сообщения Anthropic

Полное минимальное тело запроса в формате JSONcurl · используйте свой документ UTF-8Python · сохраните полный результат
{
  "model": "perceptron/perceptron-mk1",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'perceptron/perceptron-mk1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'perceptron/perceptron-mk1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Получить и сохранить результаты

Ailoot Ultra · Сообщения Anthropic

JSON или SSE

Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.

Если нужно проверить исходный ответ

Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.

Поля ответа
ПолеТип
ПолеidТипstring
ПолеmodelТипstring
Полеcontent[]Типtext|thinking|tool_use|other content block
Полеstop_reasonТипstring|null
ПолеusageТипobject
Ошибки и дальнейшие шаги
ОтветУсловиеСледующий шаг
Ответ400 · invalid_request_errorУсловиеНеверные обязательные поля, представление материалов или значение параметраСледующий шагИсправьте указанные поля перед новым запросом на создание.

Псевдонимы

Псевдонимы моделей

Ailoot Ultra perceptron/perceptron-mk1

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

perceptron/perceptron-mk1

FAQ · Perceptron: Perceptron Mk1
Какие входные данные и результаты доступны?

POST /v1/chat/completions · perceptron/perceptron-mk1: text → text

POST /v1/messages · perceptron/perceptron-mk1: text → json, sse

Какие поля использует запрос?

POST /v1/chat/completions · perceptron/perceptron-mk1: model, messages, stream, modalities, provider

POST /v1/messages · perceptron/perceptron-mk1: model, messages, max_tokens, stream

Какие ограничения действуют?

POST /v1/chat/completions · perceptron/perceptron-mk1: messages.min_items: 1

Подробнее

Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению.

Компания и портфель её проектов

Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно.

Покупайте токены со скидкой.

Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов.

Подписка
Выберите тариф со скидкой для своих регулярных запросов.
Промокод до 50%
Введите код при покупке. Цена пересчитается с учётом действующей акции.
Расходы в истории
Модель, токены и сумма сохраняются для каждого запроса.

Выбрать подписку · Посмотреть цены моделей

Подключайте API к продукту, который вы продаёте.

SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию.

Коммерческое приложение
Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса.
Лицензия для реселлера
Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи.
Документы на сайте
Оферта, лицензионный договор и политика обработки данных доступны до подключения.

Запросить реселлерскую лицензию · Оферта и лицензионный договор