Perceptron Mk1 je model Perceptron na porozumenie obrázkom a videu a stelesnené uvažovanie. Analyzuje vizuálny zdrojový materiál vo vzťahu k písomnej otázke a vracia text a štruktúrované priestorové alebo časové anotácie. Variant výrobcu má multimodálny kontext 32K a hybridný režim uvažovania, ktorý možno vypnúť pri úlohách nevyžadujúcich stopu premýšľania.
Výrobca vyvíja Mk1 na vysvetľovanie udalostí v čase, nielen na označenie jednej snímky. Športová sekvencia, ukážka varenia alebo úloha operátora môžu priniesť štruktúrovaný opis toho, čo sa stalo a kedy. Výrobca dokumentuje dynamickú analýzu videa pri najviac dvoch snímkach za sekundu. Tento spôsob vzorkovania sa odlišuje od pôvodnej snímkovej frekvencie zdrojového videa.
Pri úlohe na určenie času udalosti opíšte činnosť a interval, ktorý potrebujete. Ukážkový pokyn znie: „Identifikujte okamihy, keď je predmet položený na policu, vráťte časové intervaly a vysvetlite viditeľné dôkazy pre každý z nich.“ Zdrojové video a časové odkazy uchovávajte spolu, aby sa anotácia klipu alebo interval udalosti dali skontrolovať pred použitím v ďalšej aplikácii.
Mk1 podporuje vizuálne učenie v kontexte z referenčného obrázka alebo videa a následné hľadanie zodpovedajúcich výskytov v novom materiáli. Definujte, čím je výskyt relevantný, a zachovajte označenie referencie. Pri porovnaní dodajte obe médiá a uveďte kritériá: objekt, činnosť, podmienku alebo detail dokumentu na porovnanie.
Ide o spôsob prípravy úlohy pomocou dodaných príkladov, nie o predpoklad, že prebehol samostatný proces dotrénovania. Ak sa scény líšia, žiadajte, aby výstup určil, ktorý vstup podporuje každé zistenie. Viditeľná podobnosť má zostať odlíšená od odvodeného záveru o udalosti.
Obrazové schopnosti výrobcu zahŕňajú označovanie bodov, počítanie, rozpoznávanie textu a čítanie analógových alebo digitálnych prístrojov. Pri prístroji zachovajte stupnicu, jednotky a čitateľné značky; pri počítaní definujte oblasť a kategóriu. Mk1 tiež extrahuje zložité dokumenty do HTML, JSON alebo Markdown pri zachovaní vzťahov v rozložení, tabuliek a hierarchie.
Dodajte čitateľný obrázok strany a uveďte polia alebo otázku. Užitočný výsledok zachováva prepojenie so zdrojom a odlišuje extrahované znenie od interpretácie. Drobný text, zakrytie a nejednoznačné dôkazy zo scény treba zohľadniť pri príprave zdroja aj kontrole odpovede.
Výrobca trénuje body, rámčeky, polygóny, trajektórie a klipy ako plnohodnotné štruktúrované výstupy popri texte. Tieto anotácie môžu dodávať ciele, obmedzenia, hranice úloh alebo pozorované informácie o úspechu či neúspechu okolitému robotickému alebo analytickému postupu. Pri úlohe s viacerými kamerami treba označiť pohľady a zachovať prepojenie každej anotácie s jej zdrojom.
Model interpretuje pozorovania a vytvára výsledok ukotvený v podkladoch; aplikácia alebo riadiaci systém rozhoduje, ako ho použiť, a vykonáva akýkoľvek fyzický úkon alebo úkon v rozhraní. Navrhnutý cieľ alebo anotovaný interval sa odlišuje od vykonanej operácie alebo exportovaného mediálneho súboru.
Reprezentáciu videa, obsah obrázkov, prompt, históriu a generovaný výstup naplánujte v rámci kontextu 32K. Žiadajte konečný výstup a dôkazy, ktoré dokladajú každý výsledok, namiesto očakávania, že nesúvisiaca zbierka zdrojov si sama určí cieľ. Súradnice, časové intervaly a extrahované hodnoty skontrolujte podľa pôvodných médií.
Mk1 si zachováva vlastnú pomenovanú edíciu a vizuálne zameranie. Natívny zvukový vstup, aktuálne obmedzenia požiadaviek Mk1.5 a podrobnosti jeho nového postupu s nástrojmi a sledovaním nemožno predpokladať pre toto staršie vydanie. Užitočným výsledkom je kontrolovateľný opis scény, záznam dokumentu alebo priestorová či časová anotácia naviazaná na dodané vizuálne dôkazy.
", "aboutText": "Perceptron Mk1 je model Perceptron na porozumenie obrázkom a videu a stelesnené uvažovanie. Analyzuje vizuálny zdrojový materiál vo vzťahu k písomnej otázke a vracia text a štruktúrované priestorové alebo časové anotácie. Variant výrobcu má multimodálny kontext 32K a hybridný režim uvažovania, ktorý možno vypnúť pri úlohách nevyžadujúcich stopu premýšľania.\n\n### Časové uvažovanie a ukotvenie\n\nVýrobca vyvíja Mk1 na vysvetľovanie udalostí v čase, nielen na označenie jednej snímky. Športová sekvencia, ukážka varenia alebo úloha operátora môžu priniesť štruktúrovaný opis toho, čo sa stalo a kedy. Výrobca dokumentuje dynamickú analýzu videa pri najviac dvoch snímkach za sekundu. Tento spôsob vzorkovania sa odlišuje od pôvodnej snímkovej frekvencie zdrojového videa.\n\nPri úlohe na určenie času udalosti opíšte činnosť a interval, ktorý potrebujete. Ukážkový pokyn znie: „Identifikujte okamihy, keď je predmet položený na policu, vráťte časové intervaly a vysvetlite viditeľné dôkazy pre každý z nich.“ Zdrojové video a časové odkazy uchovávajte spolu, aby sa anotácia klipu alebo interval udalosti dali skontrolovať pred použitím v ďalšej aplikácii.\n\n### Referenčné príklady a porovnanie\n\nMk1 podporuje vizuálne učenie v kontexte z referenčného obrázka alebo videa a následné hľadanie zodpovedajúcich výskytov v novom materiáli. Definujte, čím je výskyt relevantný, a zachovajte označenie referencie. Pri porovnaní dodajte obe médiá a uveďte kritériá: objekt, činnosť, podmienku alebo detail dokumentu na porovnanie.\n\nIde o spôsob prípravy úlohy pomocou dodaných príkladov, nie o predpoklad, že prebehol samostatný proces dotrénovania. Ak sa scény líšia, žiadajte, aby výstup určil, ktorý vstup podporuje každé zistenie. Viditeľná podobnosť má zostať odlíšená od odvodeného záveru o udalosti.\n\n### Úlohy s obrázkami a dokumentmi\n\nObrazové schopnosti výrobcu zahŕňajú označovanie bodov, počítanie, rozpoznávanie textu a čítanie analógových alebo digitálnych prístrojov. Pri prístroji zachovajte stupnicu, jednotky a čitateľné značky; pri počítaní definujte oblasť a kategóriu. Mk1 tiež extrahuje zložité dokumenty do HTML, JSON alebo Markdown pri zachovaní vzťahov v rozložení, tabuliek a hierarchie.\n\nDodajte čitateľný obrázok strany a uveďte polia alebo otázku. Užitočný výsledok zachováva prepojenie so zdrojom a odlišuje extrahované znenie od interpretácie. Drobný text, zakrytie a nejednoznačné dôkazy zo scény treba zohľadniť pri príprave zdroja aj kontrole odpovede.\n\n### Priestorové prvky a stelesnené úlohy\n\nVýrobca trénuje body, rámčeky, polygóny, trajektórie a klipy ako plnohodnotné štruktúrované výstupy popri texte. Tieto anotácie môžu dodávať ciele, obmedzenia, hranice úloh alebo pozorované informácie o úspechu či neúspechu okolitému robotickému alebo analytickému postupu. Pri úlohe s viacerými kamerami treba označiť pohľady a zachovať prepojenie každej anotácie s jej zdrojom.\n\nModel interpretuje pozorovania a vytvára výsledok ukotvený v podkladoch; aplikácia alebo riadiaci systém rozhoduje, ako ho použiť, a vykonáva akýkoľvek fyzický úkon alebo úkon v rozhraní. Navrhnutý cieľ alebo anotovaný interval sa odlišuje od vykonanej operácie alebo exportovaného mediálneho súboru.\n\n### Limity a rozsah edície\n\nReprezentáciu videa, obsah obrázkov, prompt, históriu a generovaný výstup naplánujte v rámci kontextu 32K. Žiadajte konečný výstup a dôkazy, ktoré dokladajú každý výsledok, namiesto očakávania, že nesúvisiaca zbierka zdrojov si sama určí cieľ. Súradnice, časové intervaly a extrahované hodnoty skontrolujte podľa pôvodných médií.\n\nMk1 si zachováva vlastnú pomenovanú edíciu a vizuálne zameranie. Natívny zvukový vstup, aktuálne obmedzenia požiadaviek Mk1.5 a podrobnosti jeho nového postupu s nástrojmi a sledovaním nemožno predpokladať pre toto staršie vydanie. Užitočným výsledkom je kontrolovateľný opis scény, záznam dokumentu alebo priestorová či časová anotácia naviazaná na dodané vizuálne dôkazy.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
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 je model Perceptron na prácu s obrázkami a videom na časové porozumenie, priestorové ukotvenie a stelesnené uvažovanie. Vytvára text a štruktúrované anotácie scén, dokumentov a viditeľných činností s multimodálnym kontextom 32K a voliteľným uvažovaním.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Perceptron Mk1 je model Perceptron na porozumenie obrázkom a videu a stelesnené uvažovanie. Analyzuje vizuálny zdrojový materiál vo vzťahu k písomnej otázke a vracia text a štruktúrované priestorové alebo časové anotácie. Variant výrobcu má multimodálny kontext 32K a hybridný režim uvažovania, ktorý možno vypnúť pri úlohách nevyžadujúcich stopu premýšľania.
Výrobca vyvíja Mk1 na vysvetľovanie udalostí v čase, nielen na označenie jednej snímky. Športová sekvencia, ukážka varenia alebo úloha operátora môžu priniesť štruktúrovaný opis toho, čo sa stalo a kedy. Výrobca dokumentuje dynamickú analýzu videa pri najviac dvoch snímkach za sekundu. Tento spôsob vzorkovania sa odlišuje od pôvodnej snímkovej frekvencie zdrojového videa.
Pri úlohe na určenie času udalosti opíšte činnosť a interval, ktorý potrebujete. Ukážkový pokyn znie: „Identifikujte okamihy, keď je predmet položený na policu, vráťte časové intervaly a vysvetlite viditeľné dôkazy pre každý z nich.“ Zdrojové video a časové odkazy uchovávajte spolu, aby sa anotácia klipu alebo interval udalosti dali skontrolovať pred použitím v ďalšej aplikácii.
Mk1 podporuje vizuálne učenie v kontexte z referenčného obrázka alebo videa a následné hľadanie zodpovedajúcich výskytov v novom materiáli. Definujte, čím je výskyt relevantný, a zachovajte označenie referencie. Pri porovnaní dodajte obe médiá a uveďte kritériá: objekt, činnosť, podmienku alebo detail dokumentu na porovnanie.
Ide o spôsob prípravy úlohy pomocou dodaných príkladov, nie o predpoklad, že prebehol samostatný proces dotrénovania. Ak sa scény líšia, žiadajte, aby výstup určil, ktorý vstup podporuje každé zistenie. Viditeľná podobnosť má zostať odlíšená od odvodeného záveru o udalosti.
Obrazové schopnosti výrobcu zahŕňajú označovanie bodov, počítanie, rozpoznávanie textu a čítanie analógových alebo digitálnych prístrojov. Pri prístroji zachovajte stupnicu, jednotky a čitateľné značky; pri počítaní definujte oblasť a kategóriu. Mk1 tiež extrahuje zložité dokumenty do HTML, JSON alebo Markdown pri zachovaní vzťahov v rozložení, tabuliek a hierarchie.
Dodajte čitateľný obrázok strany a uveďte polia alebo otázku. Užitočný výsledok zachováva prepojenie so zdrojom a odlišuje extrahované znenie od interpretácie. Drobný text, zakrytie a nejednoznačné dôkazy zo scény treba zohľadniť pri príprave zdroja aj kontrole odpovede.
Výrobca trénuje body, rámčeky, polygóny, trajektórie a klipy ako plnohodnotné štruktúrované výstupy popri texte. Tieto anotácie môžu dodávať ciele, obmedzenia, hranice úloh alebo pozorované informácie o úspechu či neúspechu okolitému robotickému alebo analytickému postupu. Pri úlohe s viacerými kamerami treba označiť pohľady a zachovať prepojenie každej anotácie s jej zdrojom.
Model interpretuje pozorovania a vytvára výsledok ukotvený v podkladoch; aplikácia alebo riadiaci systém rozhoduje, ako ho použiť, a vykonáva akýkoľvek fyzický úkon alebo úkon v rozhraní. Navrhnutý cieľ alebo anotovaný interval sa odlišuje od vykonanej operácie alebo exportovaného mediálneho súboru.
Reprezentáciu videa, obsah obrázkov, prompt, históriu a generovaný výstup naplánujte v rámci kontextu 32K. Žiadajte konečný výstup a dôkazy, ktoré dokladajú každý výsledok, namiesto očakávania, že nesúvisiaca zbierka zdrojov si sama určí cieľ. Súradnice, časové intervaly a extrahované hodnoty skontrolujte podľa pôvodných médií.
Mk1 si zachováva vlastnú pomenovanú edíciu a vizuálne zameranie. Natívny zvukový vstup, aktuálne obmedzenia požiadaviek Mk1.5 a podrobnosti jeho nového postupu s nástrojmi a sledovaním nemožno predpokladať pre toto staršie vydanie. Užitočným výsledkom je kontrolovateľný opis scény, záznam dokumentu alebo priestorová či časová anotácia naviazaná na dodané vizuálne dôkazy.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity perceptron/perceptron-mk1 | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Príklady: system, user, assistant, tool, function Podmienky: Tieto roly sú výslovne zastúpené typmi kompatibility v zdrojovom kóde; presný súbor rolí zostáva závislý od modelu. Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring|content_part[]|null | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_calls | Typtool_call[] | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_call_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: role=tool; použite skutočne vrátené ID | Predvolené— |
Polemessages[].name | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].reasoning_content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa | Predvolené— |
Polemessages[].reasoning_details | Typobject|array | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polemax_completion_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polestream_options.include_usage | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletop_p | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polestop | Typstring|string[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools | Typfunction_tool[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools[].type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity function Závisí od modelu | Predvolené— |
Poletools[].function.name | Typstring | PožiadavkaPovinné | Hodnoty a limity Platí, keď: poskytnutý nástroj typu funkcia | Predvolené— |
Poletools[].function.description | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletools[].function.parameters | TypJSON_schema | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletool_choice | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleparallel_tool_calls | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleresponse_format | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning_effort | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleservice_tier | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleinstructions | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Pole kompatibility | Predvolené— |
Polefunctions | Typfunction[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polefunction_call | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleprompt_cache_options | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemodalities | Typstring[] | PožiadavkaVoliteľné | Hodnoty a limity text | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa na tejto textovej trase Ultra odmieta | Predvolené— |
Polecache_control.ttl | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta | Predvolené— |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Špecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Počet tokenov kontextu väčší než | Tokeny kontextu, najviac (vrátane hranice) | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Počet tokenov kontextu väčší než— | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0003 / 1K tokenov Výstup · Výstupné tokeny $0.003 / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| KonfiguráciaPásmo dĺžky požiadavky 1 | Sadzobník— | Počet tokenov kontextu väčší než0 | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0003 / 1K tokenov Výstup · Výstupné tokeny $0.003 / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${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 alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra perceptron/perceptron-mk1
Použite cesty metód uvedené vyššie.
perceptron/perceptron-mk1Perceptron Mk1 je model Perceptron na prácu s obrázkami a videom na časové porozumenie, priestorové ukotvenie a stelesnené uvažovanie. Vytvára text a štruktúrované anotácie scén, dokumentov a viditeľných činností s multimodálnym kontextom 32K a voliteľným uvažovaním.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Perceptron Mk1 je model Perceptron na porozumenie obrázkom a videu a stelesnené uvažovanie. Analyzuje vizuálny zdrojový materiál vo vzťahu k písomnej otázke a vracia text a štruktúrované priestorové alebo časové anotácie. Variant výrobcu má multimodálny kontext 32K a hybridný režim uvažovania, ktorý možno vypnúť pri úlohách nevyžadujúcich stopu premýšľania.
Výrobca vyvíja Mk1 na vysvetľovanie udalostí v čase, nielen na označenie jednej snímky. Športová sekvencia, ukážka varenia alebo úloha operátora môžu priniesť štruktúrovaný opis toho, čo sa stalo a kedy. Výrobca dokumentuje dynamickú analýzu videa pri najviac dvoch snímkach za sekundu. Tento spôsob vzorkovania sa odlišuje od pôvodnej snímkovej frekvencie zdrojového videa.
Pri úlohe na určenie času udalosti opíšte činnosť a interval, ktorý potrebujete. Ukážkový pokyn znie: „Identifikujte okamihy, keď je predmet položený na policu, vráťte časové intervaly a vysvetlite viditeľné dôkazy pre každý z nich.“ Zdrojové video a časové odkazy uchovávajte spolu, aby sa anotácia klipu alebo interval udalosti dali skontrolovať pred použitím v ďalšej aplikácii.
Mk1 podporuje vizuálne učenie v kontexte z referenčného obrázka alebo videa a následné hľadanie zodpovedajúcich výskytov v novom materiáli. Definujte, čím je výskyt relevantný, a zachovajte označenie referencie. Pri porovnaní dodajte obe médiá a uveďte kritériá: objekt, činnosť, podmienku alebo detail dokumentu na porovnanie.
Ide o spôsob prípravy úlohy pomocou dodaných príkladov, nie o predpoklad, že prebehol samostatný proces dotrénovania. Ak sa scény líšia, žiadajte, aby výstup určil, ktorý vstup podporuje každé zistenie. Viditeľná podobnosť má zostať odlíšená od odvodeného záveru o udalosti.
Obrazové schopnosti výrobcu zahŕňajú označovanie bodov, počítanie, rozpoznávanie textu a čítanie analógových alebo digitálnych prístrojov. Pri prístroji zachovajte stupnicu, jednotky a čitateľné značky; pri počítaní definujte oblasť a kategóriu. Mk1 tiež extrahuje zložité dokumenty do HTML, JSON alebo Markdown pri zachovaní vzťahov v rozložení, tabuliek a hierarchie.
Dodajte čitateľný obrázok strany a uveďte polia alebo otázku. Užitočný výsledok zachováva prepojenie so zdrojom a odlišuje extrahované znenie od interpretácie. Drobný text, zakrytie a nejednoznačné dôkazy zo scény treba zohľadniť pri príprave zdroja aj kontrole odpovede.
Výrobca trénuje body, rámčeky, polygóny, trajektórie a klipy ako plnohodnotné štruktúrované výstupy popri texte. Tieto anotácie môžu dodávať ciele, obmedzenia, hranice úloh alebo pozorované informácie o úspechu či neúspechu okolitému robotickému alebo analytickému postupu. Pri úlohe s viacerými kamerami treba označiť pohľady a zachovať prepojenie každej anotácie s jej zdrojom.
Model interpretuje pozorovania a vytvára výsledok ukotvený v podkladoch; aplikácia alebo riadiaci systém rozhoduje, ako ho použiť, a vykonáva akýkoľvek fyzický úkon alebo úkon v rozhraní. Navrhnutý cieľ alebo anotovaný interval sa odlišuje od vykonanej operácie alebo exportovaného mediálneho súboru.
Reprezentáciu videa, obsah obrázkov, prompt, históriu a generovaný výstup naplánujte v rámci kontextu 32K. Žiadajte konečný výstup a dôkazy, ktoré dokladajú každý výsledok, namiesto očakávania, že nesúvisiaca zbierka zdrojov si sama určí cieľ. Súradnice, časové intervaly a extrahované hodnoty skontrolujte podľa pôvodných médií.
Mk1 si zachováva vlastnú pomenovanú edíciu a vizuálne zameranie. Natívny zvukový vstup, aktuálne obmedzenia požiadaviek Mk1.5 a podrobnosti jeho nového postupu s nástrojmi a sledovaním nemožno predpokladať pre toto staršie vydanie. Užitočným výsledkom je kontrolovateľný opis scény, záznam dokumentu alebo priestorová či časová anotácia naviazaná na dodané vizuálne dôkazy.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity perceptron/perceptron-mk1 | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Počet tokenov kontextu väčší než | Tokeny kontextu, najviac (vrátane hranice) | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Počet tokenov kontextu väčší než— | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0003 / 1K tokenov Výstup · Výstupné tokeny $0.003 / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| KonfiguráciaPásmo dĺžky požiadavky 1 | Sadzobník— | Počet tokenov kontextu väčší než0 | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0003 / 1K tokenov Výstup · Výstupné tokeny $0.003 / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "perceptron/perceptron-mk1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra perceptron/perceptron-mk1
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
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.