Perceptron Mk1 je model podjetja Perceptron za razumevanje slik in videa ter utelešeno sklepanje. Analizira vizualno izvorno gradivo v povezavi s pisnim vprašanjem in vrača besedilo ter strukturirane prostorske ali časovne anotacije. Njegova proizvajalčeva različica ima večmodalni kontekst 32K in hibridni način sklepanja, ki ga je mogoče izklopiti pri nalogah, ki ne potrebujejo sledi razmišljanja.
Proizvajalec Mk1 razvija za razlago dogodkov skozi čas, ne zgolj za označevanje kadra. Športno zaporedje, kuharski prikaz ali operaterjeva naloga lahko dajo strukturiran opis tega, kaj se je zgodilo in kdaj. Proizvajalec dokumentira dinamično analizo videa pri do dveh kadrih na sekundo. Ta način vzorčenja je ločen od izvirne hitrosti sličic izvornega videa.
Pri nalogi iskanja dogodka opišite dejanje in potrebni interval. Primer navodila je: »Prepoznaj trenutke, ko je predmet postavljen na polico, vrni časovne intervale in pojasni vidne dokaze za vsakega.« Izvorni video in časovne reference ohranite skupaj, da lahko anotacijo izseka ali interval dogodka preverite, preden ga uporabi druga aplikacija.
Mk1 podpira vizualno učenje v kontekstu iz referenčne slike ali videa, čemur sledi iskanje ujemajočih se primerov v novem gradivu. Določite, zaradi česa je primer ustrezen, in ohranite referenčno oznako. Za primerjavo predložite obe medijski gradivi in navedite merila: objekt, dejanje, pogoj ali podrobnost dokumenta za primerjavo.
To je način priprave naloge s predloženimi primeri, ne predpostavka, da je bil izveden ločen postopek dodatnega učenja. Če se prizori razlikujejo, zahtevajte, da izhod navede, kateri vhod podpira posamezno ugotovitev. Vidna podobnost naj ostane ločena od izpeljanega sklepa o dogodku.
Proizvajalčeve slikovne zmožnosti vključujejo kazanje, štetje, prepoznavanje besedila ter odčitavanje analognih ali digitalnih merilnikov. Pri merilniku ohranite lestvico, enote in berljive oznake; pri štetju določite območje in kategorijo. Mk1 tudi izlušči zapletene dokumente v HTML, JSON ali Markdown ter ohrani razmerja postavitve, tabele in hierarhijo.
Predložite berljivo sliko strani in navedite polja ali vprašanje. Uporaben rezultat ohrani povezavo z virom in loči izluščeno besedilo od razlage. Drobno besedilo, zakrivanje in dvoumne dokaze v prizoru je treba upoštevati pri pripravi vira in pregledu odgovora.
Proizvajalec model uči točk, okvirjev, poligonov, sledi in izsekov kot prvovrstnih strukturiranih izhodov ob besedilu. Te anotacije lahko podajo cilje, omejitve, meje nalog ali opažene podatke o uspehu oziroma neuspehu robotskemu ali analitičnemu poteku dela, ki model uporablja. Naloga z več kamerami naj označi poglede in ohrani povezavo med vsako anotacijo in njenim virom.
Model razlaga opažanja in ustvari utemeljeni rezultat; aplikacija ali nadzorni sistem odloči, kako ga uporabiti, in izvede vsako fizično dejanje ali dejanje v vmesniku. Predlagani cilj ali anotirani interval je ločen od izvedenega postopka ali izvožene medijske datoteke.
Predstavitev videa, slikovno vsebino, poziv, zgodovino in ustvarjeni izhod razporedite znotraj konteksta 32K. Zahtevajte končni izdelek in dokaze za vsak rezultat, namesto da pričakujete, da si bo nepovezana zbirka virov sama določila cilj. Koordinate, časovne intervale in izluščene vrednosti preverite glede na izvirno medijsko gradivo.
Mk1 ohranja svojo poimenovano izdajo in vizualno različico. Za to zgodnejšo izdajo ne predpostavljajte izvornega zvočnega vhoda, trenutnih omejitev zahtev Mk1.5 ali njegovih novih podrobnosti potekov dela z orodji in sledenjem. Uporaben izdelek je pregledljiv opis prizora, zapis dokumenta ali prostorska oziroma časovna anotacija, povezana s predloženimi vizualnimi dokazi.
", "aboutText": "Perceptron Mk1 je model podjetja Perceptron za razumevanje slik in videa ter utelešeno sklepanje. Analizira vizualno izvorno gradivo v povezavi s pisnim vprašanjem in vrača besedilo ter strukturirane prostorske ali časovne anotacije. Njegova proizvajalčeva različica ima večmodalni kontekst 32K in hibridni način sklepanja, ki ga je mogoče izklopiti pri nalogah, ki ne potrebujejo sledi razmišljanja.\n\n### Časovno sklepanje in umeščanje\n\nProizvajalec Mk1 razvija za razlago dogodkov skozi čas, ne zgolj za označevanje kadra. Športno zaporedje, kuharski prikaz ali operaterjeva naloga lahko dajo strukturiran opis tega, kaj se je zgodilo in kdaj. Proizvajalec dokumentira dinamično analizo videa pri do dveh kadrih na sekundo. Ta način vzorčenja je ločen od izvirne hitrosti sličic izvornega videa.\n\nPri nalogi iskanja dogodka opišite dejanje in potrebni interval. Primer navodila je: »Prepoznaj trenutke, ko je predmet postavljen na polico, vrni časovne intervale in pojasni vidne dokaze za vsakega.« Izvorni video in časovne reference ohranite skupaj, da lahko anotacijo izseka ali interval dogodka preverite, preden ga uporabi druga aplikacija.\n\n### Referenčni primeri in primerjava\n\nMk1 podpira vizualno učenje v kontekstu iz referenčne slike ali videa, čemur sledi iskanje ujemajočih se primerov v novem gradivu. Določite, zaradi česa je primer ustrezen, in ohranite referenčno oznako. Za primerjavo predložite obe medijski gradivi in navedite merila: objekt, dejanje, pogoj ali podrobnost dokumenta za primerjavo.\n\nTo je način priprave naloge s predloženimi primeri, ne predpostavka, da je bil izveden ločen postopek dodatnega učenja. Če se prizori razlikujejo, zahtevajte, da izhod navede, kateri vhod podpira posamezno ugotovitev. Vidna podobnost naj ostane ločena od izpeljanega sklepa o dogodku.\n\n### Naloge s slikami in dokumenti\n\nProizvajalčeve slikovne zmožnosti vključujejo kazanje, štetje, prepoznavanje besedila ter odčitavanje analognih ali digitalnih merilnikov. Pri merilniku ohranite lestvico, enote in berljive oznake; pri štetju določite območje in kategorijo. Mk1 tudi izlušči zapletene dokumente v HTML, JSON ali Markdown ter ohrani razmerja postavitve, tabele in hierarhijo.\n\nPredložite berljivo sliko strani in navedite polja ali vprašanje. Uporaben rezultat ohrani povezavo z virom in loči izluščeno besedilo od razlage. Drobno besedilo, zakrivanje in dvoumne dokaze v prizoru je treba upoštevati pri pripravi vira in pregledu odgovora.\n\n### Prostorski gradniki in utelešeno delo\n\nProizvajalec model uči točk, okvirjev, poligonov, sledi in izsekov kot prvovrstnih strukturiranih izhodov ob besedilu. Te anotacije lahko podajo cilje, omejitve, meje nalog ali opažene podatke o uspehu oziroma neuspehu robotskemu ali analitičnemu poteku dela, ki model uporablja. Naloga z več kamerami naj označi poglede in ohrani povezavo med vsako anotacijo in njenim virom.\n\nModel razlaga opažanja in ustvari utemeljeni rezultat; aplikacija ali nadzorni sistem odloči, kako ga uporabiti, in izvede vsako fizično dejanje ali dejanje v vmesniku. Predlagani cilj ali anotirani interval je ločen od izvedenega postopka ali izvožene medijske datoteke.\n\n### Omejitve in obseg izdaje\n\nPredstavitev videa, slikovno vsebino, poziv, zgodovino in ustvarjeni izhod razporedite znotraj konteksta 32K. Zahtevajte končni izdelek in dokaze za vsak rezultat, namesto da pričakujete, da si bo nepovezana zbirka virov sama določila cilj. Koordinate, časovne intervale in izluščene vrednosti preverite glede na izvirno medijsko gradivo.\n\nMk1 ohranja svojo poimenovano izdajo in vizualno različico. Za to zgodnejšo izdajo ne predpostavljajte izvornega zvočnega vhoda, trenutnih omejitev zahtev Mk1.5 ali njegovih novih podrobnosti potekov dela z orodji in sledenjem. Uporaben izdelek je pregledljiv opis prizora, zapis dokumenta ali prostorska oziroma časovna anotacija, povezana s predloženimi vizualnimi dokazi.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
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 podjetja Perceptron za slike in video, namenjen časovnemu razumevanju, prostorskemu umeščanju in utelešenemu sklepanju. Ustvarja besedilo in strukturirane anotacije prizorov, dokumentov in vidnih dejanj, z večmodalnim kontekstom 32K in neobveznim sklepanjem.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Perceptron Mk1 je model podjetja Perceptron za razumevanje slik in videa ter utelešeno sklepanje. Analizira vizualno izvorno gradivo v povezavi s pisnim vprašanjem in vrača besedilo ter strukturirane prostorske ali časovne anotacije. Njegova proizvajalčeva različica ima večmodalni kontekst 32K in hibridni način sklepanja, ki ga je mogoče izklopiti pri nalogah, ki ne potrebujejo sledi razmišljanja.
Proizvajalec Mk1 razvija za razlago dogodkov skozi čas, ne zgolj za označevanje kadra. Športno zaporedje, kuharski prikaz ali operaterjeva naloga lahko dajo strukturiran opis tega, kaj se je zgodilo in kdaj. Proizvajalec dokumentira dinamično analizo videa pri do dveh kadrih na sekundo. Ta način vzorčenja je ločen od izvirne hitrosti sličic izvornega videa.
Pri nalogi iskanja dogodka opišite dejanje in potrebni interval. Primer navodila je: »Prepoznaj trenutke, ko je predmet postavljen na polico, vrni časovne intervale in pojasni vidne dokaze za vsakega.« Izvorni video in časovne reference ohranite skupaj, da lahko anotacijo izseka ali interval dogodka preverite, preden ga uporabi druga aplikacija.
Mk1 podpira vizualno učenje v kontekstu iz referenčne slike ali videa, čemur sledi iskanje ujemajočih se primerov v novem gradivu. Določite, zaradi česa je primer ustrezen, in ohranite referenčno oznako. Za primerjavo predložite obe medijski gradivi in navedite merila: objekt, dejanje, pogoj ali podrobnost dokumenta za primerjavo.
To je način priprave naloge s predloženimi primeri, ne predpostavka, da je bil izveden ločen postopek dodatnega učenja. Če se prizori razlikujejo, zahtevajte, da izhod navede, kateri vhod podpira posamezno ugotovitev. Vidna podobnost naj ostane ločena od izpeljanega sklepa o dogodku.
Proizvajalčeve slikovne zmožnosti vključujejo kazanje, štetje, prepoznavanje besedila ter odčitavanje analognih ali digitalnih merilnikov. Pri merilniku ohranite lestvico, enote in berljive oznake; pri štetju določite območje in kategorijo. Mk1 tudi izlušči zapletene dokumente v HTML, JSON ali Markdown ter ohrani razmerja postavitve, tabele in hierarhijo.
Predložite berljivo sliko strani in navedite polja ali vprašanje. Uporaben rezultat ohrani povezavo z virom in loči izluščeno besedilo od razlage. Drobno besedilo, zakrivanje in dvoumne dokaze v prizoru je treba upoštevati pri pripravi vira in pregledu odgovora.
Proizvajalec model uči točk, okvirjev, poligonov, sledi in izsekov kot prvovrstnih strukturiranih izhodov ob besedilu. Te anotacije lahko podajo cilje, omejitve, meje nalog ali opažene podatke o uspehu oziroma neuspehu robotskemu ali analitičnemu poteku dela, ki model uporablja. Naloga z več kamerami naj označi poglede in ohrani povezavo med vsako anotacijo in njenim virom.
Model razlaga opažanja in ustvari utemeljeni rezultat; aplikacija ali nadzorni sistem odloči, kako ga uporabiti, in izvede vsako fizično dejanje ali dejanje v vmesniku. Predlagani cilj ali anotirani interval je ločen od izvedenega postopka ali izvožene medijske datoteke.
Predstavitev videa, slikovno vsebino, poziv, zgodovino in ustvarjeni izhod razporedite znotraj konteksta 32K. Zahtevajte končni izdelek in dokaze za vsak rezultat, namesto da pričakujete, da si bo nepovezana zbirka virov sama določila cilj. Koordinate, časovne intervale in izluščene vrednosti preverite glede na izvirno medijsko gradivo.
Mk1 ohranja svojo poimenovano izdajo in vizualno različico. Za to zgodnejšo izdajo ne predpostavljajte izvornega zvočnega vhoda, trenutnih omejitev zahtev Mk1.5 ali njegovih novih podrobnosti potekov dela z orodji in sledenjem. Uporaben izdelek je pregledljiv opis prizora, zapis dokumenta ali prostorska oziroma časovna anotacija, povezana s predloženimi vizualnimi dokazi.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve perceptron/perceptron-mk1 | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0003 / 1K žetonov Izhod · Izhodni žetoni $0.003 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0003 / 1K žetonov Izhod · Izhodni žetoni $0.003 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra perceptron/perceptron-mk1
Uporabite zgoraj navedene poti metod.
perceptron/perceptron-mk1Perceptron Mk1 je model podjetja Perceptron za slike in video, namenjen časovnemu razumevanju, prostorskemu umeščanju in utelešenemu sklepanju. Ustvarja besedilo in strukturirane anotacije prizorov, dokumentov in vidnih dejanj, z večmodalnim kontekstom 32K in neobveznim sklepanjem.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Perceptron Mk1 je model podjetja Perceptron za razumevanje slik in videa ter utelešeno sklepanje. Analizira vizualno izvorno gradivo v povezavi s pisnim vprašanjem in vrača besedilo ter strukturirane prostorske ali časovne anotacije. Njegova proizvajalčeva različica ima večmodalni kontekst 32K in hibridni način sklepanja, ki ga je mogoče izklopiti pri nalogah, ki ne potrebujejo sledi razmišljanja.
Proizvajalec Mk1 razvija za razlago dogodkov skozi čas, ne zgolj za označevanje kadra. Športno zaporedje, kuharski prikaz ali operaterjeva naloga lahko dajo strukturiran opis tega, kaj se je zgodilo in kdaj. Proizvajalec dokumentira dinamično analizo videa pri do dveh kadrih na sekundo. Ta način vzorčenja je ločen od izvirne hitrosti sličic izvornega videa.
Pri nalogi iskanja dogodka opišite dejanje in potrebni interval. Primer navodila je: »Prepoznaj trenutke, ko je predmet postavljen na polico, vrni časovne intervale in pojasni vidne dokaze za vsakega.« Izvorni video in časovne reference ohranite skupaj, da lahko anotacijo izseka ali interval dogodka preverite, preden ga uporabi druga aplikacija.
Mk1 podpira vizualno učenje v kontekstu iz referenčne slike ali videa, čemur sledi iskanje ujemajočih se primerov v novem gradivu. Določite, zaradi česa je primer ustrezen, in ohranite referenčno oznako. Za primerjavo predložite obe medijski gradivi in navedite merila: objekt, dejanje, pogoj ali podrobnost dokumenta za primerjavo.
To je način priprave naloge s predloženimi primeri, ne predpostavka, da je bil izveden ločen postopek dodatnega učenja. Če se prizori razlikujejo, zahtevajte, da izhod navede, kateri vhod podpira posamezno ugotovitev. Vidna podobnost naj ostane ločena od izpeljanega sklepa o dogodku.
Proizvajalčeve slikovne zmožnosti vključujejo kazanje, štetje, prepoznavanje besedila ter odčitavanje analognih ali digitalnih merilnikov. Pri merilniku ohranite lestvico, enote in berljive oznake; pri štetju določite območje in kategorijo. Mk1 tudi izlušči zapletene dokumente v HTML, JSON ali Markdown ter ohrani razmerja postavitve, tabele in hierarhijo.
Predložite berljivo sliko strani in navedite polja ali vprašanje. Uporaben rezultat ohrani povezavo z virom in loči izluščeno besedilo od razlage. Drobno besedilo, zakrivanje in dvoumne dokaze v prizoru je treba upoštevati pri pripravi vira in pregledu odgovora.
Proizvajalec model uči točk, okvirjev, poligonov, sledi in izsekov kot prvovrstnih strukturiranih izhodov ob besedilu. Te anotacije lahko podajo cilje, omejitve, meje nalog ali opažene podatke o uspehu oziroma neuspehu robotskemu ali analitičnemu poteku dela, ki model uporablja. Naloga z več kamerami naj označi poglede in ohrani povezavo med vsako anotacijo in njenim virom.
Model razlaga opažanja in ustvari utemeljeni rezultat; aplikacija ali nadzorni sistem odloči, kako ga uporabiti, in izvede vsako fizično dejanje ali dejanje v vmesniku. Predlagani cilj ali anotirani interval je ločen od izvedenega postopka ali izvožene medijske datoteke.
Predstavitev videa, slikovno vsebino, poziv, zgodovino in ustvarjeni izhod razporedite znotraj konteksta 32K. Zahtevajte končni izdelek in dokaze za vsak rezultat, namesto da pričakujete, da si bo nepovezana zbirka virov sama določila cilj. Koordinate, časovne intervale in izluščene vrednosti preverite glede na izvirno medijsko gradivo.
Mk1 ohranja svojo poimenovano izdajo in vizualno različico. Za to zgodnejšo izdajo ne predpostavljajte izvornega zvočnega vhoda, trenutnih omejitev zahtev Mk1.5 ali njegovih novih podrobnosti potekov dela z orodji in sledenjem. Uporaben izdelek je pregledljiv opis prizora, zapis dokumenta ali prostorska oziroma časovna anotacija, povezana s predloženimi vizualnimi dokazi.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve perceptron/perceptron-mk1 | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0003 / 1K žetonov Izhod · Izhodni žetoni $0.003 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0003 / 1K žetonov Izhod · Izhodni žetoni $0.003 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "perceptron/perceptron-mk1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra perceptron/perceptron-mk1
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
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.