Perceptron Mk1.5 är Perceptrons multimodala modell för bildförståelse, tidsmässig förankring och uppgifter för agenter som verkar i en fysisk miljö. Den tar emot text, bilder, video och ljud och returnerar text, rumsliga eller tidsmässiga annoteringar, strukturerade svar och innehåll för funktionsanrop. Tillverkarens aktuella specifikation anger en kontext på 36 864 token och högst 8 192 token i svaret; dessa exakta gränser är mer specifika än lanseringsartikelns avrundade beskrivning på 32K.
Ett utmärkande tillägg är att objekt kan spåras genom video som tidsstämplad geometri. Beskriv målobjektet tydligt och ange vad resultatet ska fastställa, exempelvis när ett föremål kommer in i en scen, vart det rör sig eller vilket intervall som innehåller en viss handling. För film ur förstapersonsperspektiv betonar tillverkaren handspårning och uppdelning i deluppgifter, vilket är användbart för att analysera vad en operatör gör över tid.
De dokumenterade utdataformaten omfattar punkter, rutor och polygoner för rumslig förankring, klipp för tidsintervall och spårbehållare för objektrörelser. Track är en behållare i den genererade annoteringsmarkeringen, inte ett separat värde för annoteringsformat. Ett spårs stödpunkter kan vara glest fördelade: ett returnerat spår garanterar inte en ruta för varje källbildruta eller att objektet är synligt hela tiden. Behåll originalmediet och kopplingen till koordinater eller tidsstämplar så att resultaten kan kontrolleras mot den faktiska scenen.
Mk1.5 tillför inbyggd ljudförståelse, däribland transkribering, detektering av ljudhändelser, sammanfattningar och frågor om en inspelning. Tillverkaren accepterar WAV, MP3 och FLAC. Ljudgränsen per objekt är 16 384 ljudtoken, ungefär 21,8 minuter vid den dokumenterade takten på cirka 750 token per minut. Ljud delar kontext med övriga indata och utrymmet för svaret, så en begäran kan fylla kontexten innan denna gräns per objekt nås.
För video där ljudspåret spelar roll aktiverar tillverkarens arbetsflöde uttryckligen ljud i video. Ange om uppgiften gäller tal, en ljudhändelse, den synliga scenen eller sambandet mellan dem. Utdata är text och strukturerat innehåll; Mk1.5 genererar inte talat ljud. Vid transkribering bevarar du det begärda språket och kopplingen till tidpunkter i stället för att behandla en bildbeskrivning som en transkription.
Tillverkaren stöder jämförelser mellan medieindata. Märk objekten och behåll kopplingarna till mediefilerna. Det valfria asset_idx identifierar en medieförekomst som är tillgänglig vid den punkten i konversationen, inte en beständig filidentifierare. Om ingen uttrycklig eller ärvd väljare finns, avser en annotering den senast tillgängliga mediefilen vid genereringstillfället. Dessa konventioner är viktiga när en uppgift jämför två kameror, sidor eller inspelningar. Tillverkarens gräns per begäran är 256 medieenheter. Varje bildruta i en video_frames-grupp räknas mot gränsen, även om gruppen upptar ett enda medieindex; att aktivera en videos ljudspår lägger inte till ytterligare en mediefil.
Tillverkaren stöder slutliga svar som begränsas av JSON Schema eller ett reguljärt uttryck. Definiera fälten eller mönstret och granska de returnerade värdena mot källan. Tillverkaren dokumenterar även Multilook för oberoende prompter över delad kontext, ett separat arbetsflöde från vanlig chatt med ett enda genererat svar.
Mk1.5 kan välja bland tillhandahållna funktioner som beskrivs med namn, syften och JSON Schemas. Applikationen utför de föreslagna anropen och returnerar observationer. Definiera tillåtna åtgärder och ett slutförandekriterium för en uppgift i en fysisk miljö eller ett gränssnitt, och använd sedan det nya visuella tillståndet eller verktygsresultatet som underlag för nästa steg. Resonemangsnivån kan konfigureras i tillverkarens profil.
Funktionsverktyg kan inte deklareras i samma begäran som utdata begränsade av JSON Schema eller ett reguljärt uttryck; tillverkaren anvisar att ett begränsat slutsvar ska begäras efter verktygsloopen. Kontrollera avslutsorsaken innan du använder resultatet, eftersom ett avslut på grund av längdgränsen kan innebära ofullständiga utdata.
Ett användbart resultat är en förankrad scenförklaring, en tidsatt transkription, en objektannotering eller ett underbyggt åtgärdsförslag. Kontrollera geometrin mot mediet, skilj observerade detaljer från tolkning och håll Mk1.5:s exakta ljud-, spårnings- och verktygsfunktioner åtskilda från den tidigare Mk1-utgåvan.
", "aboutText": "Perceptron Mk1.5 är Perceptrons multimodala modell för bildförståelse, tidsmässig förankring och uppgifter för agenter som verkar i en fysisk miljö. Den tar emot text, bilder, video och ljud och returnerar text, rumsliga eller tidsmässiga annoteringar, strukturerade svar och innehåll för funktionsanrop. Tillverkarens aktuella specifikation anger en kontext på 36 864 token och högst 8 192 token i svaret; dessa exakta gränser är mer specifika än lanseringsartikelns avrundade beskrivning på 32K.\n\n### Video och objektspårning\n\nEtt utmärkande tillägg är att objekt kan spåras genom video som tidsstämplad geometri. Beskriv målobjektet tydligt och ange vad resultatet ska fastställa, exempelvis när ett föremål kommer in i en scen, vart det rör sig eller vilket intervall som innehåller en viss handling. För film ur förstapersonsperspektiv betonar tillverkaren handspårning och uppdelning i deluppgifter, vilket är användbart för att analysera vad en operatör gör över tid.\n\nDe dokumenterade utdataformaten omfattar punkter, rutor och polygoner för rumslig förankring, klipp för tidsintervall och spårbehållare för objektrörelser. Track är en behållare i den genererade annoteringsmarkeringen, inte ett separat värde för annoteringsformat. Ett spårs stödpunkter kan vara glest fördelade: ett returnerat spår garanterar inte en ruta för varje källbildruta eller att objektet är synligt hela tiden. Behåll originalmediet och kopplingen till koordinater eller tidsstämplar så att resultaten kan kontrolleras mot den faktiska scenen.\n\n### Ljud och kombinerat underlag\n\nMk1.5 tillför inbyggd ljudförståelse, däribland transkribering, detektering av ljudhändelser, sammanfattningar och frågor om en inspelning. Tillverkaren accepterar WAV, MP3 och FLAC. Ljudgränsen per objekt är 16 384 ljudtoken, ungefär 21,8 minuter vid den dokumenterade takten på cirka 750 token per minut. Ljud delar kontext med övriga indata och utrymmet för svaret, så en begäran kan fylla kontexten innan denna gräns per objekt nås.\n\nFör video där ljudspåret spelar roll aktiverar tillverkarens arbetsflöde uttryckligen ljud i video. Ange om uppgiften gäller tal, en ljudhändelse, den synliga scenen eller sambandet mellan dem. Utdata är text och strukturerat innehåll; Mk1.5 genererar inte talat ljud. Vid transkribering bevarar du det begärda språket och kopplingen till tidpunkter i stället för att behandla en bildbeskrivning som en transkription.\n\n### Flera mediefiler och strukturerade svar\n\nTillverkaren stöder jämförelser mellan medieindata. Märk objekten och behåll kopplingarna till mediefilerna. Det valfria asset_idx identifierar en medieförekomst som är tillgänglig vid den punkten i konversationen, inte en beständig filidentifierare. Om ingen uttrycklig eller ärvd väljare finns, avser en annotering den senast tillgängliga mediefilen vid genereringstillfället. Dessa konventioner är viktiga när en uppgift jämför två kameror, sidor eller inspelningar. Tillverkarens gräns per begäran är 256 medieenheter. Varje bildruta i en video_frames-grupp räknas mot gränsen, även om gruppen upptar ett enda medieindex; att aktivera en videos ljudspår lägger inte till ytterligare en mediefil.\n\nTillverkaren stöder slutliga svar som begränsas av JSON Schema eller ett reguljärt uttryck. Definiera fälten eller mönstret och granska de returnerade värdena mot källan. Tillverkaren dokumenterar även Multilook för oberoende prompter över delad kontext, ett separat arbetsflöde från vanlig chatt med ett enda genererat svar.\n\n### Funktioner och resonemang\n\nMk1.5 kan välja bland tillhandahållna funktioner som beskrivs med namn, syften och JSON Schemas. Applikationen utför de föreslagna anropen och returnerar observationer. Definiera tillåtna åtgärder och ett slutförandekriterium för en uppgift i en fysisk miljö eller ett gränssnitt, och använd sedan det nya visuella tillståndet eller verktygsresultatet som underlag för nästa steg. Resonemangsnivån kan konfigureras i tillverkarens profil.\n\nFunktionsverktyg kan inte deklareras i samma begäran som utdata begränsade av JSON Schema eller ett reguljärt uttryck; tillverkaren anvisar att ett begränsat slutsvar ska begäras efter verktygsloopen. Kontrollera avslutsorsaken innan du använder resultatet, eftersom ett avslut på grund av längdgränsen kan innebära ofullständiga utdata.\n\nEtt användbart resultat är en förankrad scenförklaring, en tidsatt transkription, en objektannotering eller ett underbyggt åtgärdsförslag. Kontrollera geometrin mot mediet, skilj observerade detaljer från tolkning och håll Mk1.5:s exakta ljud-, spårnings- och verktygsfunktioner åtskilda från den tidigare Mk1-utgåvan.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Summarize a timed handling sequence\n\nUse these written frame notes, not unseen footage: 00:02 operator picks up a red box; 00:05 places it on scale; 00:08 removes it; 00:11 places it on shelf. Return the ordered subtasks and the observed interval when the box is on the scale. State the sampling limitation instead of claiming exact continuous motion between notes.An ordered subtask list and a scale interval explicitly bounded by the supplied observations.Timestamps stay attached to their notes, and the answer does not invent intermediate geometry or continuous visibility.perceptron/perceptron-mk1.5Perceptron Mk1.5 förstår text, bilder, video och ljud för visuella uppgifter och uppgifter för agenter som verkar i en fysisk miljö. Den returnerar text, rumsliga eller tidsmässiga annoteringar, objektspår och föreslagna funktionsanrop, med en tillverkarspecificerad kontext på 36 864 token och högst 8 192 token i svaret.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Perceptron Mk1.5 är Perceptrons multimodala modell för bildförståelse, tidsmässig förankring och uppgifter för agenter som verkar i en fysisk miljö. Den tar emot text, bilder, video och ljud och returnerar text, rumsliga eller tidsmässiga annoteringar, strukturerade svar och innehåll för funktionsanrop. Tillverkarens aktuella specifikation anger en kontext på 36 864 token och högst 8 192 token i svaret; dessa exakta gränser är mer specifika än lanseringsartikelns avrundade beskrivning på 32K.
Ett utmärkande tillägg är att objekt kan spåras genom video som tidsstämplad geometri. Beskriv målobjektet tydligt och ange vad resultatet ska fastställa, exempelvis när ett föremål kommer in i en scen, vart det rör sig eller vilket intervall som innehåller en viss handling. För film ur förstapersonsperspektiv betonar tillverkaren handspårning och uppdelning i deluppgifter, vilket är användbart för att analysera vad en operatör gör över tid.
De dokumenterade utdataformaten omfattar punkter, rutor och polygoner för rumslig förankring, klipp för tidsintervall och spårbehållare för objektrörelser. Track är en behållare i den genererade annoteringsmarkeringen, inte ett separat värde för annoteringsformat. Ett spårs stödpunkter kan vara glest fördelade: ett returnerat spår garanterar inte en ruta för varje källbildruta eller att objektet är synligt hela tiden. Behåll originalmediet och kopplingen till koordinater eller tidsstämplar så att resultaten kan kontrolleras mot den faktiska scenen.
Mk1.5 tillför inbyggd ljudförståelse, däribland transkribering, detektering av ljudhändelser, sammanfattningar och frågor om en inspelning. Tillverkaren accepterar WAV, MP3 och FLAC. Ljudgränsen per objekt är 16 384 ljudtoken, ungefär 21,8 minuter vid den dokumenterade takten på cirka 750 token per minut. Ljud delar kontext med övriga indata och utrymmet för svaret, så en begäran kan fylla kontexten innan denna gräns per objekt nås.
För video där ljudspåret spelar roll aktiverar tillverkarens arbetsflöde uttryckligen ljud i video. Ange om uppgiften gäller tal, en ljudhändelse, den synliga scenen eller sambandet mellan dem. Utdata är text och strukturerat innehåll; Mk1.5 genererar inte talat ljud. Vid transkribering bevarar du det begärda språket och kopplingen till tidpunkter i stället för att behandla en bildbeskrivning som en transkription.
Tillverkaren stöder jämförelser mellan medieindata. Märk objekten och behåll kopplingarna till mediefilerna. Det valfria asset_idx identifierar en medieförekomst som är tillgänglig vid den punkten i konversationen, inte en beständig filidentifierare. Om ingen uttrycklig eller ärvd väljare finns, avser en annotering den senast tillgängliga mediefilen vid genereringstillfället. Dessa konventioner är viktiga när en uppgift jämför två kameror, sidor eller inspelningar. Tillverkarens gräns per begäran är 256 medieenheter. Varje bildruta i en video_frames-grupp räknas mot gränsen, även om gruppen upptar ett enda medieindex; att aktivera en videos ljudspår lägger inte till ytterligare en mediefil.
Tillverkaren stöder slutliga svar som begränsas av JSON Schema eller ett reguljärt uttryck. Definiera fälten eller mönstret och granska de returnerade värdena mot källan. Tillverkaren dokumenterar även Multilook för oberoende prompter över delad kontext, ett separat arbetsflöde från vanlig chatt med ett enda genererat svar.
Mk1.5 kan välja bland tillhandahållna funktioner som beskrivs med namn, syften och JSON Schemas. Applikationen utför de föreslagna anropen och returnerar observationer. Definiera tillåtna åtgärder och ett slutförandekriterium för en uppgift i en fysisk miljö eller ett gränssnitt, och använd sedan det nya visuella tillståndet eller verktygsresultatet som underlag för nästa steg. Resonemangsnivån kan konfigureras i tillverkarens profil.
Funktionsverktyg kan inte deklareras i samma begäran som utdata begränsade av JSON Schema eller ett reguljärt uttryck; tillverkaren anvisar att ett begränsat slutsvar ska begäras efter verktygsloopen. Kontrollera avslutsorsaken innan du använder resultatet, eftersom ett avslut på grund av längdgränsen kan innebära ofullständiga utdata.
Ett användbart resultat är en förankrad scenförklaring, en tidsatt transkription, en objektannotering eller ett underbyggt åtgärdsförslag. Kontrollera geometrin mot mediet, skilj observerade detaljer från tolkning och håll Mk1.5:s exakta ljud-, spårnings- och verktygsfunktioner åtskilda från den tidigare Mk1-utgåvan.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser perceptron/perceptron-mk1.5 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "perceptron/perceptron-mk1.5", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='perceptron/perceptron-mk1.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='perceptron/perceptron-mk1.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra perceptron/perceptron-mk1.5
Använd metodsökvägarna som visas ovan.
perceptron/perceptron-mk1.5Perceptron Mk1.5 förstår text, bilder, video och ljud för visuella uppgifter och uppgifter för agenter som verkar i en fysisk miljö. Den returnerar text, rumsliga eller tidsmässiga annoteringar, objektspår och föreslagna funktionsanrop, med en tillverkarspecificerad kontext på 36 864 token och högst 8 192 token i svaret.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Perceptron Mk1.5 är Perceptrons multimodala modell för bildförståelse, tidsmässig förankring och uppgifter för agenter som verkar i en fysisk miljö. Den tar emot text, bilder, video och ljud och returnerar text, rumsliga eller tidsmässiga annoteringar, strukturerade svar och innehåll för funktionsanrop. Tillverkarens aktuella specifikation anger en kontext på 36 864 token och högst 8 192 token i svaret; dessa exakta gränser är mer specifika än lanseringsartikelns avrundade beskrivning på 32K.
Ett utmärkande tillägg är att objekt kan spåras genom video som tidsstämplad geometri. Beskriv målobjektet tydligt och ange vad resultatet ska fastställa, exempelvis när ett föremål kommer in i en scen, vart det rör sig eller vilket intervall som innehåller en viss handling. För film ur förstapersonsperspektiv betonar tillverkaren handspårning och uppdelning i deluppgifter, vilket är användbart för att analysera vad en operatör gör över tid.
De dokumenterade utdataformaten omfattar punkter, rutor och polygoner för rumslig förankring, klipp för tidsintervall och spårbehållare för objektrörelser. Track är en behållare i den genererade annoteringsmarkeringen, inte ett separat värde för annoteringsformat. Ett spårs stödpunkter kan vara glest fördelade: ett returnerat spår garanterar inte en ruta för varje källbildruta eller att objektet är synligt hela tiden. Behåll originalmediet och kopplingen till koordinater eller tidsstämplar så att resultaten kan kontrolleras mot den faktiska scenen.
Mk1.5 tillför inbyggd ljudförståelse, däribland transkribering, detektering av ljudhändelser, sammanfattningar och frågor om en inspelning. Tillverkaren accepterar WAV, MP3 och FLAC. Ljudgränsen per objekt är 16 384 ljudtoken, ungefär 21,8 minuter vid den dokumenterade takten på cirka 750 token per minut. Ljud delar kontext med övriga indata och utrymmet för svaret, så en begäran kan fylla kontexten innan denna gräns per objekt nås.
För video där ljudspåret spelar roll aktiverar tillverkarens arbetsflöde uttryckligen ljud i video. Ange om uppgiften gäller tal, en ljudhändelse, den synliga scenen eller sambandet mellan dem. Utdata är text och strukturerat innehåll; Mk1.5 genererar inte talat ljud. Vid transkribering bevarar du det begärda språket och kopplingen till tidpunkter i stället för att behandla en bildbeskrivning som en transkription.
Tillverkaren stöder jämförelser mellan medieindata. Märk objekten och behåll kopplingarna till mediefilerna. Det valfria asset_idx identifierar en medieförekomst som är tillgänglig vid den punkten i konversationen, inte en beständig filidentifierare. Om ingen uttrycklig eller ärvd väljare finns, avser en annotering den senast tillgängliga mediefilen vid genereringstillfället. Dessa konventioner är viktiga när en uppgift jämför två kameror, sidor eller inspelningar. Tillverkarens gräns per begäran är 256 medieenheter. Varje bildruta i en video_frames-grupp räknas mot gränsen, även om gruppen upptar ett enda medieindex; att aktivera en videos ljudspår lägger inte till ytterligare en mediefil.
Tillverkaren stöder slutliga svar som begränsas av JSON Schema eller ett reguljärt uttryck. Definiera fälten eller mönstret och granska de returnerade värdena mot källan. Tillverkaren dokumenterar även Multilook för oberoende prompter över delad kontext, ett separat arbetsflöde från vanlig chatt med ett enda genererat svar.
Mk1.5 kan välja bland tillhandahållna funktioner som beskrivs med namn, syften och JSON Schemas. Applikationen utför de föreslagna anropen och returnerar observationer. Definiera tillåtna åtgärder och ett slutförandekriterium för en uppgift i en fysisk miljö eller ett gränssnitt, och använd sedan det nya visuella tillståndet eller verktygsresultatet som underlag för nästa steg. Resonemangsnivån kan konfigureras i tillverkarens profil.
Funktionsverktyg kan inte deklareras i samma begäran som utdata begränsade av JSON Schema eller ett reguljärt uttryck; tillverkaren anvisar att ett begränsat slutsvar ska begäras efter verktygsloopen. Kontrollera avslutsorsaken innan du använder resultatet, eftersom ett avslut på grund av längdgränsen kan innebära ofullständiga utdata.
Ett användbart resultat är en förankrad scenförklaring, en tidsatt transkription, en objektannotering eller ett underbyggt åtgärdsförslag. Kontrollera geometrin mot mediet, skilj observerade detaljer från tolkning och håll Mk1.5:s exakta ljud-, spårnings- och verktygsfunktioner åtskilda från den tidigare Mk1-utgåvan.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser perceptron/perceptron-mk1.5 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "perceptron/perceptron-mk1.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'perceptron/perceptron-mk1.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'perceptron/perceptron-mk1.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra perceptron/perceptron-mk1.5
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Summarize a timed handling sequence\n\nUse these written frame notes, not unseen footage: 00:02 operator picks up a red box; 00:05 places it on scale; 00:08 removes it; 00:11 places it on shelf. Return the ordered subtasks and the observed interval when the box is on the scale. State the sampling limitation instead of claiming exact continuous motion between notes.An ordered subtask list and a scale interval explicitly bounded by the supplied observations.Timestamps stay attached to their notes, and the answer does not invent intermediate geometry or continuous visibility.