Perceptron Mk1 — Perceptron kompaniyasining tasvir va videoni tushunish hamda jismoniy muhitda mulohaza yuritish modeli. U vizual manba materialini yozma savol bilan bog‘lab tahlil qiladi va matn hamda makon yoki vaqtga oid tuzilmali annotatsiyalar qaytaradi. Ishlab chiquvchi profilida 32K multimodal kontekst va fikrlash iziga ehtiyoj bo‘lmagan vazifalarda o‘chirish mumkin bo‘lgan gibrid mulohaza rejimi bor.
Ishlab chiqaruvchi Mk1 modelini faqat bir kadrga yorliq qo‘yish emas, voqealarni vaqt davomida tushuntirish uchun rivojlantiradi. Sport lavhasi, taom tayyorlash namoyishi yoki operator vazifasi nima va qachon bo‘lgani haqida tuzilmali bayon berishi mumkin. Ishlab chiquvchi soniyasiga ikki kadrgacha dinamik video tahlilini hujjatlashtiradi. Ushbu tanlab olish rejimi asl videoning kadrlar chastotasidan farq qiladi.
Voqeani topish vazifasida amalni va kerakli oraliqni ta’riflang. Misol ko‘rsatma: “Buyum tokchaga qo‘yilgan paytlarni aniqlang, vaqt oraliqlarini qaytaring va har biri uchun ko‘rinadigan dalillarni tushuntiring.” Boshqa ilova ishlatishidan oldin klip annotatsiyasi yoki voqea oralig‘ini tekshira olish uchun asl video va vaqt havolalarini birga saqlang.
Mk1 namuna tasvir yoki videodan kontekst ichida vizual o‘rganishni, so‘ng yangi materialda mos holatlarni topishni qo‘llaydi. Qaysi xususiyatlar holatni tegishli misolga aylantirishini belgilang va namuna belgisini saqlang. Taqqoslash uchun ikkala mediani bering va mezonlarni ko‘rsating: taqqoslanadigan obyekt, amal, shart yoki hujjat tafsiloti.
Bu alohida qo‘shimcha o‘qitish jarayoni o‘tkazilganini taxmin qilish emas, taqdim etilgan misollar orqali vazifani tayyorlash usulidir. Sahnalar farq qilsa, har bir topilmani qaysi kirish tasdiqlashini ko‘rsatishni so‘rang. Ko‘rinadigan o‘xshashlik voqea haqidagi chiqarilgan xulosadan alohida qolishi kerak.
Ishlab chiquvchining tasvir imkoniyatlari nuqtani ko‘rsatish, sanash, matnni tanish hamda analog yoki raqamli asboblarni o‘qishni o‘z ichiga oladi. Asbob uchun shkala, birliklar va o‘qiladigan belgilarni saqlang; sanash uchun hudud va toifani belgilang. Mk1 murakkab hujjatlarni joylashuv bog‘liqliklari, jadvallar va iyerarxiyani saqlagan holda HTML, JSON yoki Markdown ko‘rinishiga ham ajratadi.
O‘qiladigan sahifa tasvirini bering va maydonlar yoki savolni ko‘rsating. Foydali natija manba bilan bog‘liqlikni saqlaydi va ajratib olingan matnni talqindan farqlaydi. Kichik matn, to‘silgan joylar va noaniq sahna dalillari manbani tayyorlash hamda javobni tekshirish tartibida hisobga olinishi kerak.
Ishlab chiquvchi nuqtalar, chegaralovchi to‘rtburchaklar, ko‘pburchaklar, track va kliplarni matn bilan bir qatorda asosiy tuzilmali chiqishlar sifatida o‘qitadi. Ushbu annotatsiyalar uni ishlatayotgan robototexnika yoki tahlil jarayoniga nishonlar, cheklovlar, vazifa chegaralari yoki kuzatilgan muvaffaqiyat/muvaffaqiyatsizlik haqidagi ma’lumotni berishi mumkin. Bir nechta kamerali vazifada ko‘rinishlarni belgilang va har bir annotatsiya bilan manbasi orasidagi bog‘liqlikni saqlang.
Model kuzatuvlarni talqin qiladi va dalilga bog‘langan natijani yaratadi; ilova yoki boshqaruv tizimi undan qanday foydalanishni hal qiladi va har qanday jismoniy yoki interfeys amalini bajaradi. Taklif etilgan nishon yoki belgilangan oraliq bajarilgan operatsiya yoki eksport qilingan media faylidan farq qiladi.
Video ifodasi, tasvir mazmuni, ko‘rsatma, tarix va yaratiladigan chiqish uchun 32K kontekst ichida joy ajrating. Bir-biriga aloqasiz manbalar to‘plami o‘z maqsadini o‘zi belgilashini kutish o‘rniga, yakuniy natija va har bir natijani tasdiqlovchi dalilni so‘rang. Koordinatalar, vaqt oraliqlari va ajratib olingan qiymatlarni asl media bilan tekshiring.
Mk1 o‘z nomli nashri va vizual profilini saqlaydi. Ushbu oldingi nashr uchun bevosita audio kirishini, Mk1.5 modelining joriy so‘rov cheklovlarini va uning yangi vosita hamda kuzatish jarayoni tafsilotlarini taxmin qilmaslik kerak. Foydali natija — taqdim etilgan vizual dalillarga bog‘langan, tekshirish mumkin bo‘lgan sahna tavsifi, hujjat qaydi yoki makon/vaqt annotatsiyasi.
", "aboutText": "Perceptron Mk1 — Perceptron kompaniyasining tasvir va videoni tushunish hamda jismoniy muhitda mulohaza yuritish modeli. U vizual manba materialini yozma savol bilan bog‘lab tahlil qiladi va matn hamda makon yoki vaqtga oid tuzilmali annotatsiyalar qaytaradi. Ishlab chiquvchi profilida 32K multimodal kontekst va fikrlash iziga ehtiyoj bo‘lmagan vazifalarda o‘chirish mumkin bo‘lgan gibrid mulohaza rejimi bor.\n\n### Vaqt bo‘yicha mulohaza yuritish va bog‘lash\n\nIshlab chiqaruvchi Mk1 modelini faqat bir kadrga yorliq qo‘yish emas, voqealarni vaqt davomida tushuntirish uchun rivojlantiradi. Sport lavhasi, taom tayyorlash namoyishi yoki operator vazifasi nima va qachon bo‘lgani haqida tuzilmali bayon berishi mumkin. Ishlab chiquvchi soniyasiga ikki kadrgacha dinamik video tahlilini hujjatlashtiradi. Ushbu tanlab olish rejimi asl videoning kadrlar chastotasidan farq qiladi.\n\nVoqeani topish vazifasida amalni va kerakli oraliqni ta’riflang. Misol ko‘rsatma: “Buyum tokchaga qo‘yilgan paytlarni aniqlang, vaqt oraliqlarini qaytaring va har biri uchun ko‘rinadigan dalillarni tushuntiring.” Boshqa ilova ishlatishidan oldin klip annotatsiyasi yoki voqea oralig‘ini tekshira olish uchun asl video va vaqt havolalarini birga saqlang.\n\n### Namuna misollar va taqqoslash\n\nMk1 namuna tasvir yoki videodan kontekst ichida vizual o‘rganishni, so‘ng yangi materialda mos holatlarni topishni qo‘llaydi. Qaysi xususiyatlar holatni tegishli misolga aylantirishini belgilang va namuna belgisini saqlang. Taqqoslash uchun ikkala mediani bering va mezonlarni ko‘rsating: taqqoslanadigan obyekt, amal, shart yoki hujjat tafsiloti.\n\nBu alohida qo‘shimcha o‘qitish jarayoni o‘tkazilganini taxmin qilish emas, taqdim etilgan misollar orqali vazifani tayyorlash usulidir. Sahnalar farq qilsa, har bir topilmani qaysi kirish tasdiqlashini ko‘rsatishni so‘rang. Ko‘rinadigan o‘xshashlik voqea haqidagi chiqarilgan xulosadan alohida qolishi kerak.\n\n### Tasvir va hujjat vazifalari\n\nIshlab chiquvchining tasvir imkoniyatlari nuqtani ko‘rsatish, sanash, matnni tanish hamda analog yoki raqamli asboblarni o‘qishni o‘z ichiga oladi. Asbob uchun shkala, birliklar va o‘qiladigan belgilarni saqlang; sanash uchun hudud va toifani belgilang. Mk1 murakkab hujjatlarni joylashuv bog‘liqliklari, jadvallar va iyerarxiyani saqlagan holda HTML, JSON yoki Markdown ko‘rinishiga ham ajratadi.\n\nO‘qiladigan sahifa tasvirini bering va maydonlar yoki savolni ko‘rsating. Foydali natija manba bilan bog‘liqlikni saqlaydi va ajratib olingan matnni talqindan farqlaydi. Kichik matn, to‘silgan joylar va noaniq sahna dalillari manbani tayyorlash hamda javobni tekshirish tartibida hisobga olinishi kerak.\n\n### Makonning sodda shakllari va jismoniy muhitdagi ish\n\nIshlab chiquvchi nuqtalar, chegaralovchi to‘rtburchaklar, ko‘pburchaklar, track va kliplarni matn bilan bir qatorda asosiy tuzilmali chiqishlar sifatida o‘qitadi. Ushbu annotatsiyalar uni ishlatayotgan robototexnika yoki tahlil jarayoniga nishonlar, cheklovlar, vazifa chegaralari yoki kuzatilgan muvaffaqiyat/muvaffaqiyatsizlik haqidagi ma’lumotni berishi mumkin. Bir nechta kamerali vazifada ko‘rinishlarni belgilang va har bir annotatsiya bilan manbasi orasidagi bog‘liqlikni saqlang.\n\nModel kuzatuvlarni talqin qiladi va dalilga bog‘langan natijani yaratadi; ilova yoki boshqaruv tizimi undan qanday foydalanishni hal qiladi va har qanday jismoniy yoki interfeys amalini bajaradi. Taklif etilgan nishon yoki belgilangan oraliq bajarilgan operatsiya yoki eksport qilingan media faylidan farq qiladi.\n\n### Limitlar va nashr doirasi\n\nVideo ifodasi, tasvir mazmuni, ko‘rsatma, tarix va yaratiladigan chiqish uchun 32K kontekst ichida joy ajrating. Bir-biriga aloqasiz manbalar to‘plami o‘z maqsadini o‘zi belgilashini kutish o‘rniga, yakuniy natija va har bir natijani tasdiqlovchi dalilni so‘rang. Koordinatalar, vaqt oraliqlari va ajratib olingan qiymatlarni asl media bilan tekshiring.\n\nMk1 o‘z nomli nashri va vizual profilini saqlaydi. Ushbu oldingi nashr uchun bevosita audio kirishini, Mk1.5 modelining joriy so‘rov cheklovlarini va uning yangi vosita hamda kuzatish jarayoni tafsilotlarini taxmin qilmaslik kerak. Foydali natija — taqdim etilgan vizual dalillarga bog‘langan, tekshirish mumkin bo‘lgan sahna tavsifi, hujjat qaydi yoki makon/vaqt annotatsiyasi.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
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 — Perceptron kompaniyasining vaqt bo‘yicha tushunish, makonga bog‘lash va jismoniy muhitda mulohaza yuritish uchun tasvir va video modeli. U sahnalar, hujjatlar va ko‘rinadigan amallar uchun matn hamda tuzilmali annotatsiyalar yaratadi; unda 32K multimodal kontekst va ixtiyoriy mulohaza rejimi bor.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Perceptron Mk1 — Perceptron kompaniyasining tasvir va videoni tushunish hamda jismoniy muhitda mulohaza yuritish modeli. U vizual manba materialini yozma savol bilan bog‘lab tahlil qiladi va matn hamda makon yoki vaqtga oid tuzilmali annotatsiyalar qaytaradi. Ishlab chiquvchi profilida 32K multimodal kontekst va fikrlash iziga ehtiyoj bo‘lmagan vazifalarda o‘chirish mumkin bo‘lgan gibrid mulohaza rejimi bor.
Ishlab chiqaruvchi Mk1 modelini faqat bir kadrga yorliq qo‘yish emas, voqealarni vaqt davomida tushuntirish uchun rivojlantiradi. Sport lavhasi, taom tayyorlash namoyishi yoki operator vazifasi nima va qachon bo‘lgani haqida tuzilmali bayon berishi mumkin. Ishlab chiquvchi soniyasiga ikki kadrgacha dinamik video tahlilini hujjatlashtiradi. Ushbu tanlab olish rejimi asl videoning kadrlar chastotasidan farq qiladi.
Voqeani topish vazifasida amalni va kerakli oraliqni ta’riflang. Misol ko‘rsatma: “Buyum tokchaga qo‘yilgan paytlarni aniqlang, vaqt oraliqlarini qaytaring va har biri uchun ko‘rinadigan dalillarni tushuntiring.” Boshqa ilova ishlatishidan oldin klip annotatsiyasi yoki voqea oralig‘ini tekshira olish uchun asl video va vaqt havolalarini birga saqlang.
Mk1 namuna tasvir yoki videodan kontekst ichida vizual o‘rganishni, so‘ng yangi materialda mos holatlarni topishni qo‘llaydi. Qaysi xususiyatlar holatni tegishli misolga aylantirishini belgilang va namuna belgisini saqlang. Taqqoslash uchun ikkala mediani bering va mezonlarni ko‘rsating: taqqoslanadigan obyekt, amal, shart yoki hujjat tafsiloti.
Bu alohida qo‘shimcha o‘qitish jarayoni o‘tkazilganini taxmin qilish emas, taqdim etilgan misollar orqali vazifani tayyorlash usulidir. Sahnalar farq qilsa, har bir topilmani qaysi kirish tasdiqlashini ko‘rsatishni so‘rang. Ko‘rinadigan o‘xshashlik voqea haqidagi chiqarilgan xulosadan alohida qolishi kerak.
Ishlab chiquvchining tasvir imkoniyatlari nuqtani ko‘rsatish, sanash, matnni tanish hamda analog yoki raqamli asboblarni o‘qishni o‘z ichiga oladi. Asbob uchun shkala, birliklar va o‘qiladigan belgilarni saqlang; sanash uchun hudud va toifani belgilang. Mk1 murakkab hujjatlarni joylashuv bog‘liqliklari, jadvallar va iyerarxiyani saqlagan holda HTML, JSON yoki Markdown ko‘rinishiga ham ajratadi.
O‘qiladigan sahifa tasvirini bering va maydonlar yoki savolni ko‘rsating. Foydali natija manba bilan bog‘liqlikni saqlaydi va ajratib olingan matnni talqindan farqlaydi. Kichik matn, to‘silgan joylar va noaniq sahna dalillari manbani tayyorlash hamda javobni tekshirish tartibida hisobga olinishi kerak.
Ishlab chiquvchi nuqtalar, chegaralovchi to‘rtburchaklar, ko‘pburchaklar, track va kliplarni matn bilan bir qatorda asosiy tuzilmali chiqishlar sifatida o‘qitadi. Ushbu annotatsiyalar uni ishlatayotgan robototexnika yoki tahlil jarayoniga nishonlar, cheklovlar, vazifa chegaralari yoki kuzatilgan muvaffaqiyat/muvaffaqiyatsizlik haqidagi ma’lumotni berishi mumkin. Bir nechta kamerali vazifada ko‘rinishlarni belgilang va har bir annotatsiya bilan manbasi orasidagi bog‘liqlikni saqlang.
Model kuzatuvlarni talqin qiladi va dalilga bog‘langan natijani yaratadi; ilova yoki boshqaruv tizimi undan qanday foydalanishni hal qiladi va har qanday jismoniy yoki interfeys amalini bajaradi. Taklif etilgan nishon yoki belgilangan oraliq bajarilgan operatsiya yoki eksport qilingan media faylidan farq qiladi.
Video ifodasi, tasvir mazmuni, ko‘rsatma, tarix va yaratiladigan chiqish uchun 32K kontekst ichida joy ajrating. Bir-biriga aloqasiz manbalar to‘plami o‘z maqsadini o‘zi belgilashini kutish o‘rniga, yakuniy natija va har bir natijani tasdiqlovchi dalilni so‘rang. Koordinatalar, vaqt oraliqlari va ajratib olingan qiymatlarni asl media bilan tekshiring.
Mk1 o‘z nomli nashri va vizual profilini saqlaydi. Ushbu oldingi nashr uchun bevosita audio kirishini, Mk1.5 modelining joriy so‘rov cheklovlarini va uning yangi vosita hamda kuzatish jarayoni tafsilotlarini taxmin qilmaslik kerak. Foydali natija — taqdim etilgan vizual dalillarga bog‘langan, tekshirish mumkin bo‘lgan sahna tavsifi, hujjat qaydi yoki makon/vaqt annotatsiyasi.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar perceptron/perceptron-mk1 | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Namunalar: system, user, assistant, tool, function Shartlar: Bu rollar manba kodining moslik turlarida ochiq ifodalangan; aniq rollar to‘plami har bir modelga xos bo‘lib qoladi. Modelga bogʻliq | Standart— |
Maydonmessages[].content | Turstring|content_part[]|null | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_calls | Turtool_call[] | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_call_id | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: role=tool; haqiqatan qaytarilgan IDdan foydalaning | Standart— |
Maydonmessages[].name | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].reasoning_content | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Ushbu model foydalanganda, haqiqatan qaytarilgan fikrlash ma’lumotlarini keyingi so‘rovda qayta yuboring | Standart— |
Maydonmessages[].reasoning_details | Turobject|array | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmax_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonmax_completion_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Maydonstream_options.include_usage | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontemperature | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontop_p | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonstop | Turstring|string[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools | Turfunction_tool[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools[].type | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar function Modelga bogʻliq | Standart— |
Maydontools[].function.name | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Funksiya vositasi taqdim etilgan | Standart— |
Maydontools[].function.description | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontools[].function.parameters | TurJSON_schema | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontool_choice | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonparallel_tool_calls | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonresponse_format | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning_effort | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonservice_tier | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydoninstructions | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Moslik maydoni | Standart— |
Maydonfunctions | Turfunction[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonfunction_call | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonprompt_cache_options | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmodalities | Turstring[] | TalabIxtiyoriy | Qiymatlar va cheklovlar text | Standart— |
Maydonprovider | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Ushbu Ultra matn marshrutida provider.options rad etiladi | Standart— |
Maydoncache_control.ttl | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Haqiqiy prompt-kesh joylarida 1h rad etiladi | Standart— |
Matn · UTF8 matni
messages[].content
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages |
Parametrmaterial_types | Parametr talablaritext |
Parametrmessages | Parametr talablarirole/content tuzilishidagi xabarlar massivi |
Parametrfile_material | Parametr talablariHaqiqiy UTF-8 hujjati aynan matn sifatida kiritiladi; fayl IDsi faraz qilinmaydi |
Parametroptional_controls | Parametr talablaristream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Parametr talablariModelga xos; foydalanuvchi funksiya vositalari hostingdagi vositalardan farq qiladi |
Parametroutput_modalities | Parametr talablaritext |
Parametrhosted_operations | Parametr talablarifalse |
Parametrmultimodal_input_binding | Parametr talablarinull |
Hayot sikli: synchronous_or_streamed
Aniq model IDsini messages bilan yuboring.
Kontekst uzunligi chiqishning yuqori chegarasi emas.
Matn fayli aynan matnni taqdim etishi mumkin; tasvir, audio va fayl obyekti kirishlari aniq bog‘lashni talab qiladi.
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0003 / 1K token Chiqish · Chiqish tokenlari $0.003 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0003 / 1K token Chiqish · Chiqish tokenlari $0.003 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
set -eu\n: "${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 yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Har bir javob variantini va uning kontenti, vosita chaqiruvlari hamda fikrlash ma’lumotlarini saqlang. SSEda o‘zgarish qismlarini variant va vosita indeksi bo‘yicha yig‘ing, yakuniy tugash sababi va sarf ma’lumotlarini saqlang.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonchoices[].index | Turinteger |
Maydonchoices[].message.content | Turstring|null |
Maydonchoices[].message.tool_calls | Turtool_call[] |
Maydonchoices[].message.reasoning_content | Turstring |
Maydonchoices[].message.reasoning_details | Turobject|array |
Maydonchoices[].finish_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra perceptron/perceptron-mk1
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
perceptron/perceptron-mk1Perceptron Mk1 — Perceptron kompaniyasining vaqt bo‘yicha tushunish, makonga bog‘lash va jismoniy muhitda mulohaza yuritish uchun tasvir va video modeli. U sahnalar, hujjatlar va ko‘rinadigan amallar uchun matn hamda tuzilmali annotatsiyalar yaratadi; unda 32K multimodal kontekst va ixtiyoriy mulohaza rejimi bor.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Perceptron Mk1 — Perceptron kompaniyasining tasvir va videoni tushunish hamda jismoniy muhitda mulohaza yuritish modeli. U vizual manba materialini yozma savol bilan bog‘lab tahlil qiladi va matn hamda makon yoki vaqtga oid tuzilmali annotatsiyalar qaytaradi. Ishlab chiquvchi profilida 32K multimodal kontekst va fikrlash iziga ehtiyoj bo‘lmagan vazifalarda o‘chirish mumkin bo‘lgan gibrid mulohaza rejimi bor.
Ishlab chiqaruvchi Mk1 modelini faqat bir kadrga yorliq qo‘yish emas, voqealarni vaqt davomida tushuntirish uchun rivojlantiradi. Sport lavhasi, taom tayyorlash namoyishi yoki operator vazifasi nima va qachon bo‘lgani haqida tuzilmali bayon berishi mumkin. Ishlab chiquvchi soniyasiga ikki kadrgacha dinamik video tahlilini hujjatlashtiradi. Ushbu tanlab olish rejimi asl videoning kadrlar chastotasidan farq qiladi.
Voqeani topish vazifasida amalni va kerakli oraliqni ta’riflang. Misol ko‘rsatma: “Buyum tokchaga qo‘yilgan paytlarni aniqlang, vaqt oraliqlarini qaytaring va har biri uchun ko‘rinadigan dalillarni tushuntiring.” Boshqa ilova ishlatishidan oldin klip annotatsiyasi yoki voqea oralig‘ini tekshira olish uchun asl video va vaqt havolalarini birga saqlang.
Mk1 namuna tasvir yoki videodan kontekst ichida vizual o‘rganishni, so‘ng yangi materialda mos holatlarni topishni qo‘llaydi. Qaysi xususiyatlar holatni tegishli misolga aylantirishini belgilang va namuna belgisini saqlang. Taqqoslash uchun ikkala mediani bering va mezonlarni ko‘rsating: taqqoslanadigan obyekt, amal, shart yoki hujjat tafsiloti.
Bu alohida qo‘shimcha o‘qitish jarayoni o‘tkazilganini taxmin qilish emas, taqdim etilgan misollar orqali vazifani tayyorlash usulidir. Sahnalar farq qilsa, har bir topilmani qaysi kirish tasdiqlashini ko‘rsatishni so‘rang. Ko‘rinadigan o‘xshashlik voqea haqidagi chiqarilgan xulosadan alohida qolishi kerak.
Ishlab chiquvchining tasvir imkoniyatlari nuqtani ko‘rsatish, sanash, matnni tanish hamda analog yoki raqamli asboblarni o‘qishni o‘z ichiga oladi. Asbob uchun shkala, birliklar va o‘qiladigan belgilarni saqlang; sanash uchun hudud va toifani belgilang. Mk1 murakkab hujjatlarni joylashuv bog‘liqliklari, jadvallar va iyerarxiyani saqlagan holda HTML, JSON yoki Markdown ko‘rinishiga ham ajratadi.
O‘qiladigan sahifa tasvirini bering va maydonlar yoki savolni ko‘rsating. Foydali natija manba bilan bog‘liqlikni saqlaydi va ajratib olingan matnni talqindan farqlaydi. Kichik matn, to‘silgan joylar va noaniq sahna dalillari manbani tayyorlash hamda javobni tekshirish tartibida hisobga olinishi kerak.
Ishlab chiquvchi nuqtalar, chegaralovchi to‘rtburchaklar, ko‘pburchaklar, track va kliplarni matn bilan bir qatorda asosiy tuzilmali chiqishlar sifatida o‘qitadi. Ushbu annotatsiyalar uni ishlatayotgan robototexnika yoki tahlil jarayoniga nishonlar, cheklovlar, vazifa chegaralari yoki kuzatilgan muvaffaqiyat/muvaffaqiyatsizlik haqidagi ma’lumotni berishi mumkin. Bir nechta kamerali vazifada ko‘rinishlarni belgilang va har bir annotatsiya bilan manbasi orasidagi bog‘liqlikni saqlang.
Model kuzatuvlarni talqin qiladi va dalilga bog‘langan natijani yaratadi; ilova yoki boshqaruv tizimi undan qanday foydalanishni hal qiladi va har qanday jismoniy yoki interfeys amalini bajaradi. Taklif etilgan nishon yoki belgilangan oraliq bajarilgan operatsiya yoki eksport qilingan media faylidan farq qiladi.
Video ifodasi, tasvir mazmuni, ko‘rsatma, tarix va yaratiladigan chiqish uchun 32K kontekst ichida joy ajrating. Bir-biriga aloqasiz manbalar to‘plami o‘z maqsadini o‘zi belgilashini kutish o‘rniga, yakuniy natija va har bir natijani tasdiqlovchi dalilni so‘rang. Koordinatalar, vaqt oraliqlari va ajratib olingan qiymatlarni asl media bilan tekshiring.
Mk1 o‘z nomli nashri va vizual profilini saqlaydi. Ushbu oldingi nashr uchun bevosita audio kirishini, Mk1.5 modelining joriy so‘rov cheklovlarini va uning yangi vosita hamda kuzatish jarayoni tafsilotlarini taxmin qilmaslik kerak. Foydali natija — taqdim etilgan vizual dalillarga bog‘langan, tekshirish mumkin bo‘lgan sahna tavsifi, hujjat qaydi yoki makon/vaqt annotatsiyasi.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar perceptron/perceptron-mk1 | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar user, assistant | Standart— |
Maydonmessages[].content | Turstring | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmax_tokens | Turinteger | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Matn · UTF-8 matni
messages[].content satri
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages, max_tokens |
Parametroptional_controls | Parametr talablaristream |
Parametrmaterial_types | Parametr talablaritext |
Parametrtext_file_material | Parametr talablariHaqiqiy UTF-8 hujjatini o‘qing va uning matnini ko‘rsatilgan kirish yoki xabar kontenti satriga joylashtiring. |
Hayot sikli: synchronous_or_streamed
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0003 / 1K token Chiqish · Chiqish tokenlari $0.003 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0003 / 1K token Chiqish · Chiqish tokenlari $0.003 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "perceptron/perceptron-mk1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Barcha kontent bloklari, fikrlash imzolari va haqiqiy vosita ishlatish IDlarini saqlang. SSE bloklarining barcha o‘zgarish qismlarini yig‘ing; birinchi matn bloki to‘liq chiqish emas.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonid | Turstring |
Maydonmodel | Turstring |
Maydoncontent[] | Turtext|thinking|tool_use|other content block |
Maydonstop_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra perceptron/perceptron-mk1
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Ingliz tilidagi texnik misol
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.