Perceptron: Perceptron Mk1.5

Perceptron Mk1.5 es un modelo de texto de Perceptron, listado en api14 bajo el id de modelo perceptron/perceptron-mk1.5. Perceptron lo describe como un modelo de razonamiento encarnado para agentes físicos, lo que lo sitúa en la parte del mercado relacionada con sistemas que tienen que interpretar el mundo físico y no solo el lenguaje escrito. Fue lanzado por el proveedor el 25 de septiembre de 2026.

El modelo acepta texto, imagen, vídeo y audio como entrada, y devuelve texto. Esa combinación importa más de lo que parece a primera vista: una sola solicitud puede llevar una instrucción escrita junto con un fotograma de cámara, un clip grabado o un comando hablado, y el modelo razona sobre todos ellos en conjunto. La ventana de contexto es de 36.864 tokens, y la salida máxima es de 8.192 tokens. Más allá de las respuestas en texto plano, el proveedor describe anotaciones estructuradas opcionales como puntos, cajas, polígonos y trayectorias, lo que permite al modelo expresar ubicaciones y movimientos en una forma que un programa puede consumir directamente.

Esas capacidades apuntan a un conjunto de usos bastante específico. La robótica y el trabajo con agentes encarnados es el más obvio, donde un modelo tiene que relacionar el lenguaje con lo que muestra un sensor y luego emitir coordenadas o regiones en lugar de un párrafo. La entrada de vídeo y audio también encaja en tareas de inspección y monitoreo, donde la pregunta es qué está ocurriendo en una escena o una grabación y en qué parte de ella ocurre el evento relevante. Como la salida puede ser estructurada, los resultados pueden alimentar un planificador posterior, un pipeline de etiquetado o una interfaz sin una capa de análisis sintáctico intermedia.

Se llama a través de la API compatible con OpenAI de api14 usando el id de modelo perceptron/perceptron-mk1.5, por lo que las bibliotecas de cliente de OpenAI existentes funcionan con un cambio de URL base y de nombre de modelo. Los parámetros de solicitud admitidos son frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, structured_outputs, temperature, tool_choice, tools, top_k y top_p. Tanto el llamado a herramientas como las salidas estructuradas están disponibles, lo que encaja con el caso de uso de anotación, y los parámetros de razonamiento permiten controlar cuánta deliberación interna realiza el modelo antes de responder.

La principal restricción a tener en cuenta es la ventana de contexto de 36.864 tokens, que es modesta una vez que hay vídeo o audio involucrado, ya que la entrada de medios consume parte de ese presupuesto. El techo de salida de 8.192 tokens también descarta documentos generados muy largos en una sola llamada. Si tu tarea es generación de texto puro y extenso, o necesita un contexto mucho mayor, un modelo solo de texto con una ventana más grande probablemente te servirá mejor. Perceptron Mk1.5 es la opción más sólida cuando la entrada es genuinamente multimodal y la respuesta necesita estar fundamentada en el espacio, el tiempo o ambos.