Perceptron: Perceptron Mk1.5

Perceptron Mk1.5 è un modello testuale di Perceptron, elencato su api14 con l'id modello perceptron/perceptron-mk1.5. Perceptron lo descrive come un modello di ragionamento embodied per agenti fisici, il che lo colloca nella parte di mercato che si occupa di sistemi che devono interpretare il mondo fisico e non solo il linguaggio scritto. È stato rilasciato dal provider il 25 settembre 2026.

Il modello accetta testo, immagini, video e audio come input, e restituisce testo. Questa combinazione conta più di quanto sembri a prima vista: una singola richiesta può contenere un'istruzione scritta insieme a un fotogramma della telecamera, una clip registrata o un comando vocale, e il modello ragiona su tutti questi elementi insieme. La finestra di contesto è di 36.864 token, e l'output massimo è di 8.192 token. Oltre alle risposte in testo semplice, il provider descrive annotazioni strutturate opzionali come punti, box, poligoni e tracce, il che consente al modello di esprimere posizioni e movimenti in un formato che un programma può consumare direttamente.

Queste capacità indicano un insieme di utilizzi piuttosto specifico. La robotica e il lavoro sugli agenti embodied sono il caso più ovvio, dove un modello deve mettere in relazione il linguaggio con ciò che mostra un sensore e poi emettere coordinate o regioni invece di un paragrafo. L'input video e audio si adatta anche a compiti di ispezione e monitoraggio, dove la domanda è cosa sta succedendo in una scena o in una registrazione e dove si verifica l'evento rilevante. Poiché l'output può essere strutturato, i risultati possono alimentare un planner a valle, una pipeline di etichettatura o un'interfaccia senza uno strato di parsing intermedio.

Lo si chiama tramite l'API compatibile con OpenAI di api14 usando l'id modello perceptron/perceptron-mk1.5, quindi le librerie client OpenAI esistenti funzionano con un cambio di base URL e di nome del modello. I parametri di richiesta supportati sono frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, structured_outputs, temperature, tool_choice, tools, top_k e top_p. La chiamata di strumenti e gli output strutturati sono entrambi disponibili, il che si adatta al caso d'uso delle annotazioni, e i parametri di reasoning permettono di controllare quanta deliberazione interna compie il modello prima di rispondere.

Il vincolo principale da considerare è la finestra di contesto di 36.864 token, che è modesta quando sono coinvolti video o audio, dato che l'input multimediale consuma parte di quel budget. Anche il tetto di output di 8.192 token esclude documenti generati molto lunghi in una sola chiamata. Se il tuo compito è la generazione puramente testuale di lunghezza elevata, o richiede un contesto molto più ampio, un modello solo testuale con una finestra più grande probabilmente ti servirà meglio. Perceptron Mk1.5 è la scelta più forte quando l'input è realmente multimodale e la risposta deve essere ancorata allo spazio, al tempo o a entrambi.