Perceptron: Perceptron Mk1

Perceptron Mk1は、Mark Oneとも呼ばれ、プロバイダーPerceptronのテキストモデルです。テキストカテゴリに属し、制作者によって、動画および身体化推論向けのPerceptron最高品質の視覚言語モデルと説明されています。プロバイダーによって2026年5月12日にリリースされました。言語と視覚入力を組み合わせたプロジェクト向けにモデルを評価しているなら、これはPerceptronが自社ラインの最上位に位置づけるモデルです。

このモデルはテキスト、画像、動画を入力として受け取り、テキストのみを返します。この組み合わせにより、純粋なテキスト生成器ではなく視覚言語モデルとなります。画像や動画を自然言語クエリと組み合わせて、詳細な視覚理解を得ることができます。コンテキストウィンドウは32768トークンで、最大出力は8192トークンです。サポートされるリクエストパラメータはfrequency_penalty、include_reasoning、max_tokens、presence_penalty、reasoning、structured_outputs、temperature、top_k、top_pです。reasoningとinclude_reasoningの存在は、モデルが推論モードを公開できることを示唆しており、structured_outputsを使うと応答の形を制約できます。

これらの機能は、かなり特定のユースケース群を示しています。動画や画像の理解と自然言語クエリを組み合わせることは、視覚資料の説明や要約、クリップ内で何が起きているかについての質問への回答、そして身体化推論、つまり静的なテキストだけでなく場面や物理的状況についてモデルが推論するタスクに適しています。出力はテキストなので、このモデルは分析レイヤーとしてよく機能します。視覚資料と質問を入力し、書かれた回答を受け取ります。構造化出力により、結果がスキーマに適合する必要があるパイプラインで使用でき、推論パラメータは、回答する前にモデルに質問を検討させたい問題に適しています。

モデルは、モデルID「perceptron/perceptron-mk1」を使ってapi14のOpenAI互換API経由で呼び出します。インターフェースがOpenAI形式に従っているため、既存のOpenAIクライアントをapi14に向け、そのIDをmodelフィールドに渡すことができます。リクエストボディは上記のパラメータ、frequency_penalty、include_reasoning、max_tokens、presence_penalty、reasoning、structured_outputs、temperature、top_k、top_pを受け付けます。max_tokensを使って応答を8192トークンの出力制限内に収め、temperature、top_p、top_kでサンプリングを制御します。

コミットする前に確認すべき制約が2つあります。コンテキストウィンドウは32768トークンで、これは中程度であるため、非常に長い動画、長い文字起こし、大きな文書セットは、収まる前に分割または要約が必要になる場合があります。出力はテキストのみなので、モデルは画像や動画を生成できません。ワークロードが視覚要素のないテキストのみの場合、純粋なテキストモデルの方がより単純に適合するかもしれません。Mk1は、画像や動画が入力の一部である場合に最も有用です。