Perceptron: Perceptron Mk1.5

Perceptron Mk1.5 is een tekstmodel van Perceptron, vermeld op api14 onder de model-id perceptron/perceptron-mk1.5. Perceptron beschrijft het als een embodied reasoning-model voor fysieke agenten, wat het plaatst in het deel van de markt dat zich bezighoudt met systemen die de fysieke wereld moeten interpreteren in plaats van alleen geschreven taal. Het werd door de provider uitgebracht op 25 september 2026.

Het model accepteert tekst, afbeeldingen, video en audio als invoer, en het retourneert tekst. Die combinatie is belangrijker dan het op het eerste gezicht lijkt: één verzoek kan een schriftelijke instructie bevatten samen met een camerabeeld, een opgenomen clip of een gesproken opdracht, en het model redeneert over allemaal tegelijk. Het contextvenster is 36.864 tokens, en de maximale uitvoer is 8.192 tokens. Naast gewone tekstantwoorden beschrijft de provider optionele gestructureerde annotaties zoals punten, boxen, polygonen en tracks, waarmee het model locaties en bewegingen kan uitdrukken in een vorm die een programma direct kan verwerken.

Die mogelijkheden wijzen op een tamelijk specifieke set toepassingen. Robotica en werk met embodied agenten is de voor de hand liggende, waarbij een model taal moet relateren aan wat een sensor toont en vervolgens coördinaten of regio's moet uitvoeren in plaats van een alinea. Video- en audio-invoer passen ook bij inspectie- en monitoringtaken, waarbij de vraag is wat er gebeurt in een scène of een opname en waar daarin de relevante gebeurtenis plaatsvindt. Omdat de uitvoer gestructureerd kan zijn, kunnen de resultaten rechtstreeks naar een downstream planner, een labelling-pipeline of een interface gaan zonder een parseerlaag ertussen.

Je roept het aan via de OpenAI-compatibele API van api14 met de model-id perceptron/perceptron-mk1.5, dus bestaande OpenAI-clientbibliotheken werken met een wijziging van base URL en modelnaam. De ondersteunde verzoekparameters zijn frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, structured_outputs, temperature, tool_choice, tools, top_k en top_p. Tool calling en structured outputs zijn beide beschikbaar, wat past bij de annotatietoepassing, en de reasoning-parameters laten je bepalen hoeveel interne afweging het model doet voordat het antwoordt.

De belangrijkste beperking om rekening mee te houden is het contextvenster van 36.864 tokens, wat bescheiden is zodra video of audio erbij betrokken is, aangezien media-invoer een deel van dat budget verbruikt. Het uitvoerplafond van 8.192 tokens sluit ook zeer lange gegenereerde documenten in één aanroep uit. Als je taak pure tekstgeneratie van grote lengte is, of een veel grotere context nodig heeft, zal een tekst-only model met een groter venster je waarschijnlijk beter van dienst zijn. Perceptron Mk1.5 is de sterkere keuze wanneer de invoer echt multimodaal is en het antwoord verankerd moet zijn in ruimte, tijd of beide.