Perceptron: Perceptron Mk1

Perceptron Mk1, nazywany również Mark One, to model tekstowy od dostawcy Perceptron. Należy do kategorii tekstowych, a jego twórca opisuje go jako najwyższej jakości model wizyjno-językowy Perceptron do przetwarzania wideo i rozumowania ucieleśnionego. Został udostępniony przez dostawcę 12 maja 2026. Jeśli oceniasz modele do projektu łączącego język z danymi wejściowymi wizualnymi, to jest model, który Perceptron sytuuje na szczycie własnej linii.

Model przyjmuje jako dane wejściowe tekst, obraz i wideo, a zwraca wyłącznie tekst. To połączenie czyni go modelem wizyjno-językowym, a nie czystym generatorem tekstu: możesz łączyć obrazy lub wideo z zapytaniami w języku naturalnym i otrzymywać szczegółowe rozumienie wizualne. Okno kontekstu wynosi 32768 tokenów, a maksymalna długość odpowiedzi to 8192 tokeny. Obsługiwane parametry żądania to frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, structured_outputs, temperature, top_k oraz top_p. Obecność parametrów reasoning i include_reasoning sugeruje, że model może udostępniać tryb rozumowania, a structured_outputs pozwala ograniczyć kształt odpowiedzi.

Te możliwości wskazują na dość konkretny zestaw zastosowań. Rozumienie wideo i obrazów połączone z zapytaniami w języku naturalnym pasuje do zadań takich jak opisywanie lub streszczanie materiału wizualnego, odpowiadanie na pytania o to, co dzieje się w klipie, oraz rozumowanie ucieleśnione, w którym model rozumuje o scenach i sytuacjach fizycznych, a nie tylko o statycznym tekście. Ponieważ wynikiem jest tekst, model dobrze sprawdza się jako warstwa analizy: podajesz materiał wizualny oraz pytanie, a otrzymujesz pisemną odpowiedź. Ustrukturyzowane wyniki czynią go użytecznym w potokach przetwarzania, w których wynik musi pasować do schematu, a parametry rozumowania odpowiadają problemom, w których chcesz, aby model przemyślał pytanie przed udzieleniem odpowiedzi.

Model wywołujesz przez zgodne z OpenAI API api14, używając identyfikatora modelu "perceptron/perceptron-mk1". Ponieważ interfejs jest zgodny z formatem OpenAI, możesz skierować istniejącego klienta OpenAI na api14 i przekazać ten identyfikator w polu model. Treść żądania przyjmuje wymienione powyżej parametry: frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, structured_outputs, temperature, top_k oraz top_p. Użyj max_tokens, aby ograniczyć odpowiedź w ramach limitu 8192 tokenów wyjściowych, oraz temperature, top_p i top_k, aby kontrolować próbkowanie.

Dwie ograniczenia warto sprawdzić przed podjęciem decyzji. Okno kontekstu wynosi 32768 tokenów, co jest wartością umiarkowaną, więc bardzo długie filmy, długie transkrypcje lub duże zestawy dokumentów mogą wymagać podzielenia lub streszczenia, zanim się zmieszczą. Wynikiem jest wyłącznie tekst, więc model nie może generować obrazów ani wideo. Jeśli Twoje obciążenie jest wyłącznie tekstowe, bez komponentu wizualnego, prostszym rozwiązaniem może być czysty model tekstowy; Mk1 jest najbardziej użyteczny, gdy obrazy lub wideo stanowią część danych wejściowych.