Perceptron: Perceptron Mk1

Perceptron Mk1, även kallad Mark One, är en textmodell från leverantören Perceptron. Den tillhör kategorin text och beskrivs av sin tillverkare som Perceptrons högsta kvalitet avseende vision-language-modell för video och embodied reasoning. Den släpptes av leverantören den 12 maj 2026. Om du utvärderar modeller för ett projekt som blandar språk med visuell input är detta den modell som Perceptron placerar i toppen av sin egen serie.

Modellen tar emot text, bild och video som input och returnerar endast text. Den kombinationen gör den till en vision-language-modell snarare än en ren textgenerator: du kan kombinera bilder eller video med naturligt språk-frågor och få detaljerad visuell förståelse tillbaka. Kontextfönstret är 32768 tokens och maximal output är 8192 tokens. Parametrar som stöds i förfrågan är frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, structured_outputs, temperature, top_k och top_p. Förekomsten av reasoning och include_reasoning tyder på att modellen kan exponera ett resonemangsläge, och structured_outputs låter dig begränsa svarets form.

Dessa egenskaper pekar mot en ganska specifik uppsättning användningsfall. Video- och bildförståelse kombinerat med naturligt språk-frågor passar uppgifter som att beskriva eller sammanfatta visuellt material, svara på frågor om vad som händer i ett klipp, och embodied reasoning, där en modell resonerar om scener och fysiska situationer snarare än bara statisk text. Eftersom output är text fungerar modellen bra som ett analyslager: du matar in visuellt material plus en fråga och får ett skriftligt svar. Strukturerade outputs gör den användbar i pipelines där resultatet måste följa ett schema, och resonemangsparametrarna passar problem där du vill att modellen ska arbeta igenom en fråga innan den svarar.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t "perceptron/perceptron-mk1". Eftersom gränssnittet följer OpenAI-formatet kan du peka en befintlig OpenAI-klient mot api14 och skicka det id:t i fältet model. Förfrågans body accepterar parametrarna som listas ovan: frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, structured_outputs, temperature, top_k och top_p. Använd max_tokens för att begränsa svaret inom gränsen på 8192 tokens för output, och temperature, top_p och top_k för att styra samplingen.

Två begränsningar är värda att kontrollera innan du binder dig. Kontextfönstret är 32768 tokens, vilket är måttligt, så mycket långa videor, långa transkriptioner eller stora dokumentuppsättningar kan behöva delas upp eller sammanfattas innan de får plats. Output är endast text, så modellen kan inte generera bilder eller video. Om din arbetsbelastning är enbart text utan visuell komponent kan en ren textmodell vara en enklare lösning; Mk1 är mest användbar när bilder eller video ingår i inputen.