Perceptron: Perceptron Mk1.5

Perceptron Mk1.5 är en textmodell från Perceptron, listad på api14 under modell-id:t perceptron/perceptron-mk1.5. Perceptron beskriver den som en förkroppsligad resonemangsmodell för fysiska agenter, vilket placerar den i den del av marknaden som handlar om system som måste tolka den fysiska världen och inte bara skrivet språk. Den släpptes av leverantören den 25 september 2026.

Modellen tar text, bild, video och ljud som indata och returnerar text. Den kombinationen spelar större roll än den först verkar: en enskild begäran kan bära en skriftlig instruktion tillsammans med en kamerabild, ett inspelat klipp eller ett talat kommando, och modellen resonerar kring alla dessa tillsammans. Kontextfönstret är 36 864 token, och maximal utdata är 8 192 token. Utöver vanliga textsvar beskriver leverantören valfria strukturerade annoteringar som punkter, rutor, polygoner och spår, vilket låter modellen uttrycka platser och rörelser i en form som ett program kan konsumera direkt.

Dessa förmågor pekar mot en ganska specifik uppsättning användningsområden. Robotik och arbete med förkroppsligade agenter är det uppenbara, där en modell måste relatera språk till vad en sensor visar och sedan avge koordinater eller regioner i stället för ett stycke text. Video- och ljudindata passar också för inspektions- och övervakningsuppgifter, där frågan är vad som händer i en scen eller en inspelning och var i den det relevanta händelsen inträffar. Eftersom utdata kan vara strukturerad kan resultaten matas in i en nedströms planerare, en märkningspipeline eller ett gränssnitt utan ett parsningslager emellan.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t perceptron/perceptron-mk1.5, så befintliga OpenAI-klientbibliotek fungerar med en ändring av bas-URL och modellnamn. De stödda begärandeparametrarna är frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, structured_outputs, temperature, tool_choice, tools, top_k och top_p. Verktygsanrop och strukturerade utdata är båda tillgängliga, vilket passar annoteringsanvändningsfallet, och resonemangsparametrarna låter dig styra hur mycket intern överläggning modellen gör innan den svarar.

Den främsta begränsningen att planera kring är kontextfönstret på 36 864 token, vilket är blygsamt när video eller ljud är inblandat, eftersom medieindata förbrukar en del av den budgeten. Taket för utdata på 8 192 token utesluter också mycket långa genererade dokument i ett enda anrop. Om din uppgift är ren textgenerering i längre format, eller kräver ett mycket större kontext, kommer en textmodell med större fönster sannolikt att passa dig bättre. Perceptron Mk1.5 är det starkare valet när indata är genuint multimodala och svaret behöver förankras i rum, tid eller båda.