Perceptron Mk1.5
нейросеть
Perceptron Mk1.5 от Perceptron — мультимодальная модель для визуального анализа и генерации структурированных аннотаций.
Характеристики
- Входные данные
- текст, изображения, документы
- Результат
- текст
- Размер контекста
- 36 864 токена
- Макс. длина ответа
- 8 192 токена
- Уровни рассуждений
- без рассуждений, минимальный, низкий, средний, высокий
- Возможности
- рассуждения, вызов функций
Стоимость промпта
(за 1M токенов)
Стоимость ответа
(за 1M токенов)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'perceptron-mk1.5',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'perceptron-mk1.5',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Как работает Perceptron Mk1.5?
Perceptron Mk1.5 — модель Perceptron для воплощённого рассуждения и работы с физическими агентами: она принимает текст, изображение, видео и аудио и отвечает текстом с опциональными структурированными аннотациями — точки, боксы, полигоны и треки. Модель ориентирована на задачи пространственного понимания, трекинга и подготовки детализированных меток в кадре. Через BotHub вы получаете доступ из России без VPN и зарубежной карты, оплату в рублях по факту и учёт токенов без их сгорания, удобную работу со всеми моделями в одном окне и единый OpenAI‑совместимый API для мультимодельных систем, при этом трафик шифруется AES‑GCM и данные не сохраняются. Perceptron Mk1.5 пригодится инженерам робототехники для локализации и планирования, специалистам компьютерного зрения для автоматической разметки изображений и видео, операторам видеонаблюдения для трекинга объектов, разработчикам AR/VR для согласования виртуальных элементов и исследователям для сбора структурированных аннотаций из мультимодальных источников.Частые вопросы о Perceptron Mk1.5
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
perceptron-mk1.5 работает с текстом, документами и изображениями: извлекает информацию, реферирует, отвечает на вопросы, классифицирует и решает задачи с рассуждением и подключением внешних инструментов. Подходит для аналитики текстов, обработки документов, комментирования изображений и интеграции в приложения.
Модель может генерировать достаточно длинные ответы: её максимальный объём вывода — до 8192 токенов за один отклик, при этом общий контекст может быть шире. Практическая длина ответа может ограничиваться интерфейсом или настройками интеграции.
Да — у perceptron-mk1.5 подтверждена способность рассуждать перед ответом. Модель может формировать пошаговые рассуждения и использовать их при генерации итогового ответа, что полезно для задач, требующих логики, планирования и обоснований.
Да. perceptron-mk1.5 поддерживает вызов функций и формирование структурированного вывода в JSON, что облегчает интеграцию с приложениями и сервисами. Вы можете использовать function calling для передачи данных в внешние обработчики и получения формализованных ответов.
Входными форматами у модели отмечены текст, документы и изображения — их можно загружать для извлечения информации и комментирования. Поддержка аудио или видео в наших данных не отмечена, поэтому их наличие лучше уточнить у провайдера или в документации.
Конкретных данных о качестве понимания русского в наших записях нет. В целом модель предназначена для работы с текстовыми задачами, и её способность обрабатывать русскоязычный контент будет зависеть от данных и промптов; точные оценки лучше проверять экспериментально.