Perceptron Mk1

用量与规格

Perceptron Mk1 是什么

模型：Perceptron Mk1 介绍：Perceptron Mk1（Mark One）是Perceptron在视频与具身推理领域最高质量的视觉语言模型。它接受图像和视频输入，配合自然语言查询，能够生成结构化或自然语言的详细视觉理解响应。该模型在视频问答、摘要生成和事件检测等视频理解任务中表现卓越。在图像输入方面，它实现了基于多模态提示的逐点定位、复杂真实场景下的OCR与文档解析、开放词汇目标检测与计数，以及手部姿态估计。 可根据请求启用推理功能，以延迟换取对更困难任务的深度分析。仅当通过`annotation_format`参数明确请求时（传递`"point"`、`"box"`或`"polygon"`用于图像空间定位，或传递`"clip"`（起始/结束时间戳）用于视频时间片段），模型才会在文本中内联输出结构化标注。未指定`annotation_format`时，模型仅返回自然语言文本。

Perceptron Mk1 的能力

输入：文本、图像、视频   输出：文本

Perceptron Mk1 的 API 定价

价格为公开刊例（人民币按 1 美元 ≈ 6.78 元换算），实际以各服务商官网为准。