Kan ik Perceptron Mk1.5 lokaal draaien?

Nee — de gewichten zijn niet openbaar en er is geen Hugging Face repository. Het is alleen via API.

Wat kost het en hoe lang is de context?

De prijs is $0,15 per miljoen input tokens en $1,50 per miljoen output tokens, met een contextvenster van 36.864 tokens.

Hoe verschilt dit van een standaard multimodaal model?

De meeste multimodale modellen geven tekstbeschrijvingen van wat ze zien; Mk1.5 kan ook gestructureerde ruimtelijke annotaties geven — punten, vlakken, polygonen — en temporele clipmarkeringen voor video, waardoor het direct bruikbaar is in agent- en computer vision pijplijnen zonder aparte parsingstap.

Perceptron Mk1.5

4320°

#llm #perceptron #visie #audio #video #redeneren

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

Perceptron | 36.864 token context | $0.15/M input, $1.50/M output. Perceptron Mk1.5 is Perceptron's belichaamde redeneermodel voor fysieke agenten. Het accepteert tekst-, beeld-, video- en audio-input en antwoordt met tekst plus optionele gestructureerde annotaties: punten, vakken, polygonen, tracks en clips. Het ondersteunt gegradueerd redeneren via standaard redeneerkontroles, functie-tool-aanroepen en gestructureerde outputs via JSON Schema. Gestructureerde annotaties worden inline met tekst uitgegeven alleen wanneer gevraagd via de annotation_format parameter ("point", "box" of "polygon" voor ruimtelijke lokalisatie op afbeeldingen, "clip" voor temporele segmenten in video). Videosoundtracks worden alleen geanalyseerd wanneer expliciet per verzoek ingeschakeld.

Gidsen voor dit model

Open weights vs open source vs alleen API: wat je eigenlijk mag doen

Hoe kies je een AI-model in oktober 2026: eerst het nieuws over gesloten modellen, dan de open modellen die het downloaden waard zijn

De 10 goedkoopste ChatGPT-alternatieven in 2026: gratis lokale modellen, gratis tiers en vaste prijsplannen

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Perceptron Mk1.5 is Perceptrons redeneermodel gebouwd voor fysieke agenten: het accepteert tekst, afbeelding, video en audio als input en kan niet alleen tekst teruggeven maar ook gestructureerde ruimtelijke en temporele annotaties — begrenzingsvlakken, polygonen, puntlokalisaties en videosegmenten. Die outputvorm is het onderscheidende kenmerk; de meeste multimodale modellen stoppen bij tekst. Het is geschikt voor robotica-pijplijnen, computer vision workflows en elk systeem dat moet redeneren over waar iets is, niet alleen wat het is.

Bekend om

Geeft gestructureerde ruimtelijke annotaties terug: punten, vlakken en polygonen op afbeeldingen
Temporele clipannotaties voor video, nuttig in agent- en pijplijncontexten
Accepteert tekst, afbeelding, video en audio in één verzoek
Ondersteunt functie-aanroepen en JSON Schema gestructureerde output
Graad van redeneerdiepte instelbaar via standaard redeneerkontroles

Let op

Gesloten gewichten, alleen API — je kunt het niet lokaal draaien of het model inspecteren
Video-audioanalyse staat standaard uit; je moet het per verzoek expliciet inschakelen
Contextvenster is 36.864 tokens, wat bescheiden is voor lange video- of documenttaken

Het beste voor

Agenten en toolgebruik

Prompts om te proberen

Lokaliseren van objecten in afbeelding

Voeg een afbeelding toe van een rommelig bureau. Geef begrenzingsvlakken terug voor elk zichtbaar elektronisch apparaat, met een eendelig label per apparaat. Gebruik annotation_format: box.

Video segment extractie

Ik voeg een korte video toe van een productielijn. Identificeer elk interval waarin een menselijke hand in beeld komt en geef die terug als clipannotaties met start- en eindtijden en een korte beschrijving van wat de hand doet.

Agent actieplanning

Je bestuurt een mobiele robot in een magazijn. De bijgevoegde afbeelding is het huidige camerabeeld van de robot. Identificeer het dichtstbijzijnde begaanbare pad naar het rode schap, beschrijf eventuele obstakels en geef een polygoonannotatie terug die de aanbevolen reiscorridor omlijnt.

Vergelijk met

Perceptron Mk1
Alleen API-model
32,768 token context · $0.15/M invoer, $1.50/M uitvoer
DeepSeek V4.1 Flash
Model met open gewichten
1,048,576 token context · $0.04/M invoer, $0.68/M uitvoer
GLM 5.3 Flash
Model met open gewichten
1,048,576 token context · $0.02/M invoer, $0.72/M uitvoer
MiMo-V2.6-Flash
Model met open gewichten
1,050,000 token context · $0.14/M invoer, $0.28/M uitvoer

Meer tekstmodellen van perceptron

Veelgestelde vragen

Kan ik Perceptron Mk1.5 lokaal draaien?: Nee — de gewichten zijn niet openbaar en er is geen Hugging Face repository. Het is alleen via API.
Wat kost het en hoe lang is de context?: De prijs is $0,15 per miljoen input tokens en $1,50 per miljoen output tokens, met een contextvenster van 36.864 tokens.
Hoe verschilt dit van een standaard multimodaal model?: De meeste multimodale modellen geven tekstbeschrijvingen van wat ze zien; Mk1.5 kan ook gestructureerde ruimtelijke annotaties geven — punten, vlakken, polygonen — en temporele clipmarkeringen voor video, waardoor het direct bruikbaar is in agent- en computer vision pijplijnen zonder aparte parsingstap.

Oordeel van de kapitein
Als je een model nodig hebt dat je vertelt waar iets is — niet alleen wat het is — en dat in een agentpijplijn past, is Mk1.5 speciaal daarvoor gebouwd.

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hoe deze score wordt opgebouwd

Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Vergelijkbare modellen

AI-modellen voor het genereren van afbeeldingen, video en tekst

Perceptron Mk1.5 is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm perceptron visie audio video redeneren agenten

Bladeren op modelfamilie