Bisakah saya menjalankan Perceptron Mk1.5 secara lokal?

Tidak — bobotnya tidak publik dan tidak ada repositori Hugging Face. Hanya tersedia melalui API.

Berapa biaya dan berapa panjang konteksnya?

Harga $0,15 per juta token input dan $1,50 per juta token output, dengan jendela konteks 36.864 token.

Apa bedanya dengan model multimodal standar?

Sebagian besar model multimodal hanya mengembalikan deskripsi teks dari apa yang mereka lihat; Mk1.5 juga dapat mengeluarkan anotasi spasial terstruktur — titik, kotak, poligon — dan penanda klip temporal untuk video, membuatnya langsung dapat digunakan dalam pipeline agen dan visi komputer tanpa langkah parsing terpisah.

Perceptron Mk1.5

4320°

#llm #perceptron #visi #audio #video #penalaran

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Perceptron | konteks 36.864 token | $0,15/M input, $1,50/M output. Perceptron Mk1.5 adalah model penalaran berwujud dari Perceptron untuk agen fisik. Menerima input teks, gambar, video, dan audio, serta menjawab dengan teks plus anotasi terstruktur opsional: titik, kotak, poligon, trek, dan klip. Mendukung penalaran bertingkat melalui kontrol penalaran standar, pemanggilan alat fungsi, dan output terstruktur melalui JSON Schema. Anotasi terstruktur dikeluarkan secara inline dengan teks hanya jika diminta melalui parameter annotation_format ("point", "box", atau "polygon" untuk lokalisasi spasial pada gambar, "clip" untuk segmen temporal dalam video). Soundtrack video dianalisis hanya jika secara eksplisit diaktifkan per permintaan.

Panduan untuk model ini

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Cara memilih model AI di Oktober 2026: berita sumber tertutup, lalu bobot terbuka yang layak diunduh

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Perceptron Mk1.5 adalah model penalaran Perceptron yang dibuat untuk agen fisik: menerima teks, gambar, video, dan audio sebagai input dan dapat mengembalikan tidak hanya teks tetapi anotasi spasial dan temporal terstruktur — kotak pembatas, poligon, lokalisasi titik, dan segmen klip video. Format output ini yang membedakan; sebagian besar model multimodal berhenti pada teks. Cocok untuk pipeline robotika, alur kerja visi komputer, dan sistem yang membutuhkan model untuk menalar tentang lokasi sesuatu, bukan hanya apa itu.

Dikenal untuk

Mengembalikan anotasi spasial terstruktur: titik, kotak, dan poligon pada gambar
Anotasi klip temporal untuk video, berguna dalam konteks agen dan pipeline
Menerima teks, gambar, video, dan audio dalam satu permintaan
Mendukung pemanggilan alat fungsi dan output terstruktur JSON Schema
Kedalaman penalaran bertingkat melalui kontrol penalaran standar

Waspadai

Bobot tertutup, hanya API — Anda tidak dapat menjalankan secara lokal atau memeriksa model
Analisis audio video nonaktif secara default; Anda harus mengaktifkannya secara eksplisit per permintaan
Jendela konteks 36.864 token, yang tergolong sedang untuk pekerjaan video atau dokumen panjang

Terbaik untuk

Agen dan penggunaan alat

Prompt untuk dicoba

Temukan objek dalam gambar

Lampirkan gambar meja berantakan. Kembalikan kotak pembatas untuk setiap perangkat elektronik yang terlihat, dengan label satu kata untuk masing-masing. Gunakan annotation_format: box.

Ekstraksi segmen video

Saya melampirkan video pendek dari jalur manufaktur. Identifikasi setiap interval di mana tangan manusia memasuki frame dan kembalikan sebagai anotasi klip dengan waktu mulai dan selesai serta deskripsi singkat tentang apa yang dilakukan tangan itu.

Perencanaan aksi agen

Anda mengendalikan robot bergerak di gudang. Gambar terlampir adalah pandangan kamera robot saat ini. Identifikasi jalur navigasi terdekat ke rak merah, deskripsikan hambatan apa pun, dan kembalikan anotasi poligon yang menguraikan koridor perjalanan yang direkomendasikan.

Bandingkan dengan

Perceptron Mk1
Model hanya API
konteks 32,768 token · $0.15/M input, $1.50/M output
DeepSeek V4.1 Flash
Model dengan bobot terbuka
konteks 1,048,576 token · $0.04/M input, $0.68/M output
GLM 5.3 Flash
Model dengan bobot terbuka
konteks 1,048,576 token · $0.02/M input, $0.72/M output
MiMo-V2.6-Flash
Model dengan bobot terbuka
konteks 1,050,000 token · $0.14/M input, $0.28/M output

Model teks lain dari perceptron

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Perceptron Mk1.5 secara lokal?: Tidak — bobotnya tidak publik dan tidak ada repositori Hugging Face. Hanya tersedia melalui API.
Berapa biaya dan berapa panjang konteksnya?: Harga $0,15 per juta token input dan $1,50 per juta token output, dengan jendela konteks 36.864 token.
Apa bedanya dengan model multimodal standar?: Sebagian besar model multimodal hanya mengembalikan deskripsi teks dari apa yang mereka lihat; Mk1.5 juga dapat mengeluarkan anotasi spasial terstruktur — titik, kotak, poligon — dan penanda klip temporal untuk video, membuatnya langsung dapat digunakan dalam pipeline agen dan visi komputer tanpa langkah parsing terpisah.

Putusan Kapten
Jika Anda membutuhkan model yang memberi tahu di mana sesuatu berada — bukan hanya apa itu — dan dapat masuk ke pipeline agen, Mk1.5 dibuat khusus untuk itu.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Granite 4.0 Micro

TEXT / LLM

Llama 3.2 3B Instruct

TEXT / LLM

Qwen3 VL 30B A3B Thinking

TEXT / LLM

Qwen3.7 Flash

TEXT / LLM

Model AI untuk Pembuatan Gambar, Video & Teks

Perceptron Mk1.5 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm perceptron visi audio video penalaran agen

Jelajahi berdasarkan Keluarga Model