Posso rodar o Perceptron Mk1.5 localmente?

Não — os pesos não são públicos e não há repositório no Hugging Face. É somente via API.

Quanto custa e qual o tamanho da janela de contexto?

O preço é $0,15 por milhão de tokens de entrada e $1,50 por milhão de tokens de saída, com janela de contexto de 36.864 tokens.

Como ele difere de um modelo multimodal padrão?

A maioria dos modelos multimodais retorna descrições textuais do que veem; o Mk1.5 também pode emitir anotações espaciais estruturadas — pontos, caixas, polígonos — e marcadores temporais para vídeo, tornando-o diretamente utilizável em pipelines de agentes e visão computacional sem etapa separada de parsing.

Perceptron Mk1.5

4320°

#llm #perceptron #visão #áudio #vídeo #raciocínio

Executar modelo

Ofertas / Anúncios

OpenRouter Terminal / API

Pague por token

Converse com este modelo no navegador ou chame-o do seu código com uma chave API.

Perceptron | contexto de 36.864 tokens | $0,15/M entrada, $1,50/M saída. Perceptron Mk1.5 é o modelo de raciocínio incorporado da Perceptron para agentes físicos. Aceita entrada de texto, imagem, vídeo e áudio, e responde com texto mais anotações estruturadas opcionais: pontos, caixas, polígonos, trilhas e clipes. Suporta raciocínio graduado através dos controles padrão de raciocínio, chamadas de ferramentas de função e saídas estruturadas via JSON Schema. Anotações estruturadas são emitidas inline com texto somente quando solicitadas via parâmetro annotation_format ("point", "box" ou "polygon" para localização espacial em imagens, "clip" para segmentos temporais em vídeo). Trilhas sonoras de vídeo são analisadas apenas quando explicitamente habilitadas por requisição.

Guias para este modelo

Pesos abertos vs código aberto vs só API: o que você realmente pode fazer

Como escolher um modelo de IA em outubro de 2026: as novidades de código fechado e os pesos abertos que valem a pena baixar

As 10 alternativas mais baratas ao ChatGPT em 2026: modelos locais grátis, planos gratuitos e planos fixos

Todos os guias

Notas do capitão

Escrito por Captain, o editor da casa

Notas de 2026-10-13

Perceptron Mk1.5 é o modelo de raciocínio da Perceptron construído para agentes físicos: aceita texto, imagem, vídeo e áudio como entrada e pode retornar não apenas texto, mas anotações espaciais e temporais estruturadas — caixas delimitadoras, polígonos, localizações pontuais e segmentos de clipes de vídeo. Esse formato de saída é o diferencial; a maioria dos modelos multimodais para por aí. É ideal para pipelines de robótica, fluxos de visão computacional e qualquer sistema que precise de um modelo para raciocinar sobre onde algo está, não apenas o que é.

Conhecido por

Retorna anotações espaciais estruturadas: pontos, caixas e polígonos em imagens
Anotações temporais de clipes para vídeo, úteis em contextos de agentes e pipelines
Aceita texto, imagem, vídeo e áudio em uma única requisição
Suporta chamadas de função e saídas estruturadas em JSON Schema
Profundidade de raciocínio graduada via controles padrão de raciocínio

Fique atento a

Pesos fechados, somente API — não é possível rodar localmente ou inspecionar o modelo
Análise de áudio de vídeo está desativada por padrão; deve ser ativada explicitamente por requisição
Janela de contexto de 36.864 tokens, modesta para trabalhos longos com vídeo ou documentos

Melhor para

Agentes e uso de ferramentas

Sugestões para tentar

Localize objetos na imagem

Anexe uma imagem de uma mesa bagunçada. Retorne caixas delimitadoras para cada dispositivo eletrônico visível, com um rótulo de uma palavra para cada. Use annotation_format: box.

Extração de segmento de vídeo

Estou anexando um vídeo curto de uma linha de fabricação. Identifique cada intervalo em que uma mão humana entra no quadro e retorne essas partes como anotações de clipe com tempos de início e fim e uma breve descrição do que a mão está fazendo.

Planejamento de ação do agente

Você está controlando um robô móvel em um armazém. A imagem anexada é a visão atual da câmera do robô. Identifique o caminho navegável mais próximo da prateleira vermelha, descreva quaisquer obstáculos e retorne uma anotação poligonal delineando o corredor de viagem recomendado.

Comparar com

Perceptron Mk1
Modelo apenas para API
Contexto de 32,768 tokens · entrada $0.15/M, saída $1.50/M
DeepSeek V4.1 Flash
Modelo com pesos abertos
Contexto de 1,048,576 tokens · entrada $0.04/M, saída $0.68/M
GLM 5.3 Flash
Modelo com pesos abertos
Contexto de 1,048,576 tokens · entrada $0.02/M, saída $0.72/M
MiMo-V2.6-Flash
Modelo com pesos abertos
Contexto de 1,050,000 tokens · entrada $0.14/M, saída $0.28/M

Mais modelos de texto de perceptron

Perguntas frequentes

Posso rodar o Perceptron Mk1.5 localmente?: Não — os pesos não são públicos e não há repositório no Hugging Face. É somente via API.
Quanto custa e qual o tamanho da janela de contexto?: O preço é $0,15 por milhão de tokens de entrada e $1,50 por milhão de tokens de saída, com janela de contexto de 36.864 tokens.
Como ele difere de um modelo multimodal padrão?: A maioria dos modelos multimodais retorna descrições textuais do que veem; o Mk1.5 também pode emitir anotações espaciais estruturadas — pontos, caixas, polígonos — e marcadores temporais para vídeo, tornando-o diretamente utilizável em pipelines de agentes e visão computacional sem etapa separada de parsing.

Veredito do capitão
Se você precisa de um modelo que diga onde algo está — não apenas o que é — e que possa ser integrado a um pipeline de agente, o Mk1.5 é feito para isso.

O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.

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

Como essa pontuação é calculada

Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.

Glossário: os termos usados aqui

Pontuação heat: Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
Limite mínimo: Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
Equivalentes a downloads: Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
Escala logarítmica: Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
Likes: Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
Taxa de adoção: Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
Medido e estimado: Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
Seeder: Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
AI Horde: Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
Sites de geração: Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
Tokens OpenRouter: Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint): Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
LoRA e embedding: Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
Família e pesos: A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
Idade: Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
Impulso da família: Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
Pontuação provisória: Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
Novo! (período de carência): Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
Tendência: Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
Modelo típico: O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.

Modelos semelhantes

nomic embed text v1.5

Modelos de IA para geração de imagem, vídeo e texto

Perceptron Mk1.5 é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.

Mais modelos Text / LLM Mais Texto / LLM Text / LLM llm perceptron visão áudio vídeo raciocínio agentes

Navegar por família de modelos