视频与具身推理
Mk1 被描述为专为视频理解与具身推理而打造，强调在连续流上的时间推理，而不是孤立的静态快照。
概述
Perceptron Mk1 是 Perceptron 推出的一款闭源模型，面向视频理解与具身推理。公司将其描述为面向物理世界的一层智能，适用于那些感知、时序和空间定位比纯文本生成更重要的工作负载。
该模型面向物理 AI 和机器人工作流，支持图像、视频和具身推理，并可输出点、框、多边形、轨迹、片段、HTML、JSON 和 Markdown 等结构化结果。源页面还展示了通过 API 进行检测、指向、计数、OCR、图像描述以及可提示视觉分析的开发者示例。
功能
带思维轨迹的时间推理
该模型可以对时间进行推理，生成事件的结构化拆解，并在不需要时可选择关闭推理。
长视频中的时间定位
它可在 32K token 上下文窗口内以动态帧率最高 2 FPS 分析视频，并可返回特定时刻的结构化时间码。
上下文内多模态匹配
网站称，可以使用一张参考图像或视频在新的媒体中查找匹配实例，也可以在无需微调或标注数据集的情况下比较两段媒体。
高级图像理解
Mk1 支持指向、计数、OCR、文档提取以及其他图像推理任务，包括对杂乱文本、模拟仪表和保持结构的表格的处理。
面向机器人工作流的结构化输出
该模型经过训练，可输出点、框、多边形、轨迹和片段等空间原语，供下游系统直接消费。
使用场景
机器人数据准备
使用 Mk1 解析遥操作视频，标注子任务边界，提取成功或失败信号，并将原始回合转化为用于下游策略训练的监督数据。
机器人运行时辅助
在推理阶段应用该模型，返回抓取可供性、约束检查、关系目标以及用于操作或导航系统的跨摄像头跟踪。
工业检测与安全
在工厂、仓库或施工图像和视频上运行该模型，以检测缺陷、标记安全问题，并在巡检过程中读取仪表。
媒体搜索与剪辑
使用时间定位和结构化输出来剪辑体育时刻、搜索影视库，或大规模审核 AI 生成内容。
地理空间监测
分析卫星、无人机和固定摄像头画面，用于基础设施监测、施工进度、植被侵占或灾后评估。
Pros and Cons
Pros
- 专为视频理解和具身推理而构建，而不仅仅是静态图像任务。
- 支持可接入机器人和自动化管线的结构化输出，包括空间原语和文档格式。
- 可通过单次模型调用处理多种实用视觉工作流，包括匹配、计数、OCR 和比较。
- 提供对长视频或连续视觉流很有用的时间推理和视频定位功能。
Cons
- 源页面在收集到的文本中未公布完整的价格、套餐限制或许可条款。
- 该模型被定位为闭源，因此不是开源权重选项。
FAQ
Perceptron Mk1 是为哪些场景设计的？
Perceptron Mk1 专为视频理解与具身推理而设计，并额外支持图像推理和结构化文档提取。该网站将其定位于物理世界应用，而非通用聊天。
它可以处理哪些类型的任务？
开发者页面展示了用于聚焦/缩放与裁剪、对话式指向、上下文学习、目标检测、计数、OCR 和图像描述等任务的 Python 风格示例。演示还展示了可对图像中的一个或多个类别进行分割的模式。
它如何处理视频和结构化输出？
网站说明，Mk1 会在 32K token 的上下文窗口内，以最高 2 FPS 的速度分析视频，并可返回结构化时间码、片段，以及点、框、多边形、轨迹和片段等其他空间输出。
它是开源的吗，还是通过商业许可证提供？
首页称 Mk1 是一个闭源模型系列发布。网站还表示，开发者可以通过 API 使用该模型，或联系获取权重的商业许可证。
Perceptron 的价格是多少？
定价页面在所收集的文本中没有显示已公布的套餐细节，因此无法从这里使用的源页面获得准确的价格、层级和限制信息。
Quick Facts
- 产品
- Perceptron Mk1
- 类别
- AI 开发工具
- 主要用途
- 视频理解与具身推理
- 平台
- 基于 API 的模型
- 公司
- Perceptron Inc.
- 来源域名
- perceptron.inc
Perceptron Mk1 替代品
AakarDev AI
AakarDev AI 帮助团队在一个仪表板中管理 AI provider 访问、项目级设置、日志和分析，支持 BYOK 工作流，并涵盖 OpenAI、Google Gemini、Anthropic、Groq、Mistral AI 和 Perplexity AI。
Arduino VENTUNO Q
Arduino VENTUNO Q 是面向 AI 和机器人应用的边缘 AI 计算机，单板集成 AI 推理与确定性控制，并支持 Arduino App Lab。
Benchspan
Benchspan 是一款 AI agent 安全平台，可发现 agent、实时阻止提示注入和数据外泄，并支持上线前红队测试，适用于生产环境中的 agent 团队，提供 Python 和 TypeScript SDK。
Edgee
Edgee 是面向编码代理和 LLM 应用的 AI gateway，可压缩 token 流量、跨模型路由请求，并提供可观测性与团队控制，帮助降低成本并保持会话持续运行。
CreateOS Sandbox
CreateOS Sandbox 是基于 Firecracker 微型虚拟机的隔离计算环境，用于运行代码和 agent 工作负载，支持私有网络、SDK、CLI 和 MCP 程序化控制。
Codex Plugins
Codex Plugins 将可复用技能、应用集成和 MCP 服务器打包为工作流，可在 Codex 应用中安装或通过 Codex CLI 使用，帮助扩展连接服务任务、复用指令和团队共享流程。