影片與具身推理
Mk1 專為影片理解與具身推理而設計，著重於連續串流中的時間推理，而非孤立的單一影像。
概述
Perceptron Mk1 是來自 Perceptron 的閉源模型，專為影片理解與具身推理而打造。公司將其描述為一層面向實體世界的智慧，適用於感知、時序與空間定位比純文字生成更重要的工作負載。
此模型定位於實體 AI 與機器人工作流程，支援影像、影片與具身推理，以及 point、box、polygon、track、clips、HTML、JSON 和 Markdown 等結構化輸出。來源頁面也展示了透過 API 進行偵測、指向、計數、OCR、captioning 與可提示式視覺分析的開發者範例。
特色
具思考軌跡的時間推理
模型可對時間進行推理、產生事件的結構化拆解，並可在不需要時選擇關閉推理。
長影片的時間定位
它可在 32K token 的 context window 中，以最高 2 FPS 的動態幀率分析影片，並針對特定時刻回傳結構化時間碼。
情境內多模態匹配
網站說明可使用一張參考影像或影片，在新媒體中尋找相符實例，也能在不微調或不使用標註資料集的情況下比較兩段媒體。
進階影像理解
Mk1 支援指向、計數、OCR、文件擷取，以及其他影像推理任務，包括雜亂文字、類比儀表與保留結構的表格。
機器人工作流程的結構化輸出
模型訓練可輸出 point、box、polygon、track 與 clip 等空間原語，能直接供下游系統使用。
使用案例
機器人資料準備
使用 Mk1 解讀遠端操作影片、標註子任務邊界、擷取成功或失敗訊號，並將原始 episode 轉為下游 policy 訓練所需的監督式資料。
機器人執行階段輔助
在推論期間套用模型以回傳抓取可供性、約束檢查、關係目標，以及用於操作或導航系統的跨攝影機追蹤。
工業檢測與安全
在工廠、倉儲或工地影像與影片上執行模型，以偵測缺陷、標記安全問題，並在巡檢期間讀取儀表。
媒體搜尋與剪輯
運用時間定位與結構化輸出來剪輯體育時刻、搜尋電影與電視資料庫，或大規模審核 AI 生成內容。
地理空間監測
分析衛星、無人機與固定攝影機影像，用於基礎設施監測、施工進度、植被侵入或災後評估。
Pros and Cons
Pros
- 專為影片理解與具身推理打造，而不僅是靜態影像任務。
- 支援可直接接入機器人與自動化流程的結構化輸出，包括空間原語與文件格式。
- 可透過單次模型呼叫處理多種實用視覺工作流程，包括匹配、計數、OCR 與比較。
- 具備時間推理與影片定位功能，適合長時間或連續的視覺串流。
Cons
- 來源頁面在彙整文字中未公開完整價格、方案限制或授權條款。
- 該模型被呈現為閉源，因此不是 open-weight 選項。
FAQ
Perceptron Mk1 是為什麼用途設計的？
Perceptron Mk1 是為影片理解與具身推理打造的，並額外支援影像推理與結構化文件擷取。網站將其定位於實體世界應用，而非通用聊天。
它可以處理哪些任務？
開發者頁面展示了 Python 風格的範例，涵蓋 focus/zoom 與 crop、對話式指向、in-context learning、物件偵測、計數、OCR 與 captioning。示範也顯示可對單一或多個類別的影像進行分割的模式。
它如何處理影片與結構化輸出？
網站表示 Mk1 會在 32K token 的 context window 內，以最高 2 FPS 分析影片，並可回傳結構化時間碼、clips，以及 point、box、polygon、track 和 clip 等其他空間輸出。
它是開源的，還是可透過商業授權取得？
首頁表示 Mk1 是閉源的模型系列版本。網站也說開發者可透過 API 使用該模型，或聯絡取得權重的商業授權。
Perceptron 的價格是多少？
價格頁面在所收集的文字中未顯示已公開的方案細節，因此無法從此處使用的來源頁面取得確切價格、方案層級與限制。
Quick Facts
- 產品
- Perceptron Mk1
- 類別
- AI 開發工具
- 主要用途
- 影片理解與具身推理
- 平台
- 以 API 為基礎的模型
- 公司
- Perceptron Inc.
- 來源網域
- perceptron.inc
Perceptron Mk1 替代品
AakarDev AI
AakarDev AI 讓團隊透過單一儀表板管理 AI 供應商權限、專案設定、日誌與分析，支援 BYOK 工作流程，並可連接 OpenAI、Google Gemini、Anthropic、Groq、Mistral AI、Perplexity AI。
Arduino VENTUNO Q
Arduino VENTUNO Q 是一款適用於 AI 與機器人應用的邊緣 AI 電腦，結合 AI 推論與可預測控制，並可搭配 Arduino App Lab 使用。
Benchspan
Benchspan 是一個 AI agent 安全平台，可即時發現 agents、阻擋 prompt injection 與資料外洩，並支援上線前紅隊測試，適合在 production 環境運行 agents 的團隊，並提供 Python 與 TypeScript SDKs。
Edgee
Edgee 是專為程式設計代理與 LLM 應用打造的 AI gateway，可壓縮 token 流量、跨模型路由請求，並提供可觀測性與團隊控管，協助降低成本、維持工作不中斷。
CreateOS Sandbox
CreateOS Sandbox 是以 Firecracker micro-VM 執行程式與 agent 工作負載的隔離運算環境，支援私有網路、SDK、CLI 與 MCP 程式化控制。
Codex Plugins
Codex Plugins 將可重用技能、應用程式整合與 MCP 伺服器打包成可安裝到 Codex app 或在 Codex CLI 使用的工作流程，方便延伸 Codex 的連線服務任務、重複使用指令與團隊共享流程。