Perceptron Mk1: ИИ-анализ видео в 90% дешевле конкурентов

Стартап Perceptron Inc. представил свою флагманскую модель для анализа видео Mk1. Анонс состоялся 12 мая 2026 года в 21:45 по московскому времени. Эта разработка предлагает предприятиям новые возможности для работы с видеопотоками.

Модель Mk1 доступна через API. Стоимость составляет $0.15 за миллион входных токенов и $1.50 за миллион выходных. Это делает её на 80-90% дешевле, чем у конкурентов вроде Claude Sonnet 4.5, GPT-5 и Gemini 3.1 Pro. Средняя стоимость Mk1 составляет около $0.30 за миллион токенов, что значительно ниже, чем у аналогов.

Разработка Mk1 заняла 16 месяцев. Модель создана для обработки сложностей физического мира. Она понимает причинно-следственные связи, динамику объектов и законы физики. Mk1 обрабатывает нативное видео со скоростью до 2 кадров в секунду, используя контекстное окно в 32K токенов. Это позволяет ей поддерживать временную непрерывность и идентифицировать объекты даже при их частичном перекрытии. Модель умеет точно определять положение и количество объектов, а также считывать показания аналоговых приборов.

Производительность Mk1 подтверждена отраслевыми бенчмарками.

• В пространственном мышлении (EmbSpatialBench) Mk1 набрала 85.1 балла. Это выше, чем у Google’s Robotics-ER 1.5 (78.4) и Alibaba’s Q3.5-27B (около 84.5).
• В специализированном RefSpatialBench модель получила 72.4 балла. Это значительно превосходит GPT-5m (9.0) и Sonnet 4.5 (2.2).
• В видео бенчмарках (EgoSchema "Hard Subset") Mk1 показала 41.4 балла. Этот результат соответствует Alibaba’s Q3.5-27B и опережает Gemini 3.1 Flash-Lite (25.0).
• На VSI-Bench Mk1 достигла 88.5 балла. Это самый высокий показатель среди сравниваемых моделей, что подтверждает её возможности в задачах временного анализа.

Perceptron Inc. также выпустила расширенную платформу для разработчиков. Она позволяет создавать функциональные приложения с минимальным кодом. SDK доступен на Python и включает несколько специализированных функций.

• Focus: Автоматически увеличивает и обрезает области кадра по текстовому запросу. Например, можно обнаружить средства индивидуальной защиты на стройке.
• Counting: Оптимизирована для плотных сцен. Эта функция позволяет идентифицировать и указывать на каждый объект в группе.
• In-Context Learning: Позволяет адаптировать Mk1 к конкретным задачам, предоставив всего несколько примеров.

Perceptron Inc. использует двойную стратегию лицензирования. Флагманская модель Mk1 является закрытым продуктом, доступным через API. Компания также развивает серию моделей Isaac с открытым исходным кодом.

• Isaac 0.1: Выпущена в сентябре 2025 года.
• Isaac 0.2-2b-preview: Выпущена в декабре 2025 года. Это 2-миллиардная параметрическая модель VLM с функциями рассуждения. Она подходит для периферийных устройств и задач с низкой задержкой. Веса моделей Isaac доступны на Hugging Face.

Perceptron Inc. предлагает коммерческие лицензии для компаний, которым нужен максимальный контроль или локальное развертывание.

Perceptron AI основана Арменом Агаджаняном и Акшатом Шриваставой. Оба ранее работали научными сотрудниками в Meta’s Facebook AI Research (FAIR). Компания зарегистрирована в октябре 2024 года, а публично её основание датируется ноябрём 2024 года. Основатели сосредоточились на создании ИИ для физического мира, опираясь на свои исследования в области мультимодальных моделей.

Модель Mk1 уже применяется в различных сферах через партнёрскую сеть Perceptron Inc.

• Автоматическое создание клипов с лучшими моментами из спортивных трансляций.
• Сбор данных для обучения роботов, автоматизируя маркировку и очистку данных.
• Мультимодальный контроль качества на производственных линиях для обнаружения дефектов.
• Носимые помощники на умных очках, предоставляющие контекстную помощь.

Эти примеры показывают, как Mk1 помогает ИИ работать в реальном физическом мире.