Priskuttet er 80 til 90 prosent under sammenlignbare multimodale modeller fra Anthropic, OpenAI og Google, ifølge VentureBeat. Selskapet er ledet av Armen Aghajanyan, tidligere multimodal-forsker i Meta FAIR. Mk1 er proprietær og tilbys kun via API, ikke som åpen modell.
Aghajanyan ledet hos Meta arbeidet bak Chameleon og Llama Vision og var en sentral stemme i interleaved multimodal tokenisering. Mk1 er Perceptrons første produkt etter en stille startup-fase, og prisstrategien tyder på volum-først snarere enn marginer.
For deg som bygger video-pipelines er en faktor 5–10 lavere token-kostnad det som flytter hele bruksmønstre fra prototype til produksjon: kontinuerlig overvåking av kamerastreams, batch-tagging av historiske arkiv, eller live-transkripsjon med visuell kontekst. Spørsmålet er om kvaliteten holder mot Gemini 3.1 Pro og GPT-5, og Perceptron har foreløpig ikke publisert benchmarks.
Hva bør du gjøre?
- Kjør Mk1 mot et reelt video-datasett før du legger om pipelines, siden pris alene ikke veier opp for svakere nøyaktighet.
- Spør Perceptron om SLA og kvotegrenser før du baserer produksjon på API-et — selskapet er fortsatt nytt og kapasiteten ukjent.
- Sammenlign output-prisen på 1,50 dollar mot Gemini 3.1 Flash hvis du allerede kjører Gemini; der ligger den reelle innsparingen for chatty pipelines som returnerer mye tekst.