Perceptron · modelo de lenguaje
Perceptron Mk1.5: precio, contexto y benchmarks
Perceptron Mk1.5 es un modelo de lenguaje de Perceptron lanzado el 25 de septiembre de 2026. Cuesta 0,15 US$ por millón de tokens de entrada y 1,5 US$ de salida, con un contexto de 36,9 mil tokens. Por ahora no hay ninguna puntuación independiente publicada.
Lo que hay que saber de Perceptron Mk1.5
Perceptron Mk1.5 fue publicado por Perceptron (Estados Unidos) el 25 de septiembre de 2026. Acepta texto, imágenes, vídeo y audio como entrada y produce texto. Su ventana de contexto alcanza 36.864 tokens, más que el 8 % de los modelos del registro, y puede escribir hasta 8192 tokens de una vez.
Es un modelo reciente: todavía hay pocas opiniones de uso y puntuaciones independientes.
Precio de Perceptron Mk1.5
En OpenRouter, Perceptron Mk1.5 cuesta 0,15 US$ por millón de tokens de entrada y 1,5 US$ de salida. Contando tres tokens leídos por cada token escrito, su precio medio es de 0,488 US$ por millón, más caro que el 41 % de los modelos de pago (1,6 veces menos que la mediana de 0,76 US$).
Un ejemplo concreto: una tarea que envía 2.000 tokens (unas 1.500 palabras) y recibe 500 tokens de respuesta cuesta 0,0011 US$. Con 1.000 tareas al día, cuente 32 US$ al mes. La calculadora de precios rehace este cálculo con sus propios volúmenes.
Rendimiento y benchmarks
Epoch AI aún no publica un índice de capacidades para Perceptron Mk1.5. Por eso no mostramos ninguna nota de rendimiento inventada: solo el precio, el contexto y las funciones cuentan en su nota.
Funciones, privacidad y uso local
- Admite la llamada a herramientas: puede manejar un agente IA, llamar a API o a servidores MCP.
- Puede responder en un formato JSON impuesto (salidas estructuradas).
- Es un modelo de razonamiento: «piensa» antes de responder, lo que ayuda en tareas difíciles pero consume más tokens de salida.
Sus pesos no se publican: solo se puede usar a través de la API de Perceptron o de un intermediario como OpenRouter, lo que implica enviar sus datos fuera de sus máquinas.
Otros modelos de Perceptron
| Modelo | Lanzamiento | Precio medio | ECI |
|---|---|---|---|
| Perceptron Mk1 | 12 may 2026 | 0,49 US$ | — |
Veredicto
Perceptron Mk1.5 obtiene 50/100 según nuestra tabla, que solo usa cifras publicadas.
Puntos fuertes
- Listo para agentes: llamada a herramientas y salidas JSON estructuradas.
Limitaciones
- Ninguna puntuación independiente publicada: rendimiento no verificable.
Evítelo si…
- sus datos no deben salir de sus servidores;
- analiza documentos largos de una sola vez.
Alternativas
- Weaver (alpha)0,49 US$
- MiniMax M2-her0,53 US$
- Skyfall 36B V20,61 US$
- Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)0,56 US$
- Gemma 2 27B0,65 US$
- Qwen2.5 Coder 32B Instruct0,75 US$
Comparativas y herramientas
Entender
Preguntas frecuentes
¿Cuánto cuesta Perceptron Mk1.5?
0,15 US$ por millón de tokens de entrada y 1,5 US$ de salida en OpenRouter (dato del 25 de octubre de 2026). Una tarea de 2.000 tokens leídos y 500 escritos cuesta 0,0011 US$.
¿Qué tamaño tiene el contexto de Perceptron Mk1.5?
36.864 tokens, unas 28.000 palabras, con un máximo de 8192 tokens de salida.
¿Se puede usar Perceptron Mk1.5 en local?
No, Perceptron no publica sus pesos: solo se usa por API.
¿Sirve Perceptron Mk1.5 para un agente IA?
Técnicamente sí: admite llamada a herramientas y salidas estructuradas. Compruebe después su coste para su volumen.
¿Qué alternativas hay a Perceptron Mk1.5?
Los modelos más cercanos en precio y rendimiento son Weaver (alpha), MiniMax M2-her y Skyfall 36B V2.
Artículos relacionados
- Mistral AI: modelos, precios y agentes25 de octubre de 2026
- Benchmark LLM: cómo interpretar las clasificaciones de modelos24 de octubre de 2026
- Ejecutar un LLM en local: hardware, software y límites24 de octubre de 2026
- ¿Modelos de código abierto o cerrados para sus agentes?5 de octubre de 2026
Neutralidad. Ningún enlace de afiliación. Ningún editor paga por ser evaluado, puntuado o clasificado. Las evaluaciones las dirige François Chollet, neutrales y factuales, y cada dato está fechado y con su fuente. Cómo puntuamos