Perceptron · modèle de langage
Perceptron Mk1.5 : prix, contexte et benchmarks
Perceptron Mk1.5 est un modèle de langage de Perceptron sorti le 25 septembre 2026. Il coûte 0,15 $US par million de tokens en entrée et 1,5 $US en sortie, avec un contexte de 36,9 k tokens. Aucun score indépendant n'est publié pour lui à ce jour.
Ce qu'il faut savoir sur Perceptron Mk1.5
Perceptron Mk1.5 a été publié par Perceptron (États-Unis) le 25 septembre 2026. Il accepte du texte, des images, de la vidéo et de l'audio en entrée et produit du texte. Sa fenêtre de contexte atteint 36 864 tokens, plus que 8 % des modèles du registre, et il peut écrire jusqu'à 8 192 tokens d'une traite.
C'est un modèle récent : les retours d'usage et les scores indépendants sont encore peu nombreux.
Prix de Perceptron Mk1.5
Sur OpenRouter, Perceptron Mk1.5 coûte 0,15 $US par million de tokens en entrée et 1,5 $US en sortie. En comptant trois tokens lus pour un token écrit, son prix moyen est de 0,488 $US par million, plus cher que 41 % des modèles payants (1,6 fois moins que la médiane de 0,76 $US).
Exemple concret : une tâche qui envoie 2 000 tokens (environ 1 500 mots) et reçoit 500 tokens de réponse coûte 0,0011 $US. À 1 000 tâches par jour, comptez 32 $US par mois. Le calculateur de prix refait ce calcul avec vos propres volumes.
Performance et benchmarks
Epoch AI ne publie pas encore d'indice de capacités pour Perceptron Mk1.5. Nous n'affichons donc aucune note de performance inventée : seuls le prix, le contexte et les fonctions entrent dans sa note.
Fonctions, confidentialité et usage local
- Il gère l'appel d'outils : il peut donc piloter un agent IA, appeler des API ou des serveurs MCP.
- Il sait répondre dans un format JSON imposé (sorties structurées).
- C'est un modèle de raisonnement : il « réfléchit » avant de répondre, ce qui améliore les tâches difficiles mais consomme plus de tokens de sortie.
Ses poids ne sont pas publiés : on ne peut l'utiliser que via l'API de Perceptron ou d'un intermédiaire comme OpenRouter, ce qui implique d'envoyer vos données hors de vos machines.
Les autres modèles de Perceptron
| Modèle | Sortie | Prix moyen | ECI |
|---|---|---|---|
| Perceptron Mk1 | 12 mai 2026 | 0,49 $US | — |
Verdict
Perceptron Mk1.5 obtient 50/100 selon notre grille, qui ne retient que des chiffres publiés.
Points forts
- Prêt pour les agents : appel d'outils et sorties JSON structurées.
Limites
- Aucun score indépendant publié : performance non vérifiable.
À éviter si…
- vos données ne doivent pas quitter vos serveurs ;
- vous analysez de longs documents d'un seul tenant.
Alternatives
- 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
Comparatifs et outils
Comprendre
Questions fréquentes
Combien coûte Perceptron Mk1.5 ?
0,15 $US par million de tokens en entrée et 1,5 $US en sortie sur OpenRouter (relevé du 25 octobre 2026). Une tâche de 2 000 tokens lus et 500 écrits revient à 0,0011 $US.
Quelle est la taille du contexte de Perceptron Mk1.5 ?
36 864 tokens, soit environ 28 000 mots, avec 8 192 tokens maximum en sortie.
Peut-on utiliser Perceptron Mk1.5 en local ?
Non, Perceptron ne publie pas ses poids : il s'utilise uniquement par API.
Perceptron Mk1.5 convient-il pour un agent IA ?
Oui sur le plan technique : il gère l'appel d'outils et les sorties structurées. Vérifiez ensuite son coût pour votre volume.
Quelles alternatives à Perceptron Mk1.5 ?
Les modèles les plus proches en prix et en performance sont Weaver (alpha), MiniMax M2-her et Skyfall 36B V2.
Articles liés
- Mistral AI : modèles, prix et agents25 octobre 2026
- Benchmark LLM : comment lire les classements des modèles24 octobre 2026
- Faire tourner un LLM en local : matériel, logiciels et limites24 octobre 2026
- Modèles open source ou fermés pour vos agents ?5 octobre 2026
Neutralité. Aucun lien d'affiliation. Aucun éditeur ne paie pour être évalué, noté ou classé. Les évaluations sont dirigées par François Chollet, neutres et factuelles, et chaque donnée est datée et sourcée. Comment nous notons