Проблема: видеоаналитика слишком дорога для масштабирования
Бизнес давно хочет автоматизировать анализ видео: следить за производственными линиями, автоматически нарезать контент, анализировать поведение покупателей в магазинах, проверять соблюдение регламентов на объектах. Технически это возможно уже несколько лет — но экономически нецелесообразно.
Стоимость API у ведущих мультимодальных моделей делает масштабную обработку видео убыточной для большинства сценариев. GPT-5 обходится примерно в $2,00 за миллион токенов в среднем, Gemini 3.1 Pro — около $3,00. При обработке часов видеозаписей счета становятся существенными.
Решение: специализированная модель с агрессивным ценообразованием
Stартап Perceptron Inc. выпустил флагманскую модель Mk1, созданную специально для понимания видео. Цена: $0,15 за миллион входных токенов и $1,50 за миллион выходных — на 80–90% ниже, чем у конкурентов.
Модель разрабатывалась 16 месяцев с нуля под задачи физического мира: понимание пространственных отношений, отслеживание динамики объектов, темпоральное рассуждение. Это не универсальная языковая модель с добавленным видеовходом, а архитектура, ориентированная на конкретный класс задач.
Ключевые результаты на бенчмарках:
- RefSpatialBench: 72,4 балла против 9,0 у GPT-5m и 2,2 у Claude Sonnet 4.5
- VSI-Bench: 88,5 — лучший результат среди сравниваемых моделей
- EmbSpatialBench: 85,1 — выше Google Robotics-ER 1.5 (78,4)
Результат: новая экономика видеоаналитики
Практические применения, которые становятся рентабельными при такой стоимости:
Производство и безопасность. Автоматический контроль качества на конвейере, мониторинг соблюдения регламентов безопасности, детекция нештатных ситуаций в реальном времени.
Контент и медиа. Автоматическая нарезка вебинаров и интервью на короткие фрагменты для соцсетей, поиск наиболее эмоционально насыщенных моментов, удаление оговорок и технических сбоев.
Розничная торговля. Анализ трафика в торговом зале, понимание паттернов поведения у стеллажей, оптимизация выкладки на основе данных о внимании покупателей.
HR и исследования. Анализ поведенческих паттернов в записях интервью или фокус-групп — при соблюдении требований законодательства о персональных данных.
Важная оговорка: бенчмарки опубликованы самим Perceptron, независимых верификаций пока нет. Для любого производственного применения необходимо собственное тестирование на реальных данных.
Tем не менее, если заявленные показатели подтверждаются в реальных условиях — порог входа в промышленную видеоаналитику снижается кардинально. Это открывает класс применений, который раньше был доступен только компаниям с серьёзными ИИ-бюджетами.