Perceptron Mk1: Neues KI-Modell analysiert Videos präzise zu 90% günstiger

Mit der Einführung des KI-Modells Perceptron Mk1 bringt das erst zweijährige Startup Perceptron Inc. eine bahnbrechende Lösung für die Videoanalyse auf den Markt. Das Modell ist speziell dafür entwickelt, physische Zusammenhänge in Echtzeit zu verstehen – und das zu einem Bruchteil der Kosten etablierter Anbieter wie Anthropic, OpenAI oder Google.

Geführt von CEO Armen Aghajanyan, einem ehemaligen Meta- und Microsoft-Experten, hat das Team in 16 Monaten ein hochoptimiertes, multimodales KI-System entwickelt. Im Gegensatz zu früheren Ansätzen, die sich auf statische Bilder konzentrierten, setzt Mk1 auf ein tiefes Verständnis von zeitlichen Abläufen, physikalischen Gesetzen und Ursache-Wirkungs-Zusammenhängen. Diese Fähigkeiten machen es besonders für industrielle Anwendungen, Überwachungssysteme und robotische Steuerungen interessant.

Spitzenleistungen in räumlicher und videobasierter Analyse

Die Überlegenheit von Mk1 zeigt sich in standardisierten Benchmarks, die seine Grundverständnis-Fähigkeiten messen. Besonders hervorzuheben ist die Leistung in räumlicher Analyse:

• Auf der EmbSpatialBench erzielte Mk1 einen Score von 85,1 – deutlich vor Google’s Robotics-ER 1.5 (78,4) und Alibaba’s Q3.5-27B (ca. 84,5).
• Im RefSpatialBench, das sich auf Referenzausdrücke konzentriert, erreichte Mk1 72,4 Punkte und lag damit weit vor GPT-5m (9,0) und Sonnet 4.5 (2,2).

Auch in der Videoverarbeitung glänzt Mk1:

• Beim EgoSchema „Hard Subset“ (eine anspruchsvolle Testsuite für temporale Logik) erreichte das Modell 41,4 Punkte und übertraf damit Gemini 3.1 Flash-Lite (25,0) sowie andere Mitbewerber.
• Auf dem VSI-Bench, das zeitliche Schlussfolgerungen prüft, erreichte Mk1 mit 88,5 Punkten den höchsten Wert aller Vergleichsmodelle.

Diese Ergebnisse unterstreichen die Fähigkeit von Mk1, komplexe Szenen mit hoher Genauigkeit zu analysieren – selbst in Situationen, in denen klassische KI-Systeme versagen.

Kosteneffizienz als Schlüsselinnovation

Ein zentrales Alleinstellungsmerkmal von Mk1 ist seine aggressive Preisstrategie. Mit 0,15 USD pro Million Eingabetoken und 1,50 USD pro Million Ausgabetoken liegt das Modell 80-90% unter den Kosten führender Konkurrenten wie GPT-5 oder Gemini 3.1 Pro.

Doch Mk1 bietet nicht nur niedrigere Preise, sondern auch bessere Leistung. Eine aktuelle Analyse der „Efficiency Frontier“ (einer Metrik, die Leistung und Kosten kombiniert) zeigt:

• Mk1 erzielt bei räumlichen und videobasierten Benchmarks durchschnittlich höhere Scores als GPT-5 oder Gemini 3.1 Pro.
• Die kombinierten Kosten pro Token liegen bei etwa 0,30 USD – deutlich unter den 2,00 USD von GPT-5 und den 3,00 USD von Gemini 3.1 Pro.

Diese Kombination aus Preis-Leistungs-Verhältnis und technischer Überlegenheit macht Mk1 besonders attraktiv für Unternehmen, die physische KI in großem Maßstab einsetzen möchten – etwa in der Logistik, im Gesundheitswesen oder in der Sicherheitsbranche.

Architektur: Echtzeit-Videoanalyse mit temporaler Kontinuität

Hinter der Leistung von Mk1 steckt eine hochoptimierte Architektur, die speziell für die Verarbeitung von Videoströmen entwickelt wurde. Im Gegensatz zu herkömmlichen Vision-Language-Modellen (VLMs), die Videos oft als Sequenz von Einzelbildern behandeln, nutzt Mk1 ein kontinuierliches Modell für zeitliche Abläufe.

Wichtige technische Merkmale:

• Native Videoverarbeitung mit bis zu 2 Bildern pro Sekunde bei einem Kontextfenster von 32.000 Tokens.
• Erhaltung der Objektidentität auch bei Verdeckungen – entscheidend für Anwendungen wie Robotik oder Überwachung.
• Strukturierte Zeitmarken für präzise Abfrage von Szenen in langen Videoströmen.

Entwickler können das Modell nutzen, um automatisiert Ausschnitte zu erstellen, Ereignisse zu erkennen oder sogar physikalische Interaktionen in Echtzeit zu analysieren. Ein Beispiel: Mk1 kann erkennen, ob ein Basketballwurf vor oder nach dem Spielende erfolgt – nicht durch Mustererkennung, sondern durch Verständnis der physikalischen Dynamik.

Physikalisches Verständnis: Der entscheidende Unterschied

Ein weiteres Highlight von Mk1 ist seine „Physical Reasoning“-Fähigkeit, die ein tiefes Verständnis von Objektbewegungen, Kräften und räumlichen Beziehungen ermöglicht. Diese Funktion geht weit über reine Bildanalyse hinaus und erlaubt es dem Modell, komplexe Szenen zu interpretieren.

Konkrete Anwendungsbeispiele:

• Zählen und Lokalisieren von Objekten in dichten Szenen (bis zu mehrere hundert Objekte).
• Lesen analoger Anzeigen wie Messuhren oder Uhren – eine Herausforderung für viele digitale Vision-Systeme.
• Analyse historischer Videos: In Tests konnte Mk1 selbst ein 1906er-Film über den Bau von Wolkenkratzern in New York korrekt beschreiben – inklusive ungewöhnlicher Details wie Arbeiter, die an Seilen hängen.

Diese Fähigkeit, physikalische Gesetze anzuwenden, macht Mk1 besonders wertvoll für Branchen, die auf präzise Echtzeit-Analysen angewiesen sind.

Zukunft der physischen KI: Was kommt als Nächstes?

Mit dem Start von Mk1 und der zugehörigen Entwicklerplattform positioniert sich Perceptron Inc. als Pionier für physische KI. Das Modell ist nicht nur ein technischer Meilenstein, sondern auch ein wirtschaftlich attraktives Werkzeug für Unternehmen, die bisher auf teure oder unzureichende Lösungen angewiesen waren.

Die nächsten Schritte könnten die Integration in Robotik-Systeme, die Automatisierung von Qualitätskontrollen in der Fertigung oder sogar die Entwicklung neuer Sicherheitsstandards umfassen. Mit seiner Skalierbarkeit und Kosteneffizienz könnte Mk1 die Art und Weise, wie wir physische Daten analysieren, grundlegend verändern.

Für Entwickler und Unternehmen, die ihre Anwendungen um Echtzeit-Physikverständnis erweitern möchten, bietet Perceptron eine kostenlose Demo an. Die Zukunft der KI liegt nicht nur in der Verarbeitung von Text oder Bildern – sondern im Verständnis der physischen Welt. Und Mk1 könnte der Schlüssel dazu sein.