Perceptron Mk1.5 לעומת Qwen 3.8: הרובוט זקוק לשניהם ואף אחד מהם אינו תחליף

רובוט שצריך להרים משהו זקוק לשני דברים ממודל, ואף מודל בודד בציוות הזה לא מספק לך את שניהם. Perceptron Mk1.5 מחזיר גאומטריה: בהינתן פריימים של וידאו, הוא יכול להחזיר נקודה, תיבה, מצולע או רכיב <track> עם חותמת זמן, וחלון ההקשר שלו הוא 36,864 טוקנים. Qwe​n 3.8 — השם שמתפענח אל הליבה Qwen3.8-2.4T-A95B בעלת המשקולות הפתוחות של הספק — הוא מנוע הסקה מסוג mixture-of-experts בעל 2.4 טריליון פרמטרים, עם חלון מקורי של 262K שמתרחב לקראת מיליון, והוא טקסטואלי בלבד, כך שהוא כלל לא יכול להסתכל על הפריימים. אחד הוא שכבת תפיסה שעולה 0.15$ ו-1.50$ למיליון טוקנים; האחר הוא ליבת הסקה שעולה בערך פי שלושה עשר בקלט ופי ארבעה בפלט, ויש לו ציון עצמאי של 40 במדד Artificial Analysis Intelligence Index, בעוד שלמודל התפיסה אין ציון עצמאי בשום מקום.

כשמציבים אותם זה לצד זה כמוצרים מתחרים, הם מפסידים זה לזה בכיוונים מנוגדים וההשוואה לא מניבה דבר שמיש. כשמציבים אותם זה לצד זה כשני החצאים של צינור עיבוד אחד, הם מסבירים כמעט כל החלטת עלות ואמינות בסטאק מגולם: היכן הפריימים מתפרשים, היכן התוכנית נוצרת, ומה קורה לחשבון שלך כשחצי החשיבה כותב יותר טוקנים ממה שהמשימה צריכה.

הפיצול שהופך את השילוב הזה להגיוני

פרספטרון Mk1.5 הושק ב-25 בספטמבר 2026 כיורשו של Perceptron Mk1, ותפקידו מוגדר באופן מצומצם. הוא מקבל טקסט, תמונות, וידאו ואודיו, ומחזיר טקסט בתוספת הערות מובנות אופציונליות — נקודות, תיבות תוחמות, מצולעים, קליפים ומסלולים. הפלט של <track> נושא גם תצפית מרחבית וגם את חותמת הזמן שאליה הוא שייך, כך שקליפ באורך 60 שניות מוחזר כמיקומים לאורך זמן ולא כניחוש ממוצע אחד. שדה asset_idx מאפשר לבקשה בודדת לפנות לכמה תמונות או סרטונים בנפרד, וזה בדיוק מה שנדרש להשוואה בין פריים ייחוס לפריים חי. תגובות מוגבלות מגיעות בשני סוגים, JSON Schema ו-regex, וכל מטרתם של שניהם היא שהפלט יהיה בעל טיפוס.

Qwen 3.8 הוא סוג הפוך של מכשיר. ליבת ה-2.4T היא MoE דק-גרגרי — 92 שכבות, 512 מומחים בכל שכבה, עם 10 מנותבים ועוד אחד משותף, ו-69 מתוך 92 השכבות הללו על קשב לינארי — וכך ארכיטקטורה כה גדולה מגיעה להקשר הארוך שלה. היכן שהיא חזקה הוא בהסקה על פני טקסט רב: ניתוח מורכב רב-שלבי, גזירות ארוכות, תכנון סוכני. היכן שהיא חסרת יכולת הוא בצד הקלט. הליבה הפתוחה היא טקסט בלבד, ולא ניתן לכבות את ההסקה שלה: כל תגובה נפתחת בבלוק חשיבה, בין אם רצית בכך ובין אם לא.

זה אינו ליקוי במודל הסקה; זהו ליקוי במודל תפיסה, ו-Qwen 3.8 אינו כזה. הצב את השניים ברצף והצורה ברורה — Mk1.5 עונה "היכן המלגזה ומתי היא נעה", Qwen 3.8 עונה "בהינתן זאת, מה על הזרוע לעשות". אף אחת מהשאלות אינה ניתנת למענה על ידי המודל האחר.

מה עולה כל חצי, לפי התעריפים שלפיהם מחייבים בפועל

• קלט — Perceptron Mk1.5‏ $0.15 למיליון טוקנים. Qwen 3.8‏ $2.00 למיליון בגרסה המתארחת שאותה מודדת ערכת הבדיקה העצמאית, עם הנחת מטמון של 88%, מה שמעמיד פגיעת מטמון על כ-$0.24 בקירוב.

• פלט — Mk1.5 $1.50 למיליון. Qwen 3.8 $6.00 למיליון.

• מטמון — הקלט במטמון של Mk1.5 הוא $0.0375 למיליון, רבע קבוע משיעור הקלט הרגיל שלו. ההנחה של Qwen 3.8 מבוססת אחוזים אך עמוקה יותר, ועומדת על 88%, כך ששיעור הקלט במטמון שלו הוא הזול מבין השניים במונחים מוחלטים, ושיעור הקלט ללא מטמון שלו גדול יותר מפי עשרה מזה של Mk1.5.

• עלות למשימה שהושלמה — כאן הדירוג מתהפך. Artificial Analysis מציבה את העלות של Qwen 3.8 למשימת Intelligence Index על 2.16 דולר, במקום ה-32 מתוך 115 במחלקה שלה, עם דירוג של ארבע מתוך ארבע יחידות בכל הנוגע לעלות — זול לכל משימה שהושלמה למרות אסימונים יקרים, מפני שהמודל יצר 170 מיליון אסימוני פלט לאורך הרצות המדד, מול מתחרים שמפטפטים עוד יותר. ל-Mk1.5 אין נתון מקביל שאף אחד פרסם.

• הקשר — 36,864 אסימונים עבור Mk1.5 לעומת 262K נייטיביים בליבת Qwen, ניתן להרחבה לעבר מיליון עם תצורת הגשה נכונה.

• שליטה בהסקה — Mk1.5 חושף את reasoning_effort ברמות גבוה, בינוני, נמוך, מינימלי או ללא, וברירת המחדל היא גבוה. Qwen 3.8 נועל את החשיבה במצב פועל, כך שאתה משלם על אסימוני החשיבה בכל קריאה.

קרא את הרשימה הזו פעמיים, כי שני המודלים מתחלפים במקומם בכל הנוגע לעלות. לכל טוקן, Mk1.5 זול באופן דרמטי. לפי משימה שהושלמה במדד בלתי־תלוי, Qwen 3.8 נמדד כזול ואילו Mk1.5 אינו נמדד. שתי הקביעות האלה סותרות זו את זו רק אם אתה מניח ששתיהן מריצות את אותה משימה, והן לא.

הראיות מצביעות כאן לכיוון ההפוך

ברוב ההשוואות במקבץ הזה, צד המשקלים הפתוחים הוא זה שיש לו ערימה של מספרים מדווחי ספק, וה-API הסגור הוא זה שיש לו עמוד של צד שלישי. כאן זה הפוך, וכדאי לציין את ההיפוך במדויק כי הוא משנה את מה שאפשר ואת מה שאי אפשר לאמת.

ל-Qwen 3.8 יש מדידה בלתי תלויה. מדד הבינה של Artificial Analysis מציב את הליבה 2.4T על 40, במקום ה-5 מתוך 115 מודלים בקטגוריה שלו בזמן כתיבת שורות אלה, עם מהירות פלט של 39.6 טוקנים לשנייה — מקום 56 מתוך 115, שזה באמצע הטבלה וכדאי לדעת לפני שמישהו מתכנן לולאה אינטראקטיבית סביבו. עדכוני מדד משתנים בין תמונות מצב, והדרך הכנה לקרוא כל אחד מהנתונים האלה היא ככיווני, אבל הנקודה עומדת בעינה: מישהו מחוץ ל-Alibaba הר�יץ את המודל הזה ופרסם מספר.

ל-Perceptron Mk1.5 אין דבר כזה. אין רשומה ב-Artificial Analysis ואין ציון ארנה ל-Mk1.5 או לקודמו, כך שכל נתון יכולת שקיים הופק על ידי Perceptron אודות המודל של Perceptron עצמה. הסט הזה ספציפי באופן יוצא דופן, וזו נקודה לזכותו — 0.9433 ב-egocentric hand_box לעומת 0.4467 עבור Gemini 3.1 Pro בהרצה של הספק עצמו; EgoSchema 80.40 לעומת 81.20 לאותו מתחרה, הפסד צר במבחן ההבנה הרחב לצד יתרון נטען של 12% בתת-הקבוצה הקשה יותר של EgoSchema ב-63.75; 0.647 centre-F1 ו-0.628 point-HOTA ב-Molmo2-Track — אבל ספציפי ומאומת באופן בלתי תלוי הם מאפיינים שונים, ורק השני מספר לך מה יקרה בחומרי הווידאו שלך.

שתי הסתייגויות בקריאת הטבלה של Perceptron, ושתיהן חלות על כל ציטוט שלה. הנתון של LiveVQA-W, ‏56.0, עם כלים מופעלים מגיע מהצבעת רוב של ארבע דגימות, ואילו ה-53.2 שמוצב מולו עבור Gemini 3.8 Flash עם עיגון Google Search אינו הצבעת רוב; הטכניקה לגיטימית, והיא מחמיאה לציון ביחס למעבר חמדני בודד. ושורת המעקב מפרטת את Qwen3-VL-8B עם 0.180 centre-F1 שנלקח מהמאמר של אותו מודל, כשהוא יושב באותה עמודה שבה מופיעים מספרים מדודים עבור משפחת צ'קפוינטים אחרת. נתון ממאמר בעמודה של מדידות אינו שורה להשוואה ישירה, והוא בדיוק מסוג השורות שמצוטטות בלי לציין את מקורן.

ליבת ה-2.4T היא לא משהו שתוכלו לקרוא לו מאיתנו — אבל הארכיטקטורה שלה כן.

זה החלק בהשוואה שבו התשובה הכנה שונה ממה שהתהילה של המודל מרמזת.‏ Qwen 3.8 כשם נמצא בשימוש נרחב כדי לציין את הליבה הפתוחה, והליבה הפתוחה היא הורדה, לא נקודת קצה: 2.4TB של משקולות BF16 תחת רישיון Qwen3.8-Max המותאם אישית של Alibaba, שפורסם באוגוסט 2026. איננו מגישים אותו, ואין כיום ספק שמגיש אותו בצד שלנו של הגדר — רשומת הקטלוג קיימת כדף מעקב שהוכרז וטרם זמין, ולא כמסלול חי.

מה שאנחנו כן מספקים הוא ה-API הדגל, הבנוי על אותה ארכיטקטורת 2.4T. הוא זמין בתור qwen/qwen3.8-max במחיר של 2.00 ו-6.00 דולר למיליון טוקנים — התעריף של אליבאבא עצמה שעובר ישר דרכנו, עם שום תוספת לכל טוקן, כשהוא נושא את החלון המולטימודלי של מיליון טוקנים — קלט טקסט, תמונה וווידאו — ואת אותה ארכיטקטורת קשב היברידית כמו הליבה הפתוחה. אם החלק העוסק בהסקה שלכם צריך לראות משהו, זה הנתיב, וזה גם הנתיב שבו שינוי בתעריף של הספק נוחת בצד שלנו באותו היום ולא במחזור החיוב הבא שלכם. לצידו אנחנו מספקים את האח הדחוס של אליבאבא qwen/qwen3.8-27b על התשתית שלנו ב-0.33 ו-2.40 דולר למיליון, עם חלון של 262,144 טוקנים וקלט טקסט, תמונה וווידאו, למקרים שבהם מסיק 27B מספיק והאינדקס של 40 של ה-2.4T הוא יותר ממה שהמשימה דורשת.

חיבור שני החצאים בלי חוזה שני

הסיבה המעשית לכך שהשילוב הזה חשוב יותר מטיעון הבנצ'מרק היא שמערכת מגולמת היא כבר שני מודלים, ועלות האינטגרציה של מודל שלישי היא הדבר שהורג בשקט את העיצוב. Mk1.5 אינו בקטלוג שלנו, כך שלהגיע אליו פירושו ה-API של הספק עצמו — pip install "perceptron>=0.4.0", מפתח ב-PERCEPTRON_API_KEY, נקודת קצה api.perceptron.inc. חצי ה-Qwen במרחק מפתח אחד.

המקום שבו שער מצדיק את מקומו הוא בתפר. כלל ניתוב ששולח כל פריים עם שאלה למודל התפיסה וכל תוכנית טקסט-בלבד למודל ההסקה הוא שורת קונפיגורציה כאשר שניהם יושבים מאחורי נקודת קצה אחת תואמת OpenAI, ומעבר אוטומטי לגיבוי פירושו שתקלה אצל ספק באחד מהצדדים מתדרדרת לפתרון גיבוי במקום לרובוט תקוע. API אחד שמכסה יותר מ-200 מודלים, עם מחירי רשימה המועברים הלאה בתוספת של 0%, הוא גם הדרך הזולה ביותר לענות על השאלה שהמאמר הזה לא יכול: אם משימת מעקב העצמים שלך זקוקה בכלל לקואורדינטות של Mk1.5, או אם מודל ראייה כללי עם חלון גדול בהרבה וציון עצמאי היה מספיק. ניתוב של חלק מהתעבורה האמיתית בין מועמדים ומדידה על הפריימים שלך עולה פחות מכל מחקר בנצ'מרק שתוכל להזמין.

מה לעשות עם זה, באופן קונקרטי

אם אתה בונה תפיסה לתוך מערכת פיזית, Perceptron Mk1.5 הוא המודל היחיד בצמד הזה שעונה בקואורדינטות, וזו יכולת ולא ציון — בדוק את טענת ה־hand-box על הווידאו שלך, הגדר reasoning_effort במכוון במקום להסתפק בברירת המחדל הגבוהה, ותקצב את חלון 36,864 הטוקנים כאילוץ קשיח ולא רך. אם אתה בונה את שכבת ההנמקה מעליו, Qwen 3.8 נמדד במקום שבו Mk1.5 אינו נמדד, והעלות שלו למשימה שהושלמה היא הנתון שכדאי לתכנן לפיו ולא נתון הכותרת של $2.00 — עם ההסתייגות שאי אפשר לכבות את החשיבה שלו, כך שמשימה שלא זקוקה לשרשרת מחשבה משלמת עליה בכל מקרה.

הצוותים שטועים בזה הם אלה שמנסים לגרום למודל אחד לעשות את שניהם. מומחה לתפיסה עם חלון של 36,864 טוקנים לא יכיל את ההיסטוריה התפעולית, ומנוע הסקה של 2.4T לטקסט בלבד לעולם לא יראה את הפריים. הזיווג אינו פשרה בין שני מוצרים. זוהי חלוקת העבודה האמיתית, והשאלה המועילה היחידה היא לאיזה צד שלה שייכת כל אחת מהקריאות שלך.