Perceptron Mk1: een AI-model dat video begrijpt voor een fractie van de prijs

TL;DR

• Wat: Perceptron AI lanceert Mk1, een AI-model dat video en beelden ruimtelijk kan analyseren — gebouwd voor fysieke toepassingen zoals productiecontrole, robotica en beveiliging.
• Waarom relevant: Het model is 80-90% goedkoper dan vergelijkbare modellen van OpenAI, Google en Anthropic, wat visuele AI bereikbaarder maakt voor kleinere bedrijven.
• Wat je ermee kunt: Bekijk of visuele analyse van camerabeelden (kwaliteitscontrole, veiligheid, voorraadbeheer) voor jouw bedrijf nu financieel haalbaar wordt via hun API.

Ik stuitte op een bericht van TechCrunch over Perceptron, een relatief onbekend AI-bedrijf dat beweert machines te kunnen laten "zien" en navigeren in de fysieke wereld. Wat mij direct triggerde: het model zou 80 tot 90 procent goedkoper zijn dan de grote namen. Dat soort prijsverschillen vind ik het onderzoeken waard.

Wat is Perceptron Mk1?

Perceptron Mk1 — uitgesproken als "Mark One" — is een AI-model dat specifiek is gebouwd voor het begrijpen van video en het redeneren over fysieke ruimtes. Het bedrijf noemt dit zelf "physical AI": kunstmatige intelligentie die niet alleen tekst of plaatjes snapt, maar ook begrijpt hoe objecten zich in de echte wereld gedragen.

Concreet betekent dat: het model kan video analyseren met maximaal 2 beelden per seconde, heeft een contextvenster van 32.000 tokens, en kan taken uitvoeren zoals het herkennen van objecten, het lezen van analoge meters, het volgen van objecten die even uit beeld verdwijnen, en het inschatten van ruimtelijke verhoudingen.

Het bedrijf is opgericht in november 2024 door Armen Aghajanyan (CEO) en Akshat Shrivastava (CTO). Beiden werkten eerder als onderzoekers bij Meta's FAIR-lab — het onderzoeksteam achter veel fundamenteel AI-werk bij Facebook. Ze hebben volgens VentureBeat zo'n zestien maanden aan het model gewerkt. Investeerder Bessemer Venture Partners deed mee in een pre-seed ronde, al is het exacte bedrag niet publiek bekendgemaakt.

De cijfers: benchmarks en kosten

Wat mij opvalt aan Perceptron Mk1 zijn twee dingen: de benchmarkscores en de prijs.

Benchmarks

Op ruimtelijk redeneren scoort het model opvallend hoog. Op de EmbSpatialBench-benchmark — een test die meet hoe goed een model ruimtelijke relaties begrijpt — haalt Mk1 een score van 85,1. Ter vergelijking: Google's Robotics-ER 1.5 komt op 78,4. Op de RefSpatialBench-test scoort Mk1 72,4, terwijl GPT-5m op 9,0 uitkomt en Claude Sonnet 4.5 op 2,2. Dat zijn forse verschillen.

Op video-analyse laat het model ook sterke cijfers zien. Op de EgoSchema Hard Subset — een lastige test voor videobegrip — haalt Mk1 41,4 tegenover 25,0 voor Gemini 3.1 Flash-Lite. Op VSI-Bench scoort het 88,5, het hoogste van de vergeleken modellen.

Ik wil hier wel een kanttekening bij plaatsen: deze benchmarks komen grotendeels uit Perceptron's eigen communicatie. Onafhankelijke verificatie door derden heb ik nog niet gevonden. Dat maakt de cijfers niet onwaar, maar het is goed om te weten dat ze nog niet breed zijn bevestigd.

Prijs

Hier wordt het voor ondernemers interessant. Perceptron Mk1 kost $0,15 per miljoen input-tokens en $1,50 per miljoen output-tokens. Volgens VentureBeat is dat 80 tot 90 procent goedkoper dan vergelijkbare modellen van Anthropic, OpenAI en Google.

Om dat in perspectief te plaatsen: stel dat je een camerabeeld wilt laten analyseren — denk aan een foto van een productielijn of een magazijnstelling. Bij de grote aanbieders betaal je daar al snel een veelvoud voor. Bij Perceptron's prijsstelling wordt het financieel haalbaarder om dat structureel en op volume te doen.

Waar kun je dit voor gebruiken?

Perceptron richt zich op een aantal concrete toepassingsgebieden:

Productie en industrie

Het model kan camerabeelden van fabrieken, bouwplaatsen en magazijnen analyseren. Denk aan het detecteren van productfouten op een lopende band, het controleren of medewerkers de juiste beschermingsmiddelen dragen, of het aflezen van analoge meters tijdens inspecties. Voor bedrijven met een fysiek productieproces is dit het meest directe toepassingsgebied.

Robotica

Mk1 kan dienen als het "brein" achter robots die moeten navigeren en objecten moeten manipuleren. Het model begrijpt meerdere cameraperspectieven tegelijk en kan inschatten of een handeling is geslaagd. Dit is relevant voor bedrijven die werken met geautomatiseerde magazijnen of robotarmen.

Beveiliging

Voor beveiligingscamera's biedt het model de mogelijkheid om onderscheid te maken tussen betekenisvolle gebeurtenissen en achtergrondactiviteit. In plaats van dat iemand urenlang beeldschermen in de gaten houdt, kan het model een melding genereren als er iets relevants gebeurt.

Wat betekent dit voor een Nederlands bedrijf?

Ik denk dat de echte relevantie hier niet zit in het model zelf, maar in wat de prijsstelling mogelijk maakt. Visuele AI — het laten analyseren van camerabeelden door een computer — was tot voor kort iets voor grote bedrijven met diepe zakken. Als een model dit kan doen voor een fractie van de kosten van de grote labs, dan verschuift de drempel.

Stel dat je als ondernemer een magazijn runt met tien camera's. Tot nu toe was het financieel niet haalbaar om al die beelden continu door een AI-model te laten analyseren. Bij $0,15 per miljoen input-tokens verandert die rekensom. Ik zeg niet dat het morgen plug-and-play is — je hebt technische kennis of een integrator nodig om dit aan te sluiten — maar de kostenkant is niet langer het eerste obstakel.

Wat ik ook interessant vind: het model is beschikbaar via een API én via OpenRouter, een platform waar je verschillende AI-modellen kunt vergelijken en aanroepen. Dat maakt het laagdrempeliger om te testen zonder meteen vast te zitten aan één leverancier.

Waar ik nog vragen bij heb

Er zijn een paar dingen die ik nog niet helder vind. Ten eerste: het bedrijf is jong. Opgericht eind 2024, eerste model gelanceerd in mei 2026. Dat is snel. De vraag is hoe stabiel de dienstverlening is en hoe lang het bedrijf blijft bestaan — een reëel risico bij startups.

Ten tweede: de benchmarks zijn indrukwekkend op papier, maar ik heb nog geen onafhankelijke evaluaties gezien. In de AI-wereld is het niet ongebruikelijk dat bedrijven hun eigen model testen op benchmarks die gunstig uitpakken. Dat is niet per definitie misleidend, maar het is iets om in het achterhoofd te houden.

Ten derde: "physical AI" is een term die steeds vaker opduikt, ook bij investeerder Bessemer Venture Partners die er een apart rapport over publiceerde. Het is een groeiende categorie, maar het is nog vroeg. De toepassingen klinken logisch, maar breed bewezen in productieomgevingen is dit soort technologie nog niet.

Tot slot

Voor mij is Perceptron Mk1 vooral een signaal dat visuele AI-analyse snel toegankelijker wordt. Niet alleen in wat het kan, maar vooral in wat het kost. De combinatie van lage tokenkosten en een model dat specifiek is gebouwd voor fysieke toepassingen maakt het voor het eerst denkbaar dat ook een middelgroot bedrijf hier iets mee kan. Of Perceptron de partij is die dat waarmaakt, moet nog blijken — maar de richting vind ik opvallend genoeg om te volgen.