Perceptron 推出的 Perception Agentic Detection，是一套把「物件偵測」重新定義為「任務導向視覺理解」的 AI 系統。 它最大的特色，不是只能在固定類別中找物件，而是能用自然語言描述、範例示意，甚至整體場景清單的方式，去定位你想找的任何東西。
傳統物件偵測模型通常依賴固定標籤集，例如人、車、狗、椅子，模型先天就必須知道「要找什麼」。 Perception 的思路則更像一個會主動思考的視覺代理，它不是一次性掃描後就下結論，而是會根據任務需要反覆看得更仔細、建立證據、再做判斷。
這種「agentic」方法的核心，在於把視覺感知視為迭代過程，而不是靜態分類流程。 系統可在需要時放大、切片、裁切影像，自行進行第二次甚至多次檢查，補足一次性偵測常常會漏掉的細節。
Perception 的 API 提供三種主要請求方式，讓使用者可以依任務需求選擇不同輸入策略。 第一種是「Detect everything」，也就是做完整場景盤點，不預先限制類別名稱；第二種是「Open-vocab categories」，可直接丟入任意類別清單；第三種是「Visual exemplars」，只要提供一個示意裁切圖，系統就能學會你要找的目標。
這個設計非常實用，因為它讓偵測不再受限於既有標籤集。 對研究者、工程師與企業用戶來說，這等於可以用更少的標註成本處理更複雜、更模糊的場景，例如專利圖像、工業檢測、資安畫面、遙測影像或大量物件的密集場景。
Perception 的關鍵，不只是在「能找」，而是在「怎麼找」。 其系統會自動對影像做 zoom、tile、crop 等操作，先看全局，再深入局部，並根據任務情況調整注意力範圍。
這種做法讓模型更接近人類找東西的方式：先粗看，再細看，若有疑點就再看一次。 在密集、小物件、遮擋、模糊或多視角情境下，這種策略通常比單次前向偵測更可靠。
Perception 對「高密度、模糊、需要精準定位」的任務特別有吸引力。 例如工業視覺檢測、零件盤點、交通場景分析、遙測資料處理、資安截圖分析、科研圖片標註，甚至是多模態研究中的實驗數據整理，都屬於它可能發揮優勢的範圍。
另一個很重要的方向，是需要「像人一樣看圖」的任務。 當使用者不方便預先定義完整標籤、又希望系統能根據自然語言或例圖快速定位目標時，Perception 的彈性就會比傳統偵測器高出很多。
根據公開資訊，Perception 是建立在 Perceptron 的 Mk1 基礎之上，並以單一 API 提供服務。 外界也提到它在密集偵測、含糊目標與多視點資料上有不錯表現，並可在同一接口中處理多種感測或視角類型。
目前公開的訊息顯示，這套服務的定價為 input 每百萬 token 0.15 美元、output 每百萬 token 1.50 美元。 這種定價方式很明顯是面向開發者與產品整合場景，而不是只做一次性試玩。
Perception 最值得注意的地方，是它把「感知」本身當成智能流程的一部分，而不是單純的前端辨識模組。 也就是說，它不是只問「這裡有沒有目標」，而是問「要不要再看清楚一點」、「要不要換一個區域」、「要不要再建立更多證據」。
這個概念非常接近 agentic AI 的核心精神：感知、判斷、行動不是分離的，而是串成一個閉環。 對視覺任務而言，這代表未來的偵測器可能不只是分類器，而是會主動探索畫面的推理系統。
Perception 的推出，反映出電腦視覺正在從「固定類別識別」走向「任務式理解」。 在許多真實世界場景裡，使用者並不知道標籤集該如何定義，甚至每次任務都可能不同，這時候 open-vocabulary 加 agentic 探索就會變得格外有價值。
對企業來說，這意味著更少的前期標註成本、更高的任務適應性，以及更容易落地到非標準化場景。 對研究者來說，這則提供了一個新的視覺推理工具：它不只是做辨識，而是幫助你把視覺問題拆成可探索、可驗證的子任務。
Perception - Agentic Detection AI 的真正創新，在於它不再把視覺辨識看成一次性答案輸出，而是看成一個持續探索、反覆驗證、主動收斂的過程。 這讓它在複雜影像、密集目標與模糊任務中，比傳統偵測模型更有機會做出穩定而靈活的結果。
「AI創業家社群」 是一個專為推動AI人工智慧創業者之間的交流與合作而設的專業平台。隨著AI技術的不斷進步，市場需求日益增加，為AI創業者提供一個支持性強、資源豐富的環境，幫助AI創業家在競爭激烈的AI市場中脫穎而出。
立即按此加入AI創業家社群
Copyright 2026, AI-Directories.com 香港AI工具平台 All Rights Reserved.