ByteDance: UI-TARS 7B ist ein Textausgabemodell von ByteDance, veröffentlicht am 2025-07-22. Es akzeptiert sowohl Bilder als auch Text als Eingabe, was es in die kleine Gruppe von Modellen einordnet, die einen Screenshot oder ein Bild zusammen mit einem Prompt betrachten können. inclusionAI: Ling 3.1 Flash stammt von inclusionAI, wurde am 2026-10-02 veröffentlicht und ist ein Text-in-, Text-out-Modell. Beide sind auf api14 unter der Kategorie Text gelistet, sodass keines von beiden ein dedizierter Embedding- oder Bildgenerierungs-Endpunkt ist.
Die deutlichste Trennung zwischen ihnen sind Kontext und Modalität. Ling 3.1 Flash besitzt ein Kontextfenster von 1.000.000 Tokens, weit größer als die 128.000 Tokens, die UI-TARS 7B bietet, also ist Ling die Wahl, wenn Sie sehr lange Dokumente oder lange Gesprächsverläufe in einem einzigen Aufruf einspeisen müssen. UI-TARS 7B ist das einzige der beiden, das Bildeingabe akzeptiert, also muss jede Aufgabe mit visuellem Material an es gehen. Beim Tooling ist Ling 3.1 Flash das einzige, das tools und tool_choice offenlegt, und es ist auch das einzige, das reasoning und include_reasoning offenlegt, also gehören agentenartige Workflows und explizite Reasoning-Steuerung zu Ling. Beide unterstützen structured_outputs, diese Fähigkeit trennt sie also nicht. Beim Preis ist Ling 3.1 Flash die günstigere Option für Eingabe-Tokens, während UI-TARS 7B die günstigere Option für Ausgabe-Tokens ist, das Kostenbild hängt also von der Form Ihres Verkehrs ab.
Für die praktische Auswahl beginnen Sie mit der Eingabe. Wenn Ihre Anfrage ein Bild enthält, ist UI-TARS 7B die Wahl, da Ling 3.1 Flash keines akzeptieren kann. Wenn Ihre Anfrage reiner Text und lang ist, ist Ling 3.1 Flash die Wahl, weil sein Kontextfenster etwa achtmal größer ist und es ein großes Dokument nicht so abschneiden wird, wie UI-TARS 7B es täte. Wenn Sie möchten, dass das Modell Funktionen oder Tools aufruft, oder Sie Reasoning-Ausgabe sichtbar machen wollen, ist Ling 3.1 Flash wieder die Wahl, da UI-TARS 7B diese Parameter nicht offenlegt. Wenn Ihre Arbeitslast kurze Text-Prompts mit langen generierten Antworten umfasst, hat UI-TARS 7B die günstigere Ausgabeseite, was je nach Ihrem Verhältnis von Generierung zu Prompt wichtiger sein kann als die Eingabeseite. Beide akzeptieren temperature, top_p, top_k, seed, stop, frequency_penalty, presence_penalty, repetition_penalty, logit_bias, logprobs und top_logprobs, Sampling- und Log-Wahrscheinlichkeits-Steuerung ist also bei beiden verfügbar.
Der Aufruf eines der beiden Modelle über api14 nutzt dieselbe OpenAI-kompatible Oberfläche. Sie richten Ihren Client auf die api14-Basis-URL, senden Ihren Schlüssel und setzen das Feld model auf die gewünschte id. Für UI-TARS 7B ist diese id "bytedance/ui-tars-1.5-7b"; für Ling 3.1 Flash ist es "inclusionai/ling-3.1-flash". Die Form des Request-Bodys bleibt gleich, und das Umschalten zwischen den beiden ist eine einzeilige Änderung der Modell-Zeichenkette. Der wichtigste Vorbehalt ist, dass die Parameter zwischen den beiden nicht identisch sind: Wenn Sie tools oder reasoning an UI-TARS 7B senden oder ein Bild an Ling 3.1 Flash, wird sich der Aufruf nicht so verhalten wie beim anderen Modell, halten Sie Ihren Request-Builder also darüber informiert, welche id im Spiel ist.
Es gibt Fälle, in denen das Modell, das auf dem Papier schwächer aussieht, dennoch die bessere Wahl ist. Wenn Ihre Aufgabe Screenshot-Verständnis, Formularlesen oder irgendeine visuelle Verankerung ist, ist Ling 3.1 Flash unabhängig von seinem größeren Kontext überhaupt keine Option, also gewinnt UI-TARS 7B standardmäßig. Ebenso kann UI-TARS 7B, wenn Sie langen Text aus kurzen Prompts generieren und Ausgabe-Tokens Ihre Rechnung dominieren, durch seine günstigere Ausgabeseite die wirtschaftlichere Wahl sein, obwohl Ling die günstigere Eingabeseite hat.