Inception: Mercury 3 vs. Z.ai: GLM 4.7 Flash
Ein direkter Vergleich von Inception: Mercury 3 (0,35 $ / 1 Mio. Tokens (≈ 0,31 €)) und Z.ai: GLM 4.7 Flash (0,21 $ / 1 Mio. Tokens (≈ 0,19 €)) mit aktuellen USD-Preisen und Funktionen aus dem api14-Katalog. Beide laufen über dieselbe OpenAI-kompatible API.
Technische Daten
| Inception: Mercury 3 | Z.ai: GLM 4.7 Flash | |
|---|---|---|
| Anbieter | Inception | Z.ai |
| Eingabe | 0,35 $ / 1 Mio. Tokens (≈ 0,31 €) | 0,21 $ / 1 Mio. Tokens (≈ 0,19 €) |
| Ausgabe | 1,22 $ / 1 Mio. Tokens (≈ 1,10 €) | 1,40 $ / 1 Mio. Tokens (≈ 1,25 €) |
| Cache-Lesen | 0,04 $ / 1 Mio. Tokens (≈ 0,03 €) | - |
| Kontextfenster | 1.000.000 | 200.000 |
| Max. Ausgabe | 131.072 | 117.964 |
| Eingabe | text | text |
| Ausgabe | text | text |
| Tool Calling | ||
| Strukturierte Ausgabe | ||
| Reasoning-Steuerung | ||
| Hinzugefügt | 16.10.2026 | 19.01.2026 |
Die wichtigsten Unterschiede
- Z.ai: GLM 4.7 Flash ist bei Eingabe-Tokens 40% günstiger.
- Inception: Mercury 3 ist bei Ausgabe-Tokens 13% günstiger.
- Inception: Mercury 3 liest 5.0× mehr Kontext (1.000.000 Tokens).
- Eine Anfrage mit 1.000 Eingabe- und 500 Ausgabe-Tokens kostet mit Inception: Mercury 3 0,000963 $ und mit Z.ai: GLM 4.7 Flash 0,000912 $.
Im Detail
Inception: Mercury 3 ist ein Textmodell von Inception, und Z.ai: GLM 4.7 Flash ist ein Textmodell von Z.ai. Beide werden über api14 als Chat-Modelle in der Kategorie Text bereitgestellt, das heißt, sie nehmen Text entgegen und geben Text zurück. Keines von beiden akzeptiert Bilder, Audio oder andere Nicht-Text-Eingaben. Wenn Ihre Arbeitslast also über Text hinausgeht, benötigen Sie auf beiden Seiten ein anderes Modell. Die beiden unterscheiden sich hauptsächlich im Umfang und darin, wie viel Kontrolle sie Ihnen über die Generierung geben.
Die deutlichste Trennung liegt beim Kontext. Mercury 3 hat ein Kontextfenster von 1.000.000 Tokens, während GLM 4.7 Flash 200.000 Tokens hat. Das ist ein fünffacher Unterschied, und er spielt eine Rolle, wenn Sie lange Dokumente, große Codebasen oder ausgedehnte Gesprächsverläufe in einem einzigen Aufruf einspeisen. Beim Preis sind die beiden nicht gleich ausgerichtet: GLM 4.7 Flash ist die günstigere Option für Eingabe-Tokens, während Mercury 3 die günstigere Option für Ausgabe-Tokens ist. Die Kostenfrage hängt also von Ihrem Verhältnis von Prompt-Tokens zu Completion-Tokens ab. Eine Arbeitslast, die viel liest und wenig schreibt, neigt zu GLM 4.7 Flash, während eine, die wenig liest und viel schreibt, zu Mercury 3 neigt. Beide bieten Tools, strukturierte Ausgaben und Reasoning-Steuerung, daher hat keines dort ein exklusives Merkmal.
Für die praktische Auswahl beginnen Sie mit der Form der Anfrage. Wenn Sie sehr große Eingaben übergeben müssen, etwa ein vollständiges Repository, ein langes Transkript oder einen Stapel von Referenzdokumenten, ist Mercury 3 aufgrund seines größeren Kontextfensters die natürliche Wahl. Wenn Ihre Prompts moderat sind und Sie lange Ausgaben generieren, etwa beim Verfassen, bei ausführlicher Zusammenfassung oder bei Codegenerierung mit umfangreichen Vervollständigungen, wirkt die günstigere Ausgabepreisgestaltung von Mercury 3 zu seinen Gunsten. Wenn Ihre Prompts groß sind, aber Ihre Antworten kurz, etwa bei Klassifikation, Extraktion oder Routing über lange Eingaben, ist GLM 4.7 Flash die bessere wirtschaftliche Wahl. GLM 4.7 Flash bietet außerdem einen breiteren Satz von Sampling-Parametern, darunter frequency und presence penalties, logit bias, logprobs, min_p, repetition penalty, seed, top_k, top_p und top_logprobs. Wenn Sie auf seed-basierte Reproduzierbarkeit, Log-Wahrscheinlichkeiten auf Token-Ebene oder feinkörnige Sampling-Steuerung angewiesen sind, ist diese Parameteroberfläche ein echter Grund, es zu wählen. Die Parameterliste von Mercury 3 ist schmaler und konzentriert sich auf reasoning effort, response format, stop sequences, temperature und tool choice.
Der Aufruf eines der beiden Modelle über api14 funktioniert auf dieselbe Weise, weil die API OpenAI-kompatibel ist. Sie richten Ihren Client auf die api14-Basis-URL, senden eine standardmäßige Chat-Completions-Anfrage und setzen das Feld model auf die gewünschte id. Um Mercury 3 zu verwenden, setzen Sie model auf "inception/mercury-3". Um GLM 4.7 Flash zu verwenden, setzen Sie model auf "z-ai/glm-4.7-flash". Alles andere im Anfrage-Body, das messages-Array, die tools, das response format, bleibt gleich. Das Umschalten zwischen den beiden ist eine Änderung in einer Zeile, was es günstig macht, beide gegen Ihren eigenen Traffic zu benchmarken, statt anhand von Spezifikationen zu raten.
Wechseln mit einem String
Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "inception/mercury-3" auf "z-ai/glm-4.7-flash", Prompts, Streaming und Tools funktionieren weiter.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "z-ai/glm-4.7-flash",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Weitere Vergleiche
- LiquidAI: LFM3-1.7B vs. Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B vs. Crouton Alpha
- LiquidAI: LFM3-1.7B vs. Tencent: Hy4
- LiquidAI: LFM3-1.7B vs. Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview vs. Crouton Alpha
- Ricursive: Ripple 65B Preview vs. Tencent: Hy4
- Ricursive: Ripple 65B Preview vs. Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha vs. Tencent: Hy4