Perceptron: Perceptron Mk1 vs. Thinking Machines: Inkling Small
Ein direkter Vergleich von Perceptron: Perceptron Mk1 (0,52 $ / 1 Mio. Tokens (≈ 0,47 €)) und Thinking Machines: Inkling Small (1,58 $ / 1 Mio. Tokens (≈ 1,40 €)) mit aktuellen USD-Preisen und Funktionen aus dem api14-Katalog. Beide laufen über dieselbe OpenAI-kompatible API.
Technische Daten
| Perceptron: Perceptron Mk1 | Thinking Machines: Inkling Small | |
|---|---|---|
| Anbieter | Perceptron | Thinking Machines |
| Eingabe | 0,52 $ / 1 Mio. Tokens (≈ 0,47 €) | 1,58 $ / 1 Mio. Tokens (≈ 1,40 €) |
| Ausgabe | 5,25 $ / 1 Mio. Tokens (≈ 4,68 €) | 4,20 $ / 1 Mio. Tokens (≈ 3,74 €) |
| Cache-Lesen | - | 0,35 $ / 1 Mio. Tokens (≈ 0,31 €) |
| Kontextfenster | 32.768 | 524.288 |
| Max. Ausgabe | 8.192 | 262.144 |
| Eingabe | text, image, video | text, image, audio |
| Ausgabe | text | text |
| Tool Calling | ||
| Strukturierte Ausgabe | ||
| Reasoning-Steuerung | ||
| Hinzugefügt | 12.05.2026 | 30.07.2026 |
Die wichtigsten Unterschiede
- Perceptron: Perceptron Mk1 ist bei Eingabe-Tokens 67% günstiger.
- Thinking Machines: Inkling Small ist bei Ausgabe-Tokens 20% günstiger.
- Thinking Machines: Inkling Small liest 16.0× mehr Kontext (524.288 Tokens).
- Nur Thinking Machines: Inkling Small unterstützt Tool Calling.
- Nur Perceptron: Perceptron Mk1 unterstützt strukturierte JSON-Ausgabe.
- Eine Anfrage mit 1.000 Eingabe- und 500 Ausgabe-Tokens kostet mit Perceptron: Perceptron Mk1 0,00315 $ und mit Thinking Machines: Inkling Small 0,00368 $.
Im Detail
Perceptron: Perceptron Mk1 ist ein Textmodell von Perceptron, veröffentlicht am 12. Mai 2026. Thinking Machines: Inkling Small ist ein Textmodell von Thinking Machines, veröffentlicht später, am 30. Juli 2026. Beide werden über api14 bereitgestellt und beide nehmen multimodale Eingaben entgegen und geben Text zurück, sodass die Wahl zwischen ihnen davon abhängt, wie viel Kontext Sie benötigen, welche Arten von Medien Sie einspeisen und auf welche Anfrageparameter Sie sich verlassen.
Die offensichtlichste Trennung ist das Kontextfenster. Inkling Small unterstützt einen Kontext von 524288 Tokens, was viel größer ist als die 32768 Tokens, die Perceptron Mk1 zulässt. Bei der Eingabe akzeptiert Perceptron Mk1 Text, Bilder und Video, während Inkling Small Text, Bilder und Audio akzeptiert. Videoeingabe deutet also auf Perceptron Mk1 hin und Audioeingabe auf Inkling Small. Beide geben nur Text aus. Sie unterscheiden sich auch bei den Parametern: Perceptron Mk1 ist das Modell, das strukturierte Ausgaben bereitstellt, was wichtig ist, wenn die Antwort einem Schema entsprechen muss. Inkling Small ist das Modell, das Tools unterstützt, es ist also die Wahl für Funktionsaufrufe und toolgesteuerte Workflows. Perceptron Mk1 listet außerdem frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, temperature, top_k und top_p auf. Inkling Small listet diese plus logit_bias, min_p, reasoning_effort, repetition_penalty, seed, stop, tool_choice und tools auf. Die Unterstützung von Reasoning ist hier kein aussagekräftiges Unterscheidungsmerkmal.
Für die praktische Auswahl greifen Sie zu Perceptron Mk1, wenn Ihre Aufgabe auf strukturierter Ausgabe beruht, wenn Sie Video zusammen mit Text senden müssen oder wenn Sie das Modell wollen, das bei der Eingabe günstiger ist. Greifen Sie zu Inkling Small, wenn die Aufgabe lange Dokumente umfasst, die nicht in 32768 Tokens passen, wenn Sie Audioeingabe benötigen, wenn Sie Tool- oder Funktionsaufrufe benötigen oder wenn Sie das Modell wollen, das bei der Ausgabe günstiger ist. Wenn Ihre Arbeitslast gemischt ist, ist das Kontextlimit normalerweise das Erste, was Sie prüfen sollten: Alles Große passt überhaupt nicht in Perceptron Mk1, die Entscheidung ist also für Sie getroffen. Wenn der Kontext bequem passt und Sie eine schemaeingeschränkte Antwort benötigen, macht die Unterstützung strukturierter Ausgaben bei Perceptron Mk1 es zur einfacheren Option.
Der Aufruf eines der beiden Modelle über api14 verwendet dieselbe OpenAI-kompatible Oberfläche. Sie richten Ihren Client auf die api14-Basis-URL, senden Ihre Anfrage an den Chat-Completions-Endpunkt und setzen das Feld model auf die ID, die Sie wollen. Die einzige Änderung zwischen den beiden ist dieser String: Verwenden Sie perceptron/perceptron-mk1 für Perceptron Mk1 und thinkingmachines/inkling-small für Inkling Small. Ihr umgebender Code, Ihre Nachrichtenformatierung und Ihr Antwort-Parsing bleiben gleich, solange Sie nur Parameter verwenden, die das gewählte Modell unterstützt, es lohnt sich also, diese Liste zu prüfen, bevor Sie eine Anfrage übertragen. Beachten Sie, dass tool_choice und tools nur bei Inkling Small existieren; structured_outputs existiert nur bei Perceptron Mk1. Die Live-Preistabelle auf dieser Seite zeigt die aktuellen Tarife für jedes Modell, vergleichen Sie dort also die Eingabe- und Ausgabepreise, bevor Sie sich festlegen.
Wechseln mit einem String
Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "perceptron/perceptron-mk1" auf "thinkingmachines/inkling-small", 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": "thinkingmachines/inkling-small",
"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