Perceptron: Perceptron Mk1 es un modelo de texto de Perceptron, lanzado el 12 de mayo de 2026. Thinking Machines: Inkling Small es un modelo de texto de Thinking Machines, lanzado más tarde, el 30 de julio de 2026. Ambos se sirven a través de api14 y ambos aceptan entradas multimodales y devuelven texto, por lo que la elección entre ellos depende de cuántos contextos necesites, qué tipos de medios estés introduciendo y en qué parámetros de la solicitud confíes.
La división más obvia es la ventana de contexto. Inkling Small soporta un contexto de 524288 tokens, lo cual es mucho mayor que los 32768 tokens que permite Perceptron Mk1. En la entrada, Perceptron Mk1 acepta texto, imágenes y video, mientras que Inkling Small acepta texto, imágenes y audio. Por lo tanto, la entrada de video apunta a Perceptron Mk1 y la entrada de audio apunta a Inkling Small. Ambos solo devuelven texto. También difieren en parámetros. Perceptron Mk1 es el que expone salidas estructuradas, lo cual es importante si necesitas que la respuesta se ajuste a un esquema. Inkling Small es el que soporta herramientas, por lo que es la opción a elegir para llamadas a funciones y flujos de trabajo impulsados por herramientas. Perceptron Mk1 también enumera frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, temperature, top_k y top_p. Inkling Small enumera esos además de logit_bias, min_p, reasoning_effort, repetition_penalty, seed, stop, tool_choice y tools. El soporte de razonamiento no es un diferenciador significativo aquí.
Para una selección práctica, recurre a Perceptron Mk1 cuando tu tarea dependa de una salida estructurada, cuando necesites enviar video junto con texto, o cuando quieras el modelo que es más económico en la entrada. Recurre a Inkling Small cuando el trabajo involucre documentos largos que no cabrán en 32768 tokens, cuando necesites entrada de audio, cuando necesites llamadas a herramientas o funciones, o cuando quieras el modelo que es más económico en la salida. Si tu carga de trabajo es una mezcla, el límite de contexto suele ser lo primero que debes revisar. Cualquier cosa grande no cabrá en Perceptron Mk1 en absoluto, por lo que la decisión está tomada por ti. Si el contexto cabe cómodamente y necesitas una respuesta restringida por un esquema, el soporte de salidas estructuradas en Perceptron Mk1 lo convierte en la opción más sencilla.
Llamar a cualquiera de los modelos a través de api14 utiliza la misma interfaz compatible con OpenAI. Apuntas tu cliente a la URL base de api14, envías tu solicitud al endpoint de chat completions y estableces el campo model al ID que deseas. El único cambio entre los dos es esa cadena de texto: usa perceptron/perceptron-mk1 para Perceptron Mk1 y thinkingmachines/inkling-small para Inkling Small. Tu código circundante, el formato de tus mensajes y el análisis de tu respuesta permanecen iguales siempre y cuando solo uses los parámetros que el modelo elegido soporta, por lo que vale la pena revisar esa lista antes de pasar una solicitud. Ten en cuenta que tool_choice y tools solo existen en Inkling Small, mientras que structured_outputs solo existe en Perceptron Mk1. La tabla de precios en vivo en esta página muestra las tarifas actuales para cada uno, así que compara los precios de entrada y salida allí antes de comprometerte.
Hay casos en los que el otro modelo sigue siendo la mejor opción. Si ya estás utilizando Perceptron Mk1 por sus salidas estructuradas, pero tu prompt supera su límite de contexto, Inkling Small es la alternativa a pesar de que carece de ese parámetro. Por el contrario, si necesitas la llamada a herramientas en Inkling Small pero tu flujo de trabajo también requiere un esquema de salida estricto, tendrás que manejar la conformación por tu cuenta, o mantener esa llamada específica en Perceptron Mk1.