Perceptron: Perceptron Mk1 contre Thinking Machines: Inkling Small
Un comparatif côte à côte de Perceptron: Perceptron Mk1 (0,52 $US / 1M jetons (≈ 0,47 €)) et Thinking Machines: Inkling Small (1,58 $US / 1M jetons (≈ 1,40 €)) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| Perceptron: Perceptron Mk1 | Thinking Machines: Inkling Small | |
|---|---|---|
| Fournisseur | Perceptron | Thinking Machines |
| Entrée | 0,52 $US / 1M jetons (≈ 0,47 €) | 1,58 $US / 1M jetons (≈ 1,40 €) |
| Sortie | 5,25 $US / 1M jetons (≈ 4,68 €) | 4,20 $US / 1M jetons (≈ 3,74 €) |
| Lecture du cache | - | 0,35 $US / 1M jetons (≈ 0,31 €) |
| Fenêtre de contexte | 32 768 | 524 288 |
| Sortie max. | 8 192 | 262 144 |
| Entrée | text, image, video | text, image, audio |
| Sortie | text | text |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 12 mai 2026 | 30 juil. 2026 |
Principales différences
- Perceptron: Perceptron Mk1 est 67% moins cher sur les tokens d’entrée.
- Thinking Machines: Inkling Small est 20% moins cher sur les tokens de sortie.
- Thinking Machines: Inkling Small lit 16.0× plus de contexte (524 288 tokens).
- Seul Thinking Machines: Inkling Small prend en charge l’appel d’outils.
- Seul Perceptron: Perceptron Mk1 prend en charge la sortie JSON structurée.
- Une requête de 1 000 tokens en entrée et 500 en sortie coûte 0,00315 $US avec Perceptron: Perceptron Mk1 et 0,00368 $US avec Thinking Machines: Inkling Small.
En détail
Perceptron : Perceptron Mk1 est un modèle de texte de Perceptron, publié le 12 mai 2026. Thinking Machines : Inkling Small est un modèle de texte de Thinking Machines, publié plus tard, le 30 juillet 2026. Les deux sont servis via api14 et les deux acceptent une entrée multimodale et renvoient du texte, donc le choix entre eux se résume à la quantité de contexte dont vous avez besoin, aux types de médias que vous fournissez et aux paramètres de requête sur lesquels vous vous appuyez.
La différence la plus évidente est la fenêtre de contexte. Inkling Small prend en charge un contexte de 524288 tokens, ce qui est bien plus grand que les 32768 tokens autorisés par Perceptron Mk1. En entrée, Perceptron Mk1 accepte le texte, les images et la vidéo, tandis qu'Inkling Small accepte le texte, les images et l'audio. Ainsi, l'entrée vidéo pointe vers Perceptron Mk1 et l'entrée audio pointe vers Inkling Small. Les deux ne produisent que du texte. Ils diffèrent aussi sur les paramètres : Perceptron Mk1 est celui qui expose les sorties structurées, ce qui compte si vous avez besoin que la réponse respecte un schéma. Inkling Small est celui qui prend en charge les outils, c'est donc le choix à faire pour l'appel de fonctions et les workflows pilotés par outils. Perceptron Mk1 liste aussi frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, temperature, top_k et top_p. Inkling Small liste ceux-là plus logit_bias, min_p, reasoning_effort, repetition_penalty, seed, stop, tool_choice et tools. La prise en charge du raisonnement n'est pas un critère de différenciation significatif ici.
Pour la sélection pratique, optez pour Perceptron Mk1 lorsque votre tâche dépend de la sortie structurée, lorsque vous devez envoyer de la vidéo avec du texte, ou lorsque vous voulez le modèle le moins cher en entrée. Optez pour Inkling Small lorsque la tâche implique de longs documents qui ne tiendront pas dans 32768 tokens, lorsque vous avez besoin d'une entrée audio, lorsque vous avez besoin d'appels d'outils ou de fonctions, ou lorsque vous voulez le modèle le moins cher en sortie. Si votre charge de travail est mixte, la limite de contexte est généralement la première chose à vérifier : tout ce qui est volumineux ne tiendra pas du tout dans Perceptron Mk1, donc la décision est prise pour vous. Si le contexte tient confortablement et que vous avez besoin d'une réponse contrainte par un schéma, la prise en charge des sorties structurées sur Perceptron Mk1 en fait l'option la plus simple.
Appeler l'un ou l'autre modèle via api14 utilise la même interface compatible OpenAI. Vous pointez votre client vers l'URL de base api14, vous envoyez votre requête au point de terminaison des complétions de chat, et vous définissez le champ model sur l'id souhaité. La seule différence entre les deux est cette chaîne : utilisez perceptron/perceptron-mk1 pour Perceptron Mk1 et thinkingmachines/inkling-small pour Inkling Small. Votre code environnant, le formatage de vos messages et l'analyse de vos réponses restent les mêmes tant que vous n'utilisez que des paramètres pris en charge par le modèle choisi, il vaut donc la peine de vérifier cette liste avant de transférer une requête. Gardez à l'esprit que tool_choice et tools n'existent que sur Inkling Small ; structured_outputs n'existe que sur Perceptron Mk1. Le tableau des prix en direct sur cette page montre les tarifs actuels pour chacun, donc comparez-y les prix d'entrée et de sortie avant de vous engager.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "perceptron/perceptron-mk1" par "thinkingmachines/inkling-small" : prompts, streaming et outils continuent de fonctionner.
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);
Plus de comparatifs
- LiquidAI: LFM3-1.7B contre Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contre Crouton Alpha
- LiquidAI: LFM3-1.7B contre Tencent: Hy4
- LiquidAI: LFM3-1.7B contre Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contre Crouton Alpha
- Ricursive: Ripple 65B Preview contre Tencent: Hy4
- Ricursive: Ripple 65B Preview contre Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contre Tencent: Hy4