Inception: Mercury 3 बनाम Z.ai: GLM 4.7 Flash
api14 कैटलॉग की मौजूदा USD कीमतों और क्षमताओं के आधार पर Inception: Mercury 3 ($0.35 / 1M टोकन (≈ ₹33.09)) और Z.ai: GLM 4.7 Flash ($0.21 / 1M टोकन (≈ ₹20.02)) की आमने-सामने तुलना। दोनों एक ही OpenAI-compatible API से चलते हैं।
स्पेसिफिकेशन
| Inception: Mercury 3 | Z.ai: GLM 4.7 Flash | |
|---|---|---|
| प्रोवाइडर | Inception | Z.ai |
| इनपुट | $0.35 / 1M टोकन (≈ ₹33.09) | $0.21 / 1M टोकन (≈ ₹20.02) |
| आउटपुट | $1.22 / 1M टोकन (≈ ₹115.81) | $1.40 / 1M टोकन (≈ ₹132.35) |
| कैश रीड | $0.04 / 1M टोकन (≈ ₹3.31) | - |
| संदर्भ विंडो | 10,00,000 | 2,00,000 |
| अधिकतम आउटपुट | 1,31,072 | 1,17,964 |
| इनपुट | text | text |
| आउटपुट | text | text |
| टूल कॉलिंग | ||
| संरचित आउटपुट | ||
| Reasoning नियंत्रण | ||
| जोड़ा गया | 16 अक्टू॰ 2026 | 19 जन॰ 2026 |
मुख्य अंतर
- Z.ai: GLM 4.7 Flash इनपुट tokens पर 40% सस्ता है।
- Inception: Mercury 3 आउटपुट tokens पर 13% सस्ता है।
- Inception: Mercury 3 5.0× ज़्यादा context पढ़ता है (10,00,000 tokens)।
- 1,000 इनपुट और 500 आउटपुट tokens वाली request की लागत Inception: Mercury 3 के साथ $0.000963 और Z.ai: GLM 4.7 Flash के साथ $0.000912 है।
विस्तार से
इंसेप्शन: मर्करी 3, इंसेप्शन का एक टेक्स्ट मॉडल है, और Z.ai: GLM 4.7 फ्लैश, Z.ai का एक टेक्स्ट मॉडल है। दोनों को api14 के माध्यम से टेक्स्ट श्रेणी में चैट मॉडल के रूप में परोसा जाता है, यानी ये टेक्स्ट लेते हैं और टेक्स्ट लौटाते हैं। इनमें से कोई भी इमेज, ऑडियो या अन्य गैर-टेक्स्ट इनपुट स्वीकार नहीं करता, इसलिए यदि आपके कार्यभार में टेक्स्ट से आगे कुछ भी शामिल है तो आपको किसी भी ओर एक अलग मॉडल की आवश्यकता होगी। दोनों मुख्य रूप से पैमाने में और जनरेशन पर आपको कितना नियंत्रण देते हैं, इसमें भिन्न हैं।
सबसे स्पष्ट अंतर कॉन्टेक्स्ट का है। मर्करी 3 में 1,000,000 टोकन की कॉन्टेक्स्ट विंडो है, जबकि GLM 4.7 फ्लैश में 200,000। यह पाँच गुना अंतर है, और यह मायने रखता है यदि आप एक ही कॉल में लंबे दस्तावेज़, बड़े कोडबेस या विस्तारित बातचीत इतिहास डाल रहे हैं। कीमत पर, दोनों एक समान नहीं हैं: इनपुट टोकन के लिए GLM 4.7 फ्लैश सस्ता विकल्प है, जबकि आउटपुट टोकन के लिए मर्करी 3 सस्ता विकल्प है। इसलिए लागत का प्रश्न आपके प्रॉम्प्ट टोकन और कम्पलीशन टोकन के अनुपात पर निर्भर करता है। जो कार्यभार बहुत पढ़ता है और थोड़ा लिखता है, वह GLM 4.7 फ्लैश की ओर झुकता है, जबकि जो थोड़ा पढ़ता है और बहुत लिखता है, वह मर्करी 3 की ओर झुकता है। दोनों टूल्स, स्ट्रक्चर्ड आउटपुट और रीज़निंग नियंत्रण प्रदान करते हैं, इसलिए वहाँ किसी का भी कोई विशेष फीचर नहीं है।
व्यावहारिक चयन के लिए, अनुरोध के स्वरूप से शुरू करें। यदि आपको बहुत बड़े इनपुट पास करने हैं, जैसे कि एक पूरा रिपॉज़िटरी, एक लंबा ट्रांसक्रिप्ट या संदर्भ दस्तावेज़ों का ढेर, तो मर्करी 3 स्वाभाविक रूप से उपयुक्त है क्योंकि इसकी कॉन्टेक्स्ट विंडो बड़ी है। यदि आपके प्रॉम्प्ट मध्यम हैं और आप लंबे आउटपुट उत्पन्न करते हैं, जैसे कि ड्राफ्टिंग, विस्तार से सारांश या पर्याप्त कम्पलीशन के साथ कोड जनरेशन, तो मर्करी 3 की सस्ती आउटपुट कीमत इसके पक्ष में काम करती है। यदि आपके प्रॉम्प्ट बड़े हैं लेकिन आपके उत्तर छोटे हैं, जैसे कि लंबे इनपुट पर वर्गीकरण, निष्कर्षण या रूटिंग, तो GLM 4.7 फ्लैश बेहतर आर्थिक विकल्प है। GLM 4.7 फ्लैश सैंपलिंग पैरामीटर का एक व्यापक सेट भी प्रदान करता है, जिसमें फ्रीक्वेंसी और प्रेज़ेंस पेनल्टी, logit bias, logprobs, min_p, repetition penalty, seed, top_k, top_p और top_logprobs शामिल हैं। यदि आप सीडेड रिप्रोड्यूसिबिलिटी, टोकन-स्तरीय लॉग प्रायिकताओं या बारीक सैंपलिंग नियंत्रण पर निर्भर हैं, तो वह पैरामीटर सतह इसे चुनने का एक वास्तविक कारण है। मर्करी 3 की पैरामीटर सूची संकरी है और रीज़निंग एफर्ट, रिस्पॉन्स फॉर्मेट, स्टॉप सीक्वेंस, टेम्परेचर और टूल चॉइस पर केंद्रित है।
api14 के माध्यम से किसी भी मॉडल को कॉल करना एक ही तरह से काम करता है, क्योंकि API OpenAI-संगत है। आप अपने क्लाइंट को api14 बेस URL पर इंगित करें, एक मानक चैट कम्पलीशन्स अनुरोध भेजें, और model फ़ील्ड को उस id पर सेट करें जो आप चाहते हैं। मर्करी 3 का उपयोग करने के लिए, model को "inception/mercury-3" पर सेट करें। GLM 4.7 फ्लैश का उपयोग करने के लिए, model को "z-ai/glm-4.7-flash" पर सेट करें। अनुरोध बॉडी में बाकी सब कुछ, messages ऐरे, tools, response format, वही रहता है। दोनों के बीच स्विच करना एक पंक्ति का बदलाव है, जो इसे सस्ता बनाता है कि आप विनिर्देशों से अनुमान लगाने के बजाय अपने स्वयं के ट्रैफ़िक के विरुद्ध दोनों को बेंचमार्क करें।
अभी भी ऐसे मामले हैं जहाँ GLM 4.7 फ्लैश बेहतर चयन है, भले ही कॉन्टेक्स्ट बाधा न हो। यदि आपका कार्य आत्मविश्वास अनुमान के लिए logprobs या top_logprobs पर निर्भर करता है, या प्रतिलिपि-योग्य सैंपलिंग के लिए एक निश्चित seed पर, तो मर्करी 3 उन पैरामीटर को सूचीबद्ध नहीं करता, इसलिए GLM 4.7 फ्लैश ही वह है जिसे कॉल करना है। यही बात तब भी लागू होती है जब आपको अपनी प्रॉम्प्ट रणनीति के हिस्से के रूप में पेनल्टी या top_k और top_p ट्यूनिंग की आवश्यकता हो। इसके विपरीत, यदि आपको बहुत बड़ा कॉन्टेक्स्ट और सस्ता आउटपुट चाहिए, तो मर्करी 3 ही वह है जिसे चुनना है।
एक string से बदलें
दोनों मॉडल एक ही endpoint और request ढांचा इस्तेमाल करते हैं। model की वैल्यू "inception/mercury-3" से "z-ai/glm-4.7-flash" करें, prompts, streaming और tools पहले की तरह काम करते रहेंगे।
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);
और तुलनाएं
- LiquidAI: LFM3-1.7B बनाम Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B बनाम Crouton Alpha
- LiquidAI: LFM3-1.7B बनाम Tencent: Hy4
- LiquidAI: LFM3-1.7B बनाम Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview बनाम Crouton Alpha
- Ricursive: Ripple 65B Preview बनाम Tencent: Hy4
- Ricursive: Ripple 65B Preview बनाम Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha बनाम Tencent: Hy4