ByteDance: UI-TARS 7B lawan inclusionAI: Ling 3.1 Flash
Perbandingan berdampingan ByteDance: UI-TARS 7B (US$0,35 / 1 jt token (≈ Rp 6.335)) dan inclusionAI: Ling 3.1 Flash (US$0,16 / 1 jt token (≈ Rp 2.851)) menggunakan harga USD dan kemampuan terkini dari katalog api14. Keduanya berjalan melalui API yang sama dan kompatibel dengan OpenAI.
Spesifikasi
| ByteDance: UI-TARS 7B | inclusionAI: Ling 3.1 Flash | |
|---|---|---|
| Penyedia | ByteDance | inclusionAI |
| Masukan | US$0,35 / 1 jt token (≈ Rp 6.335) | US$0,16 / 1 jt token (≈ Rp 2.851) |
| Keluaran | US$0,70 / 1 jt token (≈ Rp 12.669) | US$0,47 / 1 jt token (≈ Rp 8.552) |
| Baca cache | US$0,35 / 1 jt token (≈ Rp 6.335) | US$0,03 / 1 jt token (≈ Rp 570) |
| Jendela konteks | 128.000 | 1.000.000 |
| Output maks. | 2.048 | 262.144 |
| Masukan | image, text | text |
| Keluaran | text | text |
| panggilan alat | ||
| Output terstruktur | ||
| Pengaturan penalaran | ||
| Ditambahkan | 22 Jul 2025 | 2 Okt 2026 |
Perbedaan utama
- inclusionAI: Ling 3.1 Flash 55% lebih murah untuk token input.
- inclusionAI: Ling 3.1 Flash 32% lebih murah untuk token output.
- inclusionAI: Ling 3.1 Flash membaca konteks 7.8× lebih banyak (1.000.000 token).
- Hanya inclusionAI: Ling 3.1 Flash yang mendukung panggilan alat.
- Hanya inclusionAI: Ling 3.1 Flash yang mendukung pengaturan tingkat penalaran.
- Permintaan dengan 1.000 token input dan 500 token output berbiaya US$0,000700 dengan ByteDance: UI-TARS 7B dan US$0,000394 dengan inclusionAI: Ling 3.1 Flash.
Lebih mendalam
ByteDance: UI-TARS 7B adalah model dengan output teks dari ByteDance, dirilis pada 2025-07-22. Model ini menerima gambar dan teks sebagai input, yang menempatkannya dalam kelompok kecil model yang dapat melihat tangkapan layar atau gambar bersama dengan prompt. inclusionAI: Ling 3.1 Flash berasal dari inclusionAI, dirilis pada 2026-10-02, dan merupakan model input teks, output teks. Keduanya terdaftar di api14 di bawah kategori teks, jadi keduanya bukan endpoint embedding atau pembuatan gambar khusus.
Pemisahan paling jelas di antara keduanya adalah konteks dan modalitas. Ling 3.1 Flash membawa jendela konteks 1.000.000 token, jauh lebih besar daripada 128.000 token yang ditawarkan UI-TARS 7B, jadi Ling adalah pilihan yang tepat ketika Anda perlu memasukkan dokumen yang sangat panjang atau riwayat percakapan yang panjang dalam satu panggilan. UI-TARS 7B adalah satu-satunya dari keduanya yang menerima input gambar, jadi tugas apa pun yang melibatkan materi visual harus diarahkan ke sana. Pada sisi tooling, Ling 3.1 Flash adalah satu-satunya yang mengekspos tools dan tool_choice, dan juga satu-satunya yang mengekspos reasoning dan include_reasoning, jadi alur kerja bergaya agen dan kontrol penalaran eksplisit menjadi milik Ling. Keduanya mendukung structured_outputs, jadi kemampuan itu tidak memisahkan keduanya. Pada harga, Ling 3.1 Flash adalah opsi yang lebih murah untuk token input, sementara UI-TARS 7B adalah opsi yang lebih murah untuk token output, jadi gambaran biaya bergantung pada bentuk lalu lintas Anda.
Untuk pemilihan praktis, mulailah dari input. Jika permintaan Anda menyertakan gambar, UI-TARS 7B adalah pilihannya, karena Ling 3.1 Flash tidak dapat menerimanya. Jika permintaan Anda murni teks dan panjang, Ling 3.1 Flash adalah pilihannya, karena jendela konteksnya sekitar delapan kali lebih besar dan tidak akan memotong dokumen besar seperti yang akan dilakukan UI-TARS 7B. Jika Anda memerlukan model untuk memanggil fungsi atau tools, atau Anda ingin output penalaran ditampilkan, Ling 3.1 Flash kembali menjadi pilihannya, karena UI-TARS 7B tidak mengekspos parameter tersebut. Jika beban kerja Anda adalah prompt teks pendek dengan jawaban yang dihasilkan panjang, UI-TARS 7B memiliki sisi output yang lebih murah, yang mungkin lebih penting daripada sisi input tergantung pada rasio generasi terhadap prompt Anda. Keduanya menerima temperature, top_p, top_k, seed, stop, frequency_penalty, presence_penalty, repetition_penalty, logit_bias, logprobs dan top_logprobs, jadi kontrol sampling dan log-probability tersedia pada keduanya.
Memanggil salah satu model melalui api14 menggunakan permukaan yang kompatibel dengan OpenAI yang sama. Anda mengarahkan klien Anda ke base URL api14, mengirim kunci Anda, dan mengatur field model ke id yang Anda inginkan. Untuk UI-TARS 7B id tersebut adalah "bytedance/ui-tars-1.5-7b"; untuk Ling 3.1 Flash id tersebut adalah "inclusionai/ling-3.1-flash". Bentuk body permintaan tetap sama, dan beralih antara keduanya adalah perubahan satu baris pada string model. Catatan utama adalah bahwa parameter tidak identik di antara keduanya: jika Anda mengirim tools atau reasoning ke UI-TARS 7B, atau gambar ke Ling 3.1 Flash, panggilan tidak akan berperilaku seperti pada model lainnya, jadi pastikan pembangun permintaan Anda mengetahui id mana yang sedang digunakan.
Berganti cukup dengan satu string
Kedua model menggunakan endpoint dan bentuk permintaan yang sama. Ubah nilai model dari "bytedance/ui-tars-1.5-7b" ke "inclusionai/ling-3.1-flash", prompt, streaming, dan tools tetap berfungsi.
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": "inclusionai/ling-3.1-flash",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Perbandingan lainnya
- LiquidAI: LFM3-1.7B lawan Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B lawan Crouton Alpha
- LiquidAI: LFM3-1.7B lawan Tencent: Hy4
- LiquidAI: LFM3-1.7B lawan Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview lawan Crouton Alpha
- Ricursive: Ripple 65B Preview lawan Tencent: Hy4
- Ricursive: Ripple 65B Preview lawan Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha lawan Tencent: Hy4