OpenAI: o3 lawan Pareto 26.9
Perbandingan berdampingan OpenAI: o3 (US$7,00 / 1 jt token (≈ Rp 126.560)) dan Pareto 26.9 (US$8,75 / 1 jt token (≈ Rp 158.200)) menggunakan harga USD dan kemampuan terkini dari katalog api14. Keduanya berjalan melalui API yang sama dan kompatibel dengan OpenAI.
Spesifikasi
| OpenAI: o3 | Pareto 26.9 | |
|---|---|---|
| Penyedia | OpenAI | Unbiased |
| Masukan | US$7,00 / 1 jt token (≈ Rp 126.560) | US$8,75 / 1 jt token (≈ Rp 158.200) |
| Keluaran | US$28,00 / 1 jt token (≈ Rp 506.240) | US$26,25 / 1 jt token (≈ Rp 474.600) |
| Baca cache | US$1,75 / 1 jt token (≈ Rp 31.640) | US$0,88 / 1 jt token (≈ Rp 15.820) |
| Pencarian web | US$35,00 / 1 rb pencarian (≈ Rp 632.800) | - |
| Jendela konteks | 200.000 | 262.144 |
| Output maks. | 100.000 | 131.072 |
| Masukan | image, text, file | text, image |
| Keluaran | text | text |
| panggilan alat | ||
| Output terstruktur | ||
| Pengaturan penalaran | ||
| Ditambahkan | 16 Apr 2025 | 13 Okt 2026 |
Perbedaan utama
- OpenAI: o3 20% lebih murah untuk token input.
- Pareto 26.9 6% lebih murah untuk token output.
- Pareto 26.9 membaca konteks 1.3× lebih banyak (262.144 token).
- Hanya OpenAI: o3 yang mendukung output JSON terstruktur.
- Hanya OpenAI: o3 yang mendukung pengaturan tingkat penalaran.
- Permintaan dengan 1.000 token input dan 500 token output berbiaya US$0,02 dengan OpenAI: o3 dan US$0,02 dengan Pareto 26.9.
Lebih mendalam
OpenAI: o3 adalah model teks dari OpenAI, dirilis pada 2025-04-16. Pareto 26.9 adalah model teks dari Unbiased, dirilis pada 2026-10-13. Keduanya dilayani melalui api14 sebagai model bergaya chat, dan keduanya menerima input teks dan gambar serta mengembalikan output teks, jadi pada tingkat bentuk permintaan dasar keduanya dapat dipertukarkan.
Perbedaannya muncul pada konteks, modalitas dan parameter. Pareto 26.9 memiliki jendela konteks yang lebih besar pada 262144 token, sementara o3 berada pada 200000 token. o3 menerima input file selain teks dan gambar, yang tidak dimiliki Pareto 26.9. Pada parameter, o3 mengekspos kontrol penalaran (include_reasoning dan reasoning) dan structured_outputs, dan Pareto 26.9 tidak mengekspos satupun dari itu. Pareto 26.9 sebaliknya mengekspos temperature dan top_p, yang tidak dicantumkan o3. Keduanya mendukung tools, tool_choice, max_tokens dan response_format, sehingga pemanggilan fungsi dan output bergaya JSON tersedia di kedua sisi. Bidang harga menunjuk ke arah yang berlawanan: o3 adalah opsi yang lebih murah pada input, Pareto 26.9 adalah opsi yang lebih murah pada output. Perlakukan itu hanya sebagai indikasi arah dan periksa tabel harga langsung di halaman ini untuk angka yang berlaku bagi campuran trafik Anda.
Untuk pemilihan tugas, parameter penalaran dan output terstruktur membuat o3 menjadi pilihan alami ketika Anda perlu model bekerja melalui suatu masalah sebelum menjawab, atau ketika Anda ingin membatasi respons ke skema melalui structured_outputs alih-alih mengurai teks bebas. Ini juga menjadi pilihan ketika input Anda menyertakan file, karena modalitas itu hanya ada pada o3. Pareto 26.9 adalah pilihan ketika prompt itu sendiri sangat besar, karena jendela konteksnya lebih besar, dan ketika Anda ingin kontrol langsung atas sampling melalui temperature dan top_p. Jika beban kerja Anda berat pada output, Pareto 26.9 juga merupakan sisi yang lebih murah pada harga output, yang semakin penting semakin panjang penyelesaian Anda.
Memanggil salah satu model melalui api14 bekerja dengan cara yang sama. Keduanya kompatibel dengan OpenAI, jadi Anda mengarahkan klien yang ada ke base URL api14, mengirim permintaan chat completions standar, dan hanya mengubah id model: "openai/o3" untuk o3, "unbiased/pareto-26.9" untuk Pareto 26.9. Array pesan, definisi tool dan penanganan respons Anda tetap seperti semula. Satu hal yang perlu diperhatikan adalah parameter: jika Anda mengirim temperature atau top_p ke o3, atau reasoning atau structured_outputs ke Pareto 26.9, bidang tersebut tidak ada dalam daftar yang didukung model itu, jadi simpan kumpulan parameter per model alih-alih satu payload bersama.
Masih ada kasus di mana model lain menang. Jika Anda sudah menetapkan Pareto 26.9 untuk pipeline konteks panjang tetapi satu langkah memerlukan respons yang dibatasi skema, o3 adalah pilihan yang lebih baik untuk langkah itu karena structured_outputs hanya dicantumkan di sana. Sebaliknya, jika Anda menggunakan o3 untuk tugas yang sebagian besar berupa output panjang dan tidak diperlukan penalaran, Pareto 26.9 adalah pilihan yang lebih baik pada harga output dan memberi Anda kontrol temperature yang tidak dimiliki o3.
Berganti cukup dengan satu string
Kedua model menggunakan endpoint dan bentuk permintaan yang sama. Ubah nilai model dari "openai/o3" ke "unbiased/pareto-26.9", 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": "unbiased/pareto-26.9",
"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