Perceptron: Perceptron Mk1 è un modello testuale di Perceptron, rilasciato il 12 maggio 2026. Thinking Machines: Inkling Small è un modello testuale di Thinking Machines, rilasciato più tardi, il 30 luglio 2026. Entrambi sono serviti tramite api14 ed entrambi accettano input multimodale e restituiscono testo, quindi la scelta tra i due dipende da quanto contesto ti serve, che tipo di media stai inviando e su quali parametri di richiesta fai affidamento.
La differenza più evidente è la finestra di contesto. Inkling Small supporta un contesto di 524288 token, molto più ampio rispetto ai 32768 token consentiti da Perceptron Mk1. In input, Perceptron Mk1 accetta testo, immagini e video, mentre Inkling Small accetta testo, immagini e audio. Quindi l'input video punta a Perceptron Mk1 e l'input audio punta a Inkling Small. Entrambi restituiscono solo testo. Differiscono anche sui parametri: Perceptron Mk1 è quello che espone gli structured outputs, il che conta se hai bisogno che la risposta sia conforme a uno schema. Inkling Small è quello che supporta i tools, quindi è la scelta da fare per il function calling e i flussi di lavoro guidati da tool. Perceptron Mk1 elenca anche frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, temperature, top_k e top_p. Inkling Small elenca quelli più logit_bias, min_p, reasoning_effort, repetition_penalty, seed, stop, tool_choice e tools. Il supporto al reasoning non è un elemento di differenziazione significativo in questo caso.
Per la selezione pratica, scegli Perceptron Mk1 quando il tuo compito ruota attorno all'output strutturato, quando devi inviare video insieme al testo, o quando vuoi il modello che costa meno in input. Scegli Inkling Small quando il lavoro comporta documenti lunghi che non entreranno in 32768 token, quando ti serve input audio, quando ti serve il tool o function calling, o quando vuoi il modello che costa meno in output. Se il tuo carico di lavoro è misto, il limite di contesto è di solito la prima cosa da controllare: qualsiasi cosa di grandi dimensioni non entrerà affatto in Perceptron Mk1, quindi la decisione è già presa per te. Se il contesto entra comodamente e ti serve una risposta vincolata a uno schema, il supporto agli structured outputs su Perceptron Mk1 lo rende l'opzione più semplice.
Chiamare l'uno o l'altro modello tramite api14 usa la stessa superficie compatibile con OpenAI. Punti il tuo client all'URL di base di api14, invii la tua richiesta all'endpoint chat completions e imposti il campo model all'id che vuoi. L'unico cambiamento tra i due è quella stringa: usa perceptron/perceptron-mk1 per Perceptron Mk1 e thinkingmachines/inkling-small per Inkling Small. Il codice circostante, la formattazione dei messaggi e il parsing delle risposte restano gli stessi purché tu usi solo parametri supportati dal modello scelto, quindi vale la pena controllare quella lista prima di spostare una richiesta da un modello all'altro. Tieni presente che tool_choice e tools esistono solo su Inkling Small; structured_outputs esiste solo su Perceptron Mk1. La tabella dei prezzi live su questa pagina mostra le tariffe attuali per ciascuno, quindi confronta lì i prezzi di input e output prima di impegnarti.
Ci sono casi in cui l'altro modello resta comunque la scelta migliore. Se stai già usando Perceptron Mk1 per i suoi structured outputs ma il tuo prompt supera il suo limite di contesto, Inkling Small è l'alternativa anche se manca quel parametro. Al contrario, se ti serve il tool calling in Inkling Small ma il tuo flusso di lavoro richiede anche uno schema di output rigoroso, dovrai gestire la formattazione dalla tua parte, oppure mantenere quella particolare chiamata su Perceptron Mk1.