ByteDance: UI-TARS 7B 対 inclusionAI: Ling 3.1 Flash
api14カタログの最新のUSD料金と機能をもとに、ByteDance: UI-TARS 7B （$0.35 / 100万トークン (≈ ￥55)）とinclusionAI: Ling 3.1 Flash（$0.16 / 100万トークン (≈ ￥25)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。
仕様
| ByteDance: UI-TARS 7B | inclusionAI: Ling 3.1 Flash | |
|---|---|---|
| プロバイダー | ByteDance | inclusionAI |
| 入力 | $0.35 / 100万トークン (≈ ￥55) | $0.16 / 100万トークン (≈ ￥25) |
| 出力 | $0.70 / 100万トークン (≈ ￥111) | $0.47 / 100万トークン (≈ ￥75) |
| キャッシュ読み取り | $0.35 / 100万トークン (≈ ￥55) | $0.03 / 100万トークン (≈ ￥5) |
| コンテキストウィンドウ | 128,000 | 1,000,000 |
| 最大出力 | 2,048 | 262,144 |
| 入力 | image, text | text |
| 出力 | text | text |
| ツール呼び出し | ||
| 構造化出力 | ||
| 推論の調整 | ||
| 追加日 | 2025/07/22 | 2026/10/02 |
主な違い
- inclusionAI: Ling 3.1 Flashは入力トークンが55%安くなっています。
- inclusionAI: Ling 3.1 Flashは出力トークンが32%安くなっています。
- inclusionAI: Ling 3.1 Flashは7.8倍長いコンテキスト（1,000,000トークン）を読み取れます。
- ツール呼び出しに対応しているのはinclusionAI: Ling 3.1 Flashだけです。
- 推論の強度の調整に対応しているのはinclusionAI: Ling 3.1 Flashだけです。
- 入力1,000トークン・出力500トークンのリクエストの費用は、ByteDance: UI-TARS 7B で$0.000700、inclusionAI: Ling 3.1 Flashで$0.000394です。
詳しく見る
ByteDance: UI-TARS 7B は ByteDance のテキスト出力モデルで、2025-07-22 にリリースされました。画像とテキストの両方を入力として受け付けるため、スクリーンショットや画像をプロンプトと一緒に見ることができる少数のモデル群に位置します。inclusionAI: Ling 3.1 Flash は inclusionAI のモデルで、2026-10-02 にリリースされ、テキスト入力、テキスト出力のモデルです。どちらも api14 にテキストカテゴリで掲載されているため、専用の埋め込みや画像生成のエンドポイントではありません。
両者の最も明確な違いはコンテキストとモダリティです。Ling 3.1 Flash は 1,000,000 トークンのコンテキストウィンドウを持ち、UI-TARS 7B が提供する 128,000 トークンよりはるかに大きいため、非常に長い文書や長い会話履歴を 1 回の呼び出しで投入する必要がある場合は Ling を選ぶべきです。UI-TARS 7B は両者の中で唯一画像入力を受け付けるため、視覚的な素材を含むタスクは必ずこちらに送る必要があります。ツール関連では、Ling 3.1 Flash のみが tools と tool_choice を公開しており、また reasoning と include_reasoning を公開する唯一のモデルでもあるため、エージェント形式のワークフローと明示的な推論制御は Ling の役割です。どちらも structured_outputs をサポートしているため、この機能は両者を分けません。価格では、Ling 3.1 Flash は入力トークンで安い選択肢であり、UI-TARS 7B は出力トークンで安い選択肢であるため、コストの状況はトラフィックの形に依存します。
実用的な選択では、入力から始めてください。リクエストに画像が含まれる場合、Ling 3.1 Flash は画像を受け付けられないため、UI-TARS 7B が選択肢です。リクエストが純粋なテキストで長い場合、Ling 3.1 Flash が選択肢です。そのコンテキストウィンドウは約 8 倍大きく、UI-TARS 7B のように大きな文書を切り捨てないからです。モデルに関数やツールを呼び出させたい場合、または推論出力を表に出したい場合も、UI-TARS 7B はそれらのパラメータを公開していないため、Ling 3.1 Flash が選択肢です。ワークロードが短いテキストプロンプトと長い生成回答である場合、UI-TARS 7B は出力側が安く、生成対プロンプトの比率によっては入力側より重要になることがあります。どちらも temperature、top_p、top_k、seed、stop、frequency_penalty、presence_penalty、repetition_penalty、logit_bias、logprobs、top_logprobs を受け付けるため、サンプリングと対数確率の制御はどちらでも利用できます。
api14 を通じてどちらのモデルを呼び出す場合も、同じ OpenAI 互換のサーフェスを使います。クライアントを api14 のベース URL に向け、キーを送信し、model フィールドを使いたい id に設定します。UI-TARS 7B の場合、その id は "bytedance/ui-tars-1.5-7b" です。Ling 3.1 Flash の場合、それは "inclusionai/ling-3.1-flash" です。リクエストボディの形は同じままで、両者の切り替えは model 文字列の 1 行変更です。主な注意点は、パラメータが両者で同一ではないことです。UI-TARS 7B に tools や reasoning を送る場合、または Ling 3.1 Flash に画像を送る場合、呼び出しはもう一方のモデルでの動作のようにはなりません。そのため、リクエストビルダーがどの id が使われているかを認識しているようにしてください。
紙の上では弱く見えるモデルの方がそれでもより良い選択である場合があります。タスクがスクリーンショット理解、フォーム読み取り、または任意の視覚的グラウンディングである場合、Ling 3.1 Flash はより大きなコンテキストにかかわらず選択肢にまったくなりません。そのため UI-TARS 7B が既定で勝ちます。同様に、短いプロンプトから長いテキストを生成しており、出力トークンが請求額を支配する場合、Ling の方が入力側が安くても、UI-TARS 7B の安い出力側がより経済的な選択にすることがあります。
文字列1つで切り替え
どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"bytedance/ui-tars-1.5-7b"から"inclusionai/ling-3.1-flash"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。
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);
その他の比較
- LiquidAI: LFM3-1.7B 対 Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B 対 Crouton Alpha
- LiquidAI: LFM3-1.7B 対 Tencent: Hy4
- LiquidAI: LFM3-1.7B 対 Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview 対 Crouton Alpha
- Ricursive: Ripple 65B Preview 対 Tencent: Hy4
- Ricursive: Ripple 65B Preview 対 Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha 対 Tencent: Hy4