Cookieを使用しています. Cookieとブラウザストレージは、ログイン状態の維持と設定の保存に使われます。許可いただいた場合は、サイトの利用状況も計測します。はいつでも変更できます。詳しくはCookieポリシーをご覧ください。

初めてですか？使い方をご紹介しますプレイグラウンド、モデル、APIキーを1分でご案内します。

Perceptron Mk1 vs Llama 3.1 Euryale 70B v2.2：API料金・コンテキスト・機能を比較 · api14

Perceptron: Perceptron Mk1 対 Sao10K: Llama 3.1 Euryale 70B v2.2

api14カタログの最新のUSD料金と機能をもとに、Perceptron: Perceptron Mk1（$0.52 / 100万トークン (≈ ￥83)）とSao10K: Llama 3.1 Euryale 70B v2.2（$2.98 / 100万トークン (≈ ￥470)）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

	Perceptron: Perceptron Mk1	Sao10K: Llama 3.1 Euryale 70B v2.2
プロバイダー	Perceptron	Sao10K
入力	$0.52 / 100万トークン (≈ ￥83)	$2.98 / 100万トークン (≈ ￥470)
出力	$5.25 / 100万トークン (≈ ￥829)	$2.98 / 100万トークン (≈ ￥470)
コンテキストウィンドウ	32,768	131,072
最大出力	8,192	16,384
入力	text, image, video	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	2026/05/12	2024/08/28

主な違い

Perceptron: Perceptron Mk1は入力トークンが82%安くなっています。
Sao10K: Llama 3.1 Euryale 70B v2.2は出力トークンが43%安くなっています。
Sao10K: Llama 3.1 Euryale 70B v2.2は4.0倍長いコンテキスト（131,072トークン）を読み取れます。
推論の強度の調整に対応しているのはPerceptron: Perceptron Mk1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、Perceptron: Perceptron Mk1で$0.00315、Sao10K: Llama 3.1 Euryale 70B v2.2で$0.00446です。

詳しく見る

Perceptron: Perceptron Mk1 は Perceptron のテキストモデルで、2026-05-12 にリリースされました。Sao10K: Llama 3.1 Euryale 70B v2.2 は Sao10K のモデルで、2024-08-28 にリリースされました。どちらも api14 上でテキストカテゴリのモデルとして提供されており、どちらも出力モダリティはテキストのみなので、どちらで生成しても結果はテキストで返ります。

両者が最も明確に異なるのは、コンテキスト、モダリティ、推論です。Perceptron Mk1 は入力としてテキスト、画像、動画を受け付けますが、Euryale モデルはテキストのみを受け付けます。そのため、プロンプトにスクリーンショット、図、スキャンしたページ、動画クリップを文章の指示と一緒に含める必要がある場合は Perceptron Mk1 が選択肢になります。Euryale モデルの方がコンテキストウィンドウが大きく、Perceptron Mk1 の 32768 トークンに対して 131072 トークンなので、1 回の呼び出しで保持できるテキスト量がはるかに多く、長い文書、長い文字起こし、大量の参考資料を扱う場合に重要になります。Perceptron Mk1 は両者の中で推論をサポートすると説明されている唯一のモデルで、そのパラメータセットには include_reasoning と reasoning が含まれるため、回答前にモデルに問題を検討させたい場合に選ぶべきモデルです。一方、Euryale モデルは logit_bias、min_p、repetition_penalty、seed、stop を含む、より広範なサンプリングと制御のパラメータを公開しており、そのテキストの生成方法をより細かく制御できます。構造化出力については両者に意味のある違いはなく、どちらか一方だけがツールをサポートするものとして特別扱いされているわけでもありません。

両者を選び分けるには、まず入力の形から始めてください。タスクに画像や動画が含まれる場合、受け付けられるのは Perceptron Mk1 だけなので、選択はすでに決まっています。タスクがテキストのみだが資料が非常に長い場合、Euryale モデルのより大きなコンテキストは実際の利点であり、その追加の調整項目 (再現性のための seed、誘導のための logit_bias、テキストのループ対策のための repetition_penalty) は、出力を調整したい生成作業に適しています。テキストの問題で明示的な推論が役立つタスクであれば、呼び出すべきは Perceptron Mk1 です。コストについては、入力は Perceptron Mk1 の方が安く、出力は Euryale モデルの方が安いため、どちらが安いかはワークロードが入力重視か出力重視かによって決まります。最新の価格表に現在の数値が示されています。

どちらのモデルを呼び出す場合も、api14 の OpenAI 互換 API を通じた方法は同じです。クライアントを api14 のベース URL に向け、api14 キーを使って chat completions エンドポイントにリクエストを送り、model フィールドを使用したい id に設定します。Perceptron Mk1 を使うには、model id を perceptron/perceptron-mk1 に設定します。Euryale モデルを使うには、sao10k/l3.1-euryale-70b に設定します。リクエストボディのそれ以外は同じ形のままなので、モデルの切り替えは model id の 1 行変更で済みます。パラメータは両者で同一ではないことに注意してください。Perceptron Mk1 は reasoning と include_reasoning をサポートしますが Euryale モデルはサポートせず、Euryale モデルは logit_bias、min_p、repetition_penalty、seed、stop をサポートしますが Perceptron Mk1 はサポートしません。対象モデルが記載しているパラメータだけを送れば、同じコード経路で両方を扱えます。

推論が不要な場合でも、Euryale モデルの方が適しているケースはあります。入力が純粋なテキストで長い場合、その 131072 トークンのコンテキストにより、32768 トークンのウィンドウでは必要になるチャンク分割や検索の作業を避けられ、レスポンスが呼び出しの大部分を占める場合には安い出力価格が役立ちます。画像、動画、推論が作業の一部である場合は、Perceptron Mk1 の方が適しています。

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"perceptron/perceptron-mk1"から"sao10k/l3.1-euryale-70b"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。

Perceptron: Perceptron Mk1の詳細とプレイグラウンド →Sao10K: Llama 3.1 Euryale 70B v2.2の詳細とプレイグラウンド →

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": "sao10k/l3.1-euryale-70b",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Perceptron: Perceptron Mk1 対 Sao10K: Llama 3.1 Euryale 70B v2.2

仕様

主な違い

詳しく見る

文字列1つで切り替え

その他の比較