Inception: Mercury 3 대 Z.ai: GLM 4.7 Flash
api14 카탈로그의 최신 USD 가격과 기능을 바탕으로 Inception: Mercury 3(US$0.35 / 100만 토큰 (≈ ₩472))와(과) Z.ai: GLM 4.7 Flash(US$0.21 / 100만 토큰 (≈ ₩285))를 나란히 비교합니다. 두 모델 모두 같은 OpenAI 호환 API로 실행됩니다.
사양
| Inception: Mercury 3 | Z.ai: GLM 4.7 Flash | |
|---|---|---|
| 제공업체 | Inception | Z.ai |
| 입력 | US$0.35 / 100만 토큰 (≈ ₩472) | US$0.21 / 100만 토큰 (≈ ₩285) |
| 출력 | US$1.22 / 100만 토큰 (≈ ₩1,651) | US$1.40 / 100만 토큰 (≈ ₩1,887) |
| 캐시 읽기 | US$0.04 / 100만 토큰 (≈ ₩47) | - |
| 컨텍스트 윈도우 | 1,000,000 | 200,000 |
| 최대 출력 | 131,072 | 117,964 |
| 입력 | text | text |
| 출력 | text | text |
| 도구 호출 | ||
| 구조화된 출력 | ||
| 추론 조절 | ||
| 추가일 | 2026. 10. 16. | 2026. 1. 19. |
주요 차이점
- Z.ai: GLM 4.7 Flash의 입력 토큰 가격이 40% 더 저렴합니다.
- Inception: Mercury 3의 출력 토큰 가격이 13% 더 저렴합니다.
- Inception: Mercury 3는(은) 5.0배 더 긴 컨텍스트(1,000,000 토큰)를 읽습니다.
- 입력 1,000 토큰, 출력 500 토큰 요청의 비용은 Inception: Mercury 3에서 US$0.000963, Z.ai: GLM 4.7 Flash에서 US$0.000912입니다.
자세히 보기
Inception: Mercury 3는 Inception의 텍스트 모델이고, Z.ai: GLM 4.7 Flash는 Z.ai의 텍스트 모델입니다. 둘 다 api14를 통해 텍스트 카테고리의 채팅 모델로 제공되며, 이는 텍스트를 입력받아 텍스트를 반환한다는 뜻입니다. 어느 쪽도 이미지, 오디오 또는 기타 비텍스트 입력을 받지 않으므로, 워크로드에 텍스트 이상의 것이 포함된다면 어느 쪽이든 다른 모델이 필요합니다. 두 모델의 주요 차이는 규모와 생성에 대해 얼마나 많은 제어를 제공하는지에 있습니다.
가장 명확한 차이는 컨텍스트입니다. Mercury 3는 1,000,000 토큰의 컨텍스트 윈도우를 가지는 반면, GLM 4.7 Flash는 200,000을 가집니다. 이는 다섯 배 차이이며, 단일 호출에서 긴 문서, 대규모 코드베이스 또는 확장된 대화 기록을 입력하는 경우 중요합니다. 가격에서 두 모델은 일치하지 않습니다. GLM 4.7 Flash는 입력 토큰에서 더 저렴한 옵션이고, Mercury 3는 출력 토큰에서 더 저렴한 옵션입니다. 따라서 비용 문제는 프롬프트 토큰과 완성 토큰의 비율에 달려 있습니다. 많이 읽고 적게 쓰는 워크로드는 GLM 4.7 Flash 쪽으로 기울고, 적게 읽고 많이 쓰는 워크로드는 Mercury 3 쪽으로 기울습니다. 둘 다 도구, 구조화된 출력, 추론 제어를 노출하므로, 그 부분에서 어느 쪽도 독점적인 기능은 없습니다.
실용적인 선택을 위해서는 요청의 형태부터 시작하세요. 전체 저장소, 긴 대본 또는 여러 참조 문서 묶음과 같이 매우 큰 입력을 전달해야 한다면, Mercury 3가 더 큰 컨텍스트 윈도우 덕분에 자연스러운 선택입니다. 프롬프트가 적당하고 초안 작성, 장문 요약 또는 상당한 완성이 있는 코드 생성처럼 긴 출력을 생성한다면, Mercury 3의 더 저렴한 출력 가격이 유리하게 작용합니다. 프롬프트는 크지만 답변이 짧다면, 예를 들어 긴 입력에 대한 분류, 추출 또는 라우팅이라면, GLM 4.7 Flash가 더 나은 경제적 선택입니다. GLM 4.7 Flash는 또한 frequency 및 presence 패널티, logit bias, logprobs, min_p, repetition penalty, seed, top_k, top_p, top_logprobs를 포함한 더 넓은 샘플링 파라미터 집합을 노출합니다. 시드 기반 재현성, 토큰 수준 로그 확률 또는 세밀한 샘플링 제어에 의존한다면, 그 파라미터 표면은 그것을 선택할 실제 이유입니다. Mercury 3의 파라미터 목록은 더 좁고 reasoning effort, response format, stop sequences, temperature, tool choice에 집중되어 있습니다.
api14를 통해 어느 모델을 호출하든 방식은 동일합니다. API가 OpenAI 호환되기 때문입니다. 클라이언트를 api14 기본 URL로 지정하고, 표준 채팅 완성 요청을 보내고, model 필드를 원하는 id로 설정하면 됩니다. Mercury 3를 사용하려면 model을 "inception/mercury-3"로 설정하세요. GLM 4.7 Flash를 사용하려면 model을 "z-ai/glm-4.7-flash"로 설정하세요. 요청 본문의 나머지 모든 것, messages 배열, tools, response format은 그대로 유지됩니다. 둘 사이를 전환하는 것은 한 줄 변경이므로, 사양만 보고 추측하기보다 자체 트래픽에 대해 둘 다 벤치마크하기가 저렴합니다.
컨텍스트가 제약이 아닌 경우에도 GLM 4.7 Flash가 더 나은 선택인 경우가 있습니다. 작업이 신뢰도 추정을 위해 logprobs 또는 top_logprobs에 의존하거나 재현 가능한 샘플링을 위해 고정 seed에 의존한다면, Mercury 3는 그러한 파라미터를 나열하지 않으므로 GLM 4.7 Flash를 호출해야 합니다. 패널티 또는 top_k와 top_p 튜닝이 프롬프트 전략의 일부로 필요할 때도 마찬가지입니다. 반대로 매우 큰 컨텍스트와 저렴한 출력이 필요하다면, Mercury 3를 선택해야 합니다.
문자열 하나로 전환
두 모델은 같은 엔드포인트와 요청 형식을 사용합니다. model 값을 "inception/mercury-3"에서 "z-ai/glm-4.7-flash"로 바꾸기만 하면 프롬프트, 스트리밍, 도구가 그대로 작동합니다.
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": "z-ai/glm-4.7-flash",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
더 많은 비교
- LiquidAI: LFM3-1.7B 대 Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B 대 Crouton Alpha
- LiquidAI: LFM3-1.7B 대 Tencent: Hy4
- LiquidAI: LFM3-1.7B 대 Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview 대 Crouton Alpha
- Ricursive: Ripple 65B Preview 대 Tencent: Hy4
- Ricursive: Ripple 65B Preview 대 Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha 대 Tencent: Hy4