ByteDance: UI-TARS 7B tegen inclusionAI: Ling 3.1 Flash
Een vergelijking naast elkaar van ByteDance: UI-TARS 7B (US$ 0,35 / 1M tekstdelen (≈ € 0,31)) en inclusionAI: Ling 3.1 Flash (US$ 0,16 / 1M tekstdelen (≈ € 0,14)) met actuele USD-prijzen en mogelijkheden uit de catalogus van api14. Beide werken via dezelfde OpenAI-compatibele API.
Specificaties
| ByteDance: UI-TARS 7B | inclusionAI: Ling 3.1 Flash | |
|---|---|---|
| Aanbieder | ByteDance | inclusionAI |
| Invoer | US$ 0,35 / 1M tekstdelen (≈ € 0,31) | US$ 0,16 / 1M tekstdelen (≈ € 0,14) |
| Uitvoer | US$ 0,70 / 1M tekstdelen (≈ € 0,63) | US$ 0,47 / 1M tekstdelen (≈ € 0,42) |
| Cache lezen | US$ 0,35 / 1M tekstdelen (≈ € 0,31) | US$ 0,03 / 1M tekstdelen (≈ € 0,03) |
| Contextvenster | 128.000 | 1.000.000 |
| Maximale output | 2.048 | 262.144 |
| Invoer | image, text | text |
| Uitvoer | text | text |
| tool-aanroepen | ||
| Gestructureerde output | ||
| Instelbaar redeneren | ||
| Toegevoegd | 22 jul 2025 | 2 okt 2026 |
Belangrijkste verschillen
- inclusionAI: Ling 3.1 Flash is 55% goedkoper op inputtokens.
- inclusionAI: Ling 3.1 Flash is 32% goedkoper op outputtokens.
- inclusionAI: Ling 3.1 Flash leest 7.8× meer context (1.000.000 tokens).
- Alleen inclusionAI: Ling 3.1 Flash ondersteunt tool-aanroepen.
- Alleen inclusionAI: Ling 3.1 Flash ondersteunt instelbare redeneerinspanning.
- Een verzoek met 1.000 input- en 500 outputtokens kost US$ 0,000700 met ByteDance: UI-TARS 7B en US$ 0,000394 met inclusionAI: Ling 3.1 Flash.
In detail
ByteDance: UI-TARS 7B is een tekstuitvoermodel van ByteDance, uitgebracht op 2025-07-22. Het accepteert zowel afbeeldingen als tekst als invoer, wat het in de kleine groep modellen plaatst die naar een screenshot of afbeelding kunnen kijken naast een prompt. inclusionAI: Ling 3.1 Flash komt van inclusionAI, uitgebracht op 2026-10-02, en het is een tekst-in, tekst-uit model. Beide staan op api14 onder de categorie tekst, dus geen van beide is een toegewijde embedding- of beeldgeneratie-endpoint.
De duidelijkste scheiding tussen hen is context en modaliteit. Ling 3.1 Flash heeft een contextvenster van 1.000.000 tokens, veel groter dan de 128.000 tokens die UI-TARS 7B biedt, dus Ling is degene om naar te grijpen wanneer je zeer lange documenten of lange gespreksgeschiedenissen in één aanroep moet invoeren. UI-TARS 7B is de enige van de twee die beeldinvoer accepteert, dus elke taak met visueel materiaal moet naar hem toe. Qua tooling is Ling 3.1 Flash de enige die tools en tool_choice beschikbaar stelt, en het is ook de enige die reasoning en include_reasoning beschikbaar stelt, dus agent-achtige workflows en expliciete reasoning-controle behoren tot Ling. Beide ondersteunen structured_outputs, dus die capaciteit scheidt hen niet. Qua prijs is Ling 3.1 Flash de goedkopere optie voor invoertokens, terwijl UI-TARS 7B de goedkopere optie is voor uitvoertokens, dus het kostenbeeld hangt af van de vorm van je verkeer.
Voor praktische selectie, begin met de invoer. Als je verzoek een afbeelding bevat, is UI-TARS 7B de keuze, aangezien Ling 3.1 Flash er geen kan accepteren. Als je verzoek pure tekst is en lang, is Ling 3.1 Flash de keuze, omdat zijn contextvenster ongeveer acht keer groter is en het een groot document niet zal afkappen zoals UI-TARS 7B zou doen. Als je wilt dat het model functies of tools aanroept, of je wilt reasoning-uitvoer naar boven laten komen, is Ling 3.1 Flash opnieuw de keuze, aangezien UI-TARS 7B die parameters niet beschikbaar stelt. Als je workload korte tekstprompts met lange gegenereerde antwoorden is, heeft UI-TARS 7B de goedkopere uitvoerkant, wat belangrijker kan zijn dan de invoerkant, afhankelijk van je verhouding generatie tot prompt. Beide accepteren temperature, top_p, top_k, seed, stop, frequency_penalty, presence_penalty, repetition_penalty, logit_bias, logprobs en top_logprobs, dus sampling- en log-waarschijnlijkheidscontroles zijn op beide beschikbaar.
Het aanroepen van een van beide modellen via api14 gebruikt hetzelfde OpenAI-compatibele oppervlak. Je richt je client op de api14 base URL, stuurt je sleutel mee, en stelt het model-veld in op het id dat je wilt. Voor UI-TARS 7B is dat id "bytedance/ui-tars-1.5-7b"; voor Ling 3.1 Flash is het "inclusionai/ling-3.1-flash". De vorm van de request body blijft hetzelfde, en schakelen tussen de twee is een wijziging van één regel in de model-string. De belangrijkste kanttekening is dat parameters niet identiek zijn tussen de twee: als je tools of reasoning naar UI-TARS 7B stuurt, of een afbeelding naar Ling 3.1 Flash, zal de aanroep zich niet gedragen zoals op het andere model, dus houd je request builder op de hoogte van welk id in het spel is.
Wissel met één string
Beide modellen gebruiken hetzelfde endpoint en dezelfde verzoekstructuur. Verander de waarde van model van "bytedance/ui-tars-1.5-7b" naar "inclusionai/ling-3.1-flash", prompts, streaming en tools blijven werken.
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);
Meer vergelijkingen
- LiquidAI: LFM3-1.7B tegen Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B tegen Crouton Alpha
- LiquidAI: LFM3-1.7B tegen Tencent: Hy4
- LiquidAI: LFM3-1.7B tegen Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview tegen Crouton Alpha
- Ricursive: Ripple 65B Preview tegen Tencent: Hy4
- Ricursive: Ripple 65B Preview tegen Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha tegen Tencent: Hy4