Inception: Mercury 3 tegen Z.ai: GLM 4.7 Flash
Een vergelijking naast elkaar van Inception: Mercury 3 (US$ 0,35 / 1M tekstdelen (≈ € 0,31)) en Z.ai: GLM 4.7 Flash (US$ 0,21 / 1M tekstdelen (≈ € 0,19)) met actuele USD-prijzen en mogelijkheden uit de catalogus van api14. Beide werken via dezelfde OpenAI-compatibele API.
Specificaties
| Inception: Mercury 3 | Z.ai: GLM 4.7 Flash | |
|---|---|---|
| Aanbieder | Inception | Z.ai |
| Invoer | US$ 0,35 / 1M tekstdelen (≈ € 0,31) | US$ 0,21 / 1M tekstdelen (≈ € 0,19) |
| Uitvoer | US$ 1,22 / 1M tekstdelen (≈ € 1,09) | US$ 1,40 / 1M tekstdelen (≈ € 1,25) |
| Cache lezen | US$ 0,04 / 1M tekstdelen (≈ € 0,03) | - |
| Contextvenster | 1.000.000 | 200.000 |
| Maximale output | 131.072 | 117.964 |
| Invoer | text | text |
| Uitvoer | text | text |
| tool-aanroepen | ||
| Gestructureerde output | ||
| Instelbaar redeneren | ||
| Toegevoegd | 16 okt 2026 | 19 jan 2026 |
Belangrijkste verschillen
- Z.ai: GLM 4.7 Flash is 40% goedkoper op inputtokens.
- Inception: Mercury 3 is 13% goedkoper op outputtokens.
- Inception: Mercury 3 leest 5.0× meer context (1.000.000 tokens).
- Een verzoek met 1.000 input- en 500 outputtokens kost US$ 0,000963 met Inception: Mercury 3 en US$ 0,000912 met Z.ai: GLM 4.7 Flash.
In detail
Inception: Mercury 3 is een tekstmodel van Inception, en Z.ai: GLM 4.7 Flash is een tekstmodel van Z.ai. Beide worden via api14 aangeboden als chatmodellen in de categorie tekst, wat betekent dat ze tekst invoeren en tekst uitvoeren. Geen van beide accepteert afbeeldingen, audio of andere niet-tekstuele invoer, dus als je workload verder gaat dan tekst, heb je aan beide kanten een ander model nodig. De twee verschillen vooral in schaal en in hoeveel controle ze je geven over generatie.
De duidelijkste splitsing is context. Mercury 3 heeft een contextvenster van 1.000.000 tokens, terwijl GLM 4.7 Flash 200.000 heeft. Dat is een vijfvoudig verschil, en dat maakt uit als je lange documenten, grote codebases of uitgebreide gespreksgeschiedenissen in één aanroep invoert. Qua prijs zijn de twee niet gelijk: GLM 4.7 Flash is de goedkopere optie voor invoertokens, terwijl Mercury 3 de goedkopere optie is voor uitvoertokens. De kostenkwestie hangt dus af van je verhouding tussen prompttokens en completiontokens. Een workload die veel leest en weinig schrijft, neigt naar GLM 4.7 Flash, terwijl een workload die weinig leest en veel schrijft, neigt naar Mercury 3. Beide bieden tools, gestructureerde outputs en reasoning-besturing, dus geen van beide heeft daar een exclusieve functie.
Voor praktische selectie begin je met de vorm van het verzoek. Als je zeer grote inputs moet doorgeven, zoals een volledige repository, een lang transcript of een stapel referentiedocumenten, is Mercury 3 de natuurlijke keuze vanwege het grotere contextvenster. Als je prompts gemiddeld zijn en je lange outputs genereert, zoals bij het opstellen van teksten, uitgebreide samenvattingen of codegeneratie met substantiële completions, werkt de goedkopere outputprijs van Mercury 3 in het voordeel. Als je prompts groot zijn maar je antwoorden kort, zoals bij classificatie, extractie of routing over lange inputs, is GLM 4.7 Flash de betere economische keuze. GLM 4.7 Flash biedt ook een bredere set sampling-parameters, waaronder frequency- en presence-penalties, logit bias, logprobs, min_p, repetition penalty, seed, top_k, top_p en top_logprobs. Als je afhankelijk bent van reproduceerbaarheid met seed, token-level log probabilities of fijnmazige sampling-controle, dan is dat parameteroppervlak een echte reden om het te kiezen. De parameterlijst van Mercury 3 is smaller en draait om reasoning effort, response format, stop sequences, temperature en tool choice.
Een van beide modellen aanroepen via api14 werkt op dezelfde manier, omdat de API OpenAI-compatibel is. Je richt je client op de api14 base URL, stuurt een standaard chat completions-verzoek en stelt het model-veld in op de id die je wilt. Om Mercury 3 te gebruiken, stel je het model in op "inception/mercury-3". Om GLM 4.7 Flash te gebruiken, stel je het model in op "z-ai/glm-4.7-flash". Al het andere in de request body, de messages-array, de tools, de response format, blijft hetzelfde. Schakelen tussen de twee is een wijziging van één regel, waardoor het goedkoop is om beide te benchmarken tegen je eigen verkeer in plaats van te gokken op basis van specificaties.
Wissel met één string
Beide modellen gebruiken hetzelfde endpoint en dezelfde verzoekstructuur. Verander de waarde van model van "inception/mercury-3" naar "z-ai/glm-4.7-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": "z-ai/glm-4.7-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