Perceptron: Perceptron Mk1 is een tekstmodel van Perceptron, uitgebracht op 12 mei 2026. Thinking Machines: Inkling Small is een tekstmodel van Thinking Machines, later uitgebracht, op 30 juli 2026. Beide worden aangeboden via api14 en beide accepteren multimodale invoer en retourneren tekst, dus de keuze tussen hen komt neer op hoeveel context je nodig hebt, wat voor soorten media je invoert, en op welke request-parameters je vertrouwt.
De meest voor de hand liggende splitsing is het contextvenster. Inkling Small ondersteunt een context van 524288 tokens, wat veel groter is dan de 32768 tokens die Perceptron Mk1 toestaat. Bij invoer accepteert Perceptron Mk1 tekst, afbeeldingen en video, terwijl Inkling Small tekst, afbeeldingen en audio accepteert. Dus video-invoer wijst naar Perceptron Mk1 en audio-invoer wijst naar Inkling Small. Beide geven alleen tekst uit. Ze verschillen ook op parameters: Perceptron Mk1 is degene die structured outputs beschikbaar stelt, wat belangrijk is als je wilt dat het antwoord aan een schema voldoet. Inkling Small is degene die tools ondersteunt, dus dat is de kant die je kiest voor function calling en tool-gedreven workflows. Perceptron Mk1 vermeldt ook frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, temperature, top_k en top_p. Inkling Small vermeldt die plus logit_bias, min_p, reasoning_effort, repetition_penalty, seed, stop, tool_choice en tools. Ondersteuning voor redeneren is hier geen betekenisvol onderscheid.
Voor praktische selectie grijp je naar Perceptron Mk1 wanneer je taak draait om gestructureerde uitvoer, wanneer je video samen met tekst moet verzenden, of wanneer je het model wilt dat goedkoper is op invoer. Grijp naar Inkling Small wanneer de taak lange documenten betreft die niet in 32768 tokens passen, wanneer je audio-invoer nodig hebt, wanneer je tool- of function calling nodig hebt, of wanneer je het model wilt dat goedkoper is op uitvoer. Als je workload een mix is, is de contextlimiet meestal het eerste dat je controleert: alles wat groot is past helemaal niet in Perceptron Mk1, dus dan is de beslissing voor je gemaakt. Als de context comfortabel past en je een schema-beperkt antwoord nodig hebt, maakt de ondersteuning voor structured outputs op Perceptron Mk1 het de eenvoudigere optie.
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 request naar het chat completions endpoint, en stelt het model-veld in op de id die je wilt. De enige verandering tussen de twee is die string: gebruik perceptron/perceptron-mk1 voor Perceptron Mk1 en thinkingmachines/inkling-small voor Inkling Small. Je omringende code, je berichtopmaak en je antwoordparsing blijven hetzelfde zolang je alleen parameters gebruikt die het gekozen model ondersteunt, dus het is de moeite waard om die lijst te controleren voordat je een request overzet. Houd er rekening mee dat tool_choice en tools alleen op Inkling Small bestaan; structured_outputs bestaat alleen op Perceptron Mk1. De live prijstabel op deze pagina toont de huidige tarieven voor elk, dus vergelijk daar de invoer- en uitvoerprijzen voordat je je vastlegt.
Er zijn gevallen waarin het andere model toch de betere keuze is. Als je Perceptron Mk1 al gebruikt voor zijn structured outputs maar je prompt groeit voorbij zijn contextlimiet, dan is Inkling Small het alternatief, ook al mist het die parameter. Omgekeerd, als je tool calling nodig hebt in Inkling Small maar je workflow ook een strikt uitvoerschema vereist, zul je de vormgeving aan jouw kant moeten afhandelen, of die specifieke aanroep op Perceptron Mk1 moeten houden.