Inception: Mercury 3 kontra Z.ai: GLM 4.7 Flash
Porównanie Inception: Mercury 3 (0,35 USD / 1M tokenów (≈ 1,37 zł)) i Z.ai: GLM 4.7 Flash (0,21 USD / 1M tokenów (≈ 0,83 zł)) obok siebie na podstawie aktualnych cen w USD i możliwości z katalogu api14. Oba działają przez to samo API zgodne z OpenAI.
Specyfikacja
| Inception: Mercury 3 | Z.ai: GLM 4.7 Flash | |
|---|---|---|
| Dostawca | Inception | Z.ai |
| Wejście | 0,35 USD / 1M tokenów (≈ 1,37 zł) | 0,21 USD / 1M tokenów (≈ 0,83 zł) |
| Wyjście | 1,22 USD / 1M tokenów (≈ 4,80 zł) | 1,40 USD / 1M tokenów (≈ 5,49 zł) |
| Odczyt z cache | 0,04 USD / 1M tokenów (≈ 0,14 zł) | - |
| Okno kontekstu | 1 000 000 | 200 000 |
| Maks. wyjście | 131 072 | 117 964 |
| Wejście | text | text |
| Wyjście | text | text |
| Wywołania narzędzi | ||
| Ustrukturyzowane wyjście | ||
| Sterowanie rozumowaniem | ||
| Dodano | 16 paź 2026 | 19 sty 2026 |
Najważniejsze różnice
- Z.ai: GLM 4.7 Flash jest o 40% tańszy na tokenach wejściowych.
- Inception: Mercury 3 jest o 13% tańszy na tokenach wyjściowych.
- Inception: Mercury 3 przyjmuje 5.0× więcej kontekstu (1 000 000 tokenów).
- Żądanie z 1000 tokenów wejściowych i 500 wyjściowych kosztuje 0,000963 USD z Inception: Mercury 3 i 0,000912 USD z Z.ai: GLM 4.7 Flash.
Szczegółowo
Inception: Mercury 3 to model tekstowy od Inception, a Z.ai: GLM 4.7 Flash to model tekstowy od Z.ai. Oba są udostępniane przez api14 jako modele czatu w kategorii tekstowej, co oznacza, że przyjmują tekst i zwracają tekst. Żaden z nich nie akceptuje obrazów, dźwięku ani innych danych wejściowych innych niż tekst, więc jeśli Twoje obciążenie wykracza poza tekst, będziesz potrzebować innego modelu po którejkolwiek ze stron. Oba różnią się głównie skalą i tym, ile kontroli dają nad generowaniem.
Najwyraźniejszy podział dotyczy kontekstu. Mercury 3 ma okno kontekstowe wynoszące 1 000 000 tokenów, podczas gdy GLM 4.7 Flash ma 200 000. To pięciokrotna różnica i ma znaczenie, jeśli wprowadzasz długie dokumenty, duże bazy kodu lub rozszerzone historie rozmów w jednym wywołaniu. W kwestii ceny oba nie są zgodne: GLM 4.7 Flash jest tańszą opcją dla tokenów wejściowych, a Mercury 3 jest tańszą opcją dla tokenów wyjściowych. Zatem kwestia kosztu zależy od stosunku tokenów promptu do tokenów uzupełnienia. Obciążenie, które dużo czyta i mało pisze, skłania się ku GLM 4.7 Flash, a takie, które mało czyta i dużo pisze, skłania się ku Mercury 3. Oba udostępniają narzędzia, ustrukturyzowane dane wyjściowe i kontrolki rozumowania, więc żaden nie ma w tym zakresie funkcji na wyłączność.
W praktycznym wyborze zacznij od kształtu żądania. Jeśli musisz przekazywać bardzo duże dane wejściowe, takie jak pełne repozytorium, długi transkrypt lub stos dokumentów referencyjnych, Mercury 3 jest naturalnym wyborem ze względu na większe okno kontekstowe. Jeśli Twoje prompty są umiarkowane, a generujesz długie dane wyjściowe, takie jak redagowanie, streszczanie w dużej objętości lub generowanie kodu ze znaczącymi uzupełnieniami, tańsze ceny danych wyjściowych Mercury 3 działają na jego korzyść. Jeśli Twoje prompty są duże, ale odpowiedzi krótkie, takie jak klasyfikacja, ekstrakcja lub routing po długich danych wejściowych, GLM 4.7 Flash jest lepszym wyborem ekonomicznym. GLM 4.7 Flash udostępnia także szerszy zestaw parametrów próbkowania, w tym kary za częstotliwość i obecność, logit bias, logprobs, min_p, karę za powtórzenia, seed, top_k, top_p i top_logprobs. Jeśli polegasz na powtarzalności opartej na seedzie, prawdopodobieństwach logarytmicznych na poziomie tokenów lub precyzyjnej kontroli próbkowania, ten zestaw parametrów jest realnym powodem, by go wybrać. Lista parametrów Mercury 3 jest węższa i skupia się na wysiłku rozumowania, formacie odpowiedzi, sekwencjach stopu, temperaturze i wyborze narzędzi.
Wywoływanie któregokolwiek z tych modeli przez api14 działa tak samo, ponieważ API jest zgodne z OpenAI. Kierujesz klienta na bazowy URL api14, wysyłasz standardowe żądanie uzupełnień czatu i ustawiasz pole model na identyfikator, którego chcesz użyć. Aby użyć Mercury 3, ustaw model na "inception/mercury-3". Aby użyć GLM 4.7 Flash, ustaw model na "z-ai/glm-4.7-flash". Wszystko inne w treści żądania, tablica messages, narzędzia, format odpowiedzi, pozostaje takie samo. Przełączanie między nimi to zmiana jednej linii, co sprawia, że testowanie obu na własnym ruchu jest tanie, zamiast zgadywania na podstawie specyfikacji.
Zmień jednym ciągiem znaków
Oba modele używają tego samego endpointu i tej samej struktury żądania. Zmień wartość model z "inception/mercury-3" na "z-ai/glm-4.7-flash", prompty, streaming i narzędzia działają dalej.
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);
Więcej porównań
- LiquidAI: LFM3-1.7B kontra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B kontra Crouton Alpha
- LiquidAI: LFM3-1.7B kontra Tencent: Hy4
- LiquidAI: LFM3-1.7B kontra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview kontra Crouton Alpha
- Ricursive: Ripple 65B Preview kontra Tencent: Hy4
- Ricursive: Ripple 65B Preview kontra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha kontra Tencent: Hy4