Używamy plików cookie. Pliki cookie i pamięć przeglądarki pozwalają utrzymać logowanie i zapamiętać Twoje preferencje. Za Twoją zgodą mierzymy też, jak korzystasz ze strony. W każdej chwili możesz . Zobacz naszą politykę cookie.

Nowy tutaj? Zobacz, jak to działa Minutowa wycieczka po piaskownicy, modelach i Twoim kluczu API.

Schematron V2 Small vs LFM3-1.7B: cena API, kontekst i funkcje · api14

Inference.net: Schematron V2 Small kontra LiquidAI: LFM3-1.7B

Porównanie Inference.net: Schematron V2 Small (0,18 USD / 1M tokenów (≈ 0,69 zł)) i LiquidAI: LFM3-1.7B (0,28 USD / 1M tokenów (≈ 1,10 zł)) obok siebie na podstawie aktualnych cen w USD i możliwości z katalogu api14. Oba działają przez to samo API zgodne z OpenAI.

Specyfikacja

	Inference.net: Schematron V2 Small	LiquidAI: LFM3-1.7B
Dostawca	Inference.net	LiquidAI
Wejście	0,18 USD / 1M tokenów (≈ 0,69 zł)	0,28 USD / 1M tokenów (≈ 1,10 zł)
Wyjście	0,81 USD / 1M tokenów (≈ 3,15 zł)	0,70 USD / 1M tokenów (≈ 2,74 zł)
Odczyt z cache	0,18 USD / 1M tokenów (≈ 0,69 zł)	0,07 USD / 1M tokenów (≈ 0,27 zł)
Okno kontekstu	128 000	262 144
Maks. wyjście	8192	8192
Wejście	text	text
Wyjście	text	text
Wywołania narzędzi
Ustrukturyzowane wyjście
Sterowanie rozumowaniem
Dodano	12 wrz 2026	6 lis 2026

Najważniejsze różnice

Inference.net: Schematron V2 Small jest o 38% tańszy na tokenach wejściowych.
LiquidAI: LFM3-1.7B jest o 13% tańszy na tokenach wyjściowych.
LiquidAI: LFM3-1.7B przyjmuje 2.0× więcej kontekstu (262 144 tokenów).
Tylko LiquidAI: LFM3-1.7B obsługuje wywołania narzędzi.
Tylko LiquidAI: LFM3-1.7B obsługuje sterowanie intensywnością rozumowania.
Żądanie z 1000 tokenów wejściowych i 500 wyjściowych kosztuje 0,000578 USD z Inference.net: Schematron V2 Small i 0,000630 USD z LiquidAI: LFM3-1.7B.

Zmień jednym ciągiem znaków

Oba modele używają tego samego endpointu i tej samej struktury żądania. Zmień wartość model z "inference-net/schematron-v2-small" na "liquid/lfm-3-1.7b", prompty, streaming i narzędzia działają dalej.

Inference.net: Schematron V2 Small: szczegóły i piaskownica →LiquidAI: LFM3-1.7B: szczegóły i piaskownica →

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": "liquid/lfm-3-1.7b",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Inference.net: Schematron V2 Small kontra LiquidAI: LFM3-1.7B

Specyfikacja

Najważniejsze różnice

Zmień jednym ciągiem znaków

Więcej porównań