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.

d1 vs Span-01: cena API, kontekst i funkcje · api14

LiquidAI: d1 kontra Respan: Span-01

Porównanie LiquidAI: d1 (0,07 USD / 1M tokenów (≈ 0,27 zł)) i Respan: Span-01 (0,07 USD / 1M tokenów (≈ 0,27 zł)) obok siebie na podstawie aktualnych cen w USD i możliwości z katalogu api14. Oba działają przez to samo API zgodne z OpenAI.

Specyfikacja

	LiquidAI: d1	Respan: Span-01
Dostawca	LiquidAI	Respan
Wejście	0,07 USD / 1M tokenów (≈ 0,27 zł)	0,07 USD / 1M tokenów (≈ 0,27 zł)
Odczyt z cache	0,07 USD / 1M tokenów (≈ 0,27 zł)	-
Okno kontekstu	65 536	-
Maks. wyjście	58 982	-
Wejście	text, image	text
Wyjście	decisions	decisions
Wywołania narzędzi
Ustrukturyzowane wyjście
Sterowanie rozumowaniem
Dodano	1 paź 2026	26 wrz 2026

Najważniejsze różnice

Oba mają zbliżoną cenę wejścia.
Żądanie z 1000 tokenów wejściowych i 500 wyjściowych kosztuje 0,000070 USD z LiquidAI: d1 i 0,000070 USD z Respan: Span-01.

Szczegółowo

LiquidAI: d1 to model decyzyjny od LiquidAI, wydany 1 października 2026. Respan: Span-01 to model decyzyjny od Respan, wydany 26 września 2026. Oba należą do tej samej kategorii, co oznacza, że są zbudowane tak, aby zwracać decyzję jako wynik, a nie swobodną prozę, i oba są dostępne przez tę samą bramę. Dostawcy to różne firmy, więc identyfikatory modeli różnią się zarówno na poziomie prefiksu dostawcy, jak i nazwy modelu.

Najwyraźniejszy podział między nimi dotyczy obsługi danych wejściowych. LiquidAI: d1 przyjmuje dane wejściowe w postaci tekstu i obrazu, więc może analizować zrzut ekranu, diagram lub zeskanowaną stronę razem z Twoim zapytaniem. Respan: Span-01 przyjmuje wyłącznie tekst. Okno kontekstowe to miejsce, w którym kończą się publikowane fakty: LiquidAI: d1 podaje 65 536 tokenów, natomiast Respan: Span-01 nie publikuje długości kontekstu, więc jego limit należy traktować jako nieznany i przetestować własnymi danymi przed rozpoczęciem pracy z długimi dokumentami. Żaden z modeli nie udostępnia obsługiwanych parametrów i żaden nie reklamuje użycia narzędzi, ustrukturyzowanych wyników ani rozumowania jako cechy wyróżniającej, więc pod tymi względami nie ma nic, co by je różniło. Oba zwracają wyłącznie decyzje, co oznacza, że żaden nie jest modelem ogólnego przeznaczenia do rozmowy ani generowania.

Przy praktycznym wyborze zacznij od typu danych wejściowych. Jeśli Twoje zadanie polega na odczytywaniu obrazu, na przykład klasyfikowaniu formularza, sprawdzaniu wykresu lub kierowaniu zrzutu ekranu, LiquidAI: d1 jest jedynym z tych dwóch, który w ogóle może przyjąć takie dane wejściowe. Jeśli Twoje zadanie jest wyłącznie tekstowe, na przykład segregowanie zgłoszenia do pomocy technicznej, oznaczanie wiadomości lub podejmowanie decyzji tak lub nie na podstawie akapitu treści, oba modele są kandydatami, a decyzja sprowadza się do ceny i do tego, ile tekstu musisz wprowadzić. Ponieważ Respan: Span-01 nie podaje długości kontekstu, utrzymuj jego dane wejściowe w rozsądnych rozmiarach lub samodzielnie zweryfikuj zachowanie przed wysłaniem czegokolwiek długiego. Jeśli chodzi o cenę, oba są w przybliżeniu takie same pod względem danych wejściowych, więc koszt raczej nie będzie czynnikiem decydującym po tej stronie; ceny danych wyjściowych nie są zróżnicowane w dostępnych informacjach, więc sprawdź bieżącą tabelę na tej stronie, aby poznać aktualne liczby.

Wywoływanie któregokolwiek z tych modeli przez api14 działa w ten sam sposób, ponieważ API jest zgodne z OpenAI. Kierujesz swojego klienta na bazowy adres URL api14, wysyłasz żądanie do punktu końcowego ukończeń czatu ze swoim kluczem api14 i ustawiasz pole model. Jedyna różnica między nimi to ten ciąg: użyj "liquid/d1" dla LiquidAI: d1 i "respan/span-01" dla Respan: Span-01. Struktura wiadomości, nagłówki i parsowanie odpowiedzi pozostają identyczne, więc możesz przełączać modele jedną linijką kodu lub uruchomić oba równolegle na tych samych danych wejściowych, aby porównać ich decyzje, zanim wybierzesz jeden.

Zmień jednym ciągiem znaków

Oba modele używają tego samego endpointu i tej samej struktury żądania. Zmień wartość model z "liquid/d1" na "respan/span-01", prompty, streaming i narzędzia działają dalej.

LiquidAI: d1: szczegóły i piaskownica →Respan: Span-01: 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.post("/decisions", { body: {
  "model": "respan/span-01",
  "state": "Customer: I was charged twice for my order and want my money back.",
  "questions": {
    "team": {
      "type": "choice",
      "instructions": "Which team should handle this message?",
      "criteria": {
        "billing": "Payments, refunds, invoices",
        "support": "Product questions and bugs",
        "sales": "Pricing and new purchases"
      }
    },
    "urgent": {
      "type": "noul",
      "instructions": "Does this need a reply today?",
      "criteria": {
        "true": "Money, outage or legal risk",
        "false": "Can wait"
      }
    }
  }
} });
console.log(result.answers);

LiquidAI: d1 kontra Respan: Span-01

Specyfikacja

Najważniejsze różnice

Szczegółowo

Zmień jednym ciągiem znaków

Więcej porównań