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.

Perceptron Mk1 vs Inkling Small: cena API, kontekst i funkcje · api14

Perceptron: Perceptron Mk1 kontra Thinking Machines: Inkling Small

Porównanie Perceptron: Perceptron Mk1 (0,52 USD / 1M tokenów (≈ 2,06 zł)) i Thinking Machines: Inkling Small (1,58 USD / 1M tokenów (≈ 6,17 zł)) obok siebie na podstawie aktualnych cen w USD i możliwości z katalogu api14. Oba działają przez to samo API zgodne z OpenAI.

Specyfikacja

	Perceptron: Perceptron Mk1	Thinking Machines: Inkling Small
Dostawca	Perceptron	Thinking Machines
Wejście	0,52 USD / 1M tokenów (≈ 2,06 zł)	1,58 USD / 1M tokenów (≈ 6,17 zł)
Wyjście	5,25 USD / 1M tokenów (≈ 20,57 zł)	4,20 USD / 1M tokenów (≈ 16,46 zł)
Odczyt z cache	-	0,35 USD / 1M tokenów (≈ 1,37 zł)
Okno kontekstu	32 768	524 288
Maks. wyjście	8192	262 144
Wejście	text, image, video	text, image, audio
Wyjście	text	text
Wywołania narzędzi
Ustrukturyzowane wyjście
Sterowanie rozumowaniem
Dodano	12 maj 2026	30 lip 2026

Najważniejsze różnice

Perceptron: Perceptron Mk1 jest o 67% tańszy na tokenach wejściowych.
Thinking Machines: Inkling Small jest o 20% tańszy na tokenach wyjściowych.
Thinking Machines: Inkling Small przyjmuje 16.0× więcej kontekstu (524 288 tokenów).
Tylko Thinking Machines: Inkling Small obsługuje wywołania narzędzi.
Tylko Perceptron: Perceptron Mk1 obsługuje ustrukturyzowane wyjście JSON.
Żądanie z 1000 tokenów wejściowych i 500 wyjściowych kosztuje 0,00315 USD z Perceptron: Perceptron Mk1 i 0,00368 USD z Thinking Machines: Inkling Small.

Szczegółowo

Perceptron: Perceptron Mk1 to model tekstowy od Perceptron, wydany 12 maja 2026. Thinking Machines: Inkling Small to model tekstowy od Thinking Machines, wydany później, 30 lipca 2026. Oba są udostępniane przez api14 i oba przyjmują dane wejściowe multimodalne oraz zwracają tekst, więc wybór między nimi sprowadza się do tego, ile kontekstu potrzebujesz, jakie rodzaje mediów wprowadzasz i na których parametrach żądania polegasz.

Najbardziej oczywisty podział dotyczy okna kontekstu. Inkling Small obsługuje kontekst 524288 tokenów, który jest znacznie większy niż 32768 tokenów dozwolonych przez Perceptron Mk1. Na wejściu Perceptron Mk1 przyjmuje tekst, obrazy i wideo, natomiast Inkling Small przyjmuje tekst, obrazy i audio. Zatem wejście wideo wskazuje na Perceptron Mk1, a wejście audio wskazuje na Inkling Small. Oba zwracają wyłącznie tekst. Różnią się także pod względem parametrów: Perceptron Mk1 to ten, który udostępnia structured outputs, co ma znaczenie, jeśli potrzebujesz, aby odpowiedź była zgodna ze schematem. Inkling Small to ten, który obsługuje tools, więc to jego należy wybrać do function calling i przepływów pracy opartych na narzędziach. Perceptron Mk1 wymienia także frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, temperature, top_k i top_p. Inkling Small wymienia te same oraz dodatkowo logit_bias, min_p, reasoning_effort, repetition_penalty, seed, stop, tool_choice i tools. Obsługa rozumowania nie jest tutaj istotnym czynnikiem różnicującym.

W praktycznym wyborze sięgnij po Perceptron Mk1, gdy Twoje zadanie opiera się na structured output, gdy musisz wysłać wideo razem z tekstem albo gdy chcesz model tańszy na wejściu. Sięgnij po Inkling Small, gdy zadanie obejmuje długie dokumenty, które nie zmieszczą się w 32768 tokenach, gdy potrzebujesz wejścia audio, gdy potrzebujesz tool calling lub function calling albo gdy chcesz model tańszy na wyjściu. Jeśli Twoje obciążenie jest mieszane, limit kontekstu jest zwykle pierwszą rzeczą do sprawdzenia: wszystko duże w ogóle nie zmieści się w Perceptron Mk1, więc decyzja zostaje podjęta za Ciebie. Jeśli kontekst mieści się z zapasem i potrzebujesz odpowiedzi ograniczonej schematem, obsługa structured outputs w Perceptron Mk1 czyni go prostszą opcją.

Wywoływanie któregokolwiek z tych modeli przez api14 korzysta z tej samej powierzchni zgodnej z OpenAI. Kierujesz klienta na bazowy URL api14, wysyłasz żądanie do endpointu chat completions i ustawiasz pole model na identyfikator, którego chcesz użyć. Jedyna zmiana między nimi to ten łańcuch: użyj perceptron/perceptron-mk1 dla Perceptron Mk1 i thinkingmachines/inkling-small dla Inkling Small. Otaczający kod, formatowanie wiadomości i parsowanie odpowiedzi pozostają takie same, o ile używasz tylko parametrów obsługiwanych przez wybrany model, więc warto sprawdzić tę listę, zanim przeniesiesz żądanie. Pamiętaj, że tool_choice i tools istnieją tylko w Inkling Small; structured_outputs istnieje tylko w Perceptron Mk1. Tabela bieżących cen na tej stronie pokazuje aktualne stawki dla każdego z nich, więc porównaj tam ceny wejścia i wyjścia przed podjęciem decyzji.

Zmień jednym ciągiem znaków

Oba modele używają tego samego endpointu i tej samej struktury żądania. Zmień wartość model z "perceptron/perceptron-mk1" na "thinkingmachines/inkling-small", prompty, streaming i narzędzia działają dalej.

Perceptron: Perceptron Mk1: szczegóły i piaskownica →Thinking Machines: Inkling Small: 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": "thinkingmachines/inkling-small",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Perceptron: Perceptron Mk1 kontra Thinking Machines: Inkling Small

Specyfikacja

Najważniejsze różnice

Szczegółowo

Zmień jednym ciągiem znaków

Więcej porównań