ByteDance: UI-TARS 7B contra inclusionAI: Ling 3.1 Flash
Uma comparação lado a lado entre ByteDance: UI-TARS 7B (US$ 0,35 / 1M fragmentos (≈ R$ 1,93)) e inclusionAI: Ling 3.1 Flash (US$ 0,16 / 1M fragmentos (≈ R$ 0,87)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| ByteDance: UI-TARS 7B | inclusionAI: Ling 3.1 Flash | |
|---|---|---|
| Provedor | ByteDance | inclusionAI |
| Entrada | US$ 0,35 / 1M fragmentos (≈ R$ 1,93) | US$ 0,16 / 1M fragmentos (≈ R$ 0,87) |
| Saída | US$ 0,70 / 1M fragmentos (≈ R$ 3,85) | US$ 0,47 / 1M fragmentos (≈ R$ 2,60) |
| Leitura de cache | US$ 0,35 / 1M fragmentos (≈ R$ 1,93) | US$ 0,03 / 1M fragmentos (≈ R$ 0,17) |
| Janela de contexto | 128.000 | 1.000.000 |
| Saída máxima | 2.048 | 262.144 |
| Entrada | image, text | text |
| Saída | text | text |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 22 de jul. de 2025 | 2 de out. de 2026 |
Principais diferenças
- inclusionAI: Ling 3.1 Flash é 55% mais barato nos tokens de entrada.
- inclusionAI: Ling 3.1 Flash é 32% mais barato nos tokens de saída.
- inclusionAI: Ling 3.1 Flash lê 7.8× mais contexto (1.000.000 tokens).
- Só o inclusionAI: Ling 3.1 Flash suporta chamada de ferramentas.
- Só o inclusionAI: Ling 3.1 Flash suporta controle do esforço de raciocínio.
- Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,000700 com ByteDance: UI-TARS 7B e US$ 0,000394 com inclusionAI: Ling 3.1 Flash.
Em detalhe
ByteDance: UI-TARS 7B é um modelo de saída de texto da ByteDance, lançado em 2025-07-22. Ele aceita tanto imagens quanto texto como entrada, o que o coloca no pequeno grupo de modelos que conseguem analisar uma captura de tela ou uma imagem junto com um prompt. inclusionAI: Ling 3.1 Flash vem da inclusionAI, lançado em 2026-10-02, e é um modelo de entrada de texto e saída de texto. Ambos estão listados na api14 sob a categoria de texto, portanto nenhum dos dois é um endpoint dedicado de embedding ou de geração de imagens.
A divisão mais clara entre eles é contexto e modalidade. Ling 3.1 Flash carrega uma janela de contexto de 1.000.000 de tokens, muito maior que os 128.000 tokens oferecidos pelo UI-TARS 7B, então Ling é o modelo a procurar quando você precisa alimentar documentos muito longos ou históricos longos de conversa em uma única chamada. UI-TARS 7B é o único dos dois que aceita entrada de imagem, então qualquer tarefa envolvendo material visual precisa ir para ele. Em ferramentas, Ling 3.1 Flash é o único que expõe tools e tool_choice, e também é o único que expõe reasoning e include_reasoning, então fluxos de trabalho no estilo agente e controle explícito de raciocínio pertencem ao Ling. Ambos suportam structured_outputs, então essa capacidade não os separa. Em preço, Ling 3.1 Flash é a opção mais barata para tokens de entrada, enquanto UI-TARS 7B é a opção mais barata para tokens de saída, então o quadro de custos depende do formato do seu tráfego.
Para seleção prática, comece pela entrada. Se sua requisição inclui uma imagem, UI-TARS 7B é a escolha, já que Ling 3.1 Flash não consegue aceitar uma. Se sua requisição é texto puro e longo, Ling 3.1 Flash é a escolha, porque sua janela de contexto é cerca de oito vezes maior e ele não vai truncar um documento grande como o UI-TARS 7B faria. Se você precisa que o modelo chame funções ou ferramentas, ou quer a saída de raciocínio exposta, Ling 3.1 Flash é novamente a escolha, pois UI-TARS 7B não expõe esses parâmetros. Se sua carga de trabalho é de prompts de texto curtos com respostas geradas longas, UI-TARS 7B tem o lado de saída mais barato, o que pode importar mais que o lado de entrada dependendo da sua proporção de geração para prompt. Ambos aceitam temperature, top_p, top_k, seed, stop, frequency_penalty, presence_penalty, repetition_penalty, logit_bias, logprobs e top_logprobs, então controles de amostragem e de log-probabilidade estão disponíveis em qualquer um dos dois.
Chamar qualquer um dos modelos através da api14 usa a mesma superfície compatível com OpenAI. Você aponta seu cliente para a URL base da api14, envia sua chave e define o campo model para o id desejado. Para UI-TARS 7B esse id é "bytedance/ui-tars-1.5-7b"; para Ling 3.1 Flash é "inclusionai/ling-3.1-flash". O formato do corpo da requisição permanece o mesmo, e alternar entre os dois é uma mudança de uma linha na string do model. A principal ressalva é que os parâmetros não são idênticos entre os dois: se você enviar tools ou reasoning para UI-TARS 7B, ou uma imagem para Ling 3.1 Flash, a chamada não se comportará como se comportaria no outro modelo, então mantenha seu construtor de requisições ciente de qual id está em jogo.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "bytedance/ui-tars-1.5-7b" para "inclusionai/ling-3.1-flash", prompts, streaming e ferramentas continuam funcionando.
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": "inclusionai/ling-3.1-flash",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Mais comparações
- LiquidAI: LFM3-1.7B contra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contra Crouton Alpha
- LiquidAI: LFM3-1.7B contra Tencent: Hy4
- LiquidAI: LFM3-1.7B contra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contra Crouton Alpha
- Ricursive: Ripple 65B Preview contra Tencent: Hy4
- Ricursive: Ripple 65B Preview contra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contra Tencent: Hy4