inclusionAI: Ling 3.1 Flash contra Reka Flash 3
Uma comparação lado a lado entre inclusionAI: Ling 3.1 Flash (US$ 0,26 / 1M fragmentos (≈ R$ 1,44)) e Reka Flash 3 (US$ 0,35 / 1M fragmentos (≈ R$ 1,91)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| inclusionAI: Ling 3.1 Flash | Reka Flash 3 | |
|---|---|---|
| Provedor | inclusionAI | Reka AI |
| Entrada | US$ 0,26 / 1M fragmentos (≈ R$ 1,44) | US$ 0,35 / 1M fragmentos (≈ R$ 1,91) |
| Saída | US$ 0,79 / 1M fragmentos (≈ R$ 4,31) | US$ 0,70 / 1M fragmentos (≈ R$ 3,83) |
| Leitura de cache | US$ 0,05 / 1M fragmentos (≈ R$ 0,29) | - |
| Janela de contexto | 1.000.000 | 65.536 |
| Saída máxima | 262.144 | 58.982 |
| Entrada | text | text |
| Saída | text | text |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 2 de out. de 2026 | 12 de mar. de 2025 |
Principais diferenças
- inclusionAI: Ling 3.1 Flash é 25% mais barato nos tokens de entrada.
- Reka Flash 3 é 11% mais barato nos tokens de saída.
- inclusionAI: Ling 3.1 Flash lê 15.3× mais contexto (1.000.000 tokens).
- Só o inclusionAI: Ling 3.1 Flash suporta chamada de ferramentas.
- Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,000656 com inclusionAI: Ling 3.1 Flash e US$ 0,000700 com Reka Flash 3.
Em detalhe
inclusionAI: Ling 3.1 Flash é um modelo de texto da inclusionAI, lançado em 2026-10-02. Reka Flash 3 é um modelo de texto da Reka AI, lançado em 2025-03-12. Ambos são servidos através do api14 como modelos de chat com entrada de texto e saída de texto, portanto nenhum dos dois lida com imagens, áudio ou outras modalidades não textuais. A principal diferença estrutural entre eles é a escala: Ling 3.1 Flash tem uma janela de contexto de 1.000.000 de tokens, enquanto Reka Flash 3 tem uma janela de contexto de 65.536 tokens.
Essa diferença no comprimento do contexto é a diferença de capacidade mais clara. Ling 3.1 Flash consegue conter aproximadamente quinze vezes mais texto numa única requisição, o que importa para documentos longos, bases de código grandes, transcrições extensas ou execuções de agentes com múltiplos passos em que se pretende manter todo o histórico numa só chamada. Reka Flash 3 foi concebido em torno de entradas mais curtas. Em termos de parâmetros, Ling 3.1 Flash suporta um conjunto mais amplo, incluindo tools e tool_choice, logit_bias, min_p e repetition_penalty, nenhum dos quais aparece na lista do Reka Flash 3. Ambos os modelos suportam reasoning e include_reasoning, structured_outputs, response_format do lado do Ling, temperature, top_p, top_k, seed, stop, logprobs e top_logprobs, portanto a amostragem básica e a geração estruturada estão disponíveis em qualquer um deles. A chamada de ferramentas é a linha divisória prática: apenas o Ling 3.1 Flash lista tools e tool_choice, portanto, se a sua aplicação precisa de chamada de funções, esse é o modelo a usar.
Para o trabalho do dia a dia, escolha com base na forma do pedido e não em alegações de qualidade bruta. Se está a resumir um contrato longo, a pesquisar num repositório grande ou a executar um agente que acumula contexto ao longo de muitos turnos, Ling 3.1 Flash é a escolha natural porque a janela de 1.000.000 de tokens mantém tudo num único prompt e o seu suporte a ferramentas encaixa nos ciclos de agentes. Se os seus prompts são curtos, como classificação, extração, reescrita de um parágrafo ou uma pergunta de um único turno com uma quantidade moderada de texto de referência, Reka Flash 3 é uma escolha razoável e o seu preço de saída é o mais barato dos dois. No preço de entrada, Ling 3.1 Flash é o lado mais barato, portanto cargas de trabalho com muita entrada e que caibam dentro de 65.536 tokens podem ainda pender para Ling 3.1 Flash em termos de custo, enquanto cargas de trabalho com muita saída favorecem Reka Flash 3. Consulte a tabela de preços em tempo real nesta página para os números efetivos antes de decidir.
Chamar qualquer um dos modelos através do api14 funciona da mesma forma porque a API é compatível com OpenAI. Aponta o seu cliente para o URL base do api14, envia um pedido padrão de chat completions com o seu array de messages e define o campo model. A única mudança entre os dois é essa string: use inclusionai/ling-3.1-flash para Ling 3.1 Flash e rekaai/reka-flash-3 para Reka Flash 3. O seu código existente do SDK da OpenAI, a forma do pedido e a análise da resposta permanecem como estão, portanto a troca é uma edição de uma linha e pode encaminhar pedidos diferentes para modelos diferentes a partir da mesma base de código.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "inclusionai/ling-3.1-flash" para "rekaai/reka-flash-3", 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": "rekaai/reka-flash-3",
"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