Usamos cookies. Cookies e o armazenamento do navegador mantêm você conectado e lembram suas preferências. Com sua permissão, também medimos como o site é usado. Você pode a qualquer momento. Veja nossa política de cookies.

Novo por aqui? Veja como funciona Um tour de 1 minuto pelo ambiente de testes, pelos modelos e pela sua chave de API.

Perceptron Mk1 vs Llama 3.1 Euryale 70B v2.2: preço da API, contexto e recursos · api14

Perceptron: Perceptron Mk1 contra Sao10K: Llama 3.1 Euryale 70B v2.2

Uma comparação lado a lado entre Perceptron: Perceptron Mk1 (US$ 0,52 / 1M fragmentos (≈ R$ 2,87)) e Sao10K: Llama 3.1 Euryale 70B v2.2 (US$ 2,98 / 1M fragmentos (≈ R$ 16,27)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.

Especificações

	Perceptron: Perceptron Mk1	Sao10K: Llama 3.1 Euryale 70B v2.2
Provedor	Perceptron	Sao10K
Entrada	US$ 0,52 / 1M fragmentos (≈ R$ 2,87)	US$ 2,98 / 1M fragmentos (≈ R$ 16,27)
Saída	US$ 5,25 / 1M fragmentos (≈ R$ 28,71)	US$ 2,98 / 1M fragmentos (≈ R$ 16,27)
Janela de contexto	32.768	131.072
Saída máxima	8.192	16.384
Entrada	text, image, video	text
Saída	text	text
chamada de ferramentas
Saída estruturada
Controle de raciocínio
Adicionado em	12 de mai. de 2026	28 de ago. de 2024

Principais diferenças

Perceptron: Perceptron Mk1 é 82% mais barato nos tokens de entrada.
Sao10K: Llama 3.1 Euryale 70B v2.2 é 43% mais barato nos tokens de saída.
Sao10K: Llama 3.1 Euryale 70B v2.2 lê 4.0× mais contexto (131.072 tokens).
Só o Perceptron: Perceptron Mk1 suporta controle do esforço de raciocínio.
Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,00315 com Perceptron: Perceptron Mk1 e US$ 0,00446 com Sao10K: Llama 3.1 Euryale 70B v2.2.

Em detalhe

Perceptron: O Perceptron Mk1 é um modelo de texto da Perceptron, lançado em 2026-05-12. Sao10K: O Llama 3.1 Euryale 70B v2.2 vem da Sao10K e foi lançado em 2024-08-28. Ambos são servidos como modelos da categoria texto na api14, e ambos retornam texto como sua única modalidade de saída, então qualquer coisa que você gerar com qualquer um deles volta como texto.

Os dois divergem mais claramente em contexto, modalidades e raciocínio. O Perceptron Mk1 aceita texto, imagem e vídeo como entrada, enquanto o modelo Euryale aceita apenas texto. Isso faz do Perceptron Mk1 a escolha quando seu prompt precisa incluir uma captura de tela, um diagrama, uma página digitalizada ou um clipe de vídeo junto com instruções escritas. O modelo Euryale tem a janela de contexto maior, com 131072 tokens contra 32768 do Perceptron Mk1, então ele pode conter muito mais texto em uma única chamada, o que importa para documentos longos, transcrições extensas ou grandes volumes de material de referência. O Perceptron Mk1 é o único dos dois descrito como compatível com raciocínio, e seu conjunto de parâmetros inclui include_reasoning e reasoning, então é o modelo a procurar quando você quer que o modelo trabalhe um problema antes de responder. O modelo Euryale, por sua vez, expõe um conjunto mais amplo de parâmetros de amostragem e controle, incluindo logit_bias, min_p, repetition_penalty, seed e stop, o que lhe dá controle mais fino sobre como seu texto é produzido. Em saídas estruturadas os dois não são significativamente diferentes, e nenhum é destacado como o único com suporte a ferramentas.

Para escolher entre eles, comece pelo formato da entrada. Se sua tarefa envolve imagens ou vídeo, apenas o Perceptron Mk1 pode receber isso, então a decisão já está tomada. Se sua tarefa é apenas texto, mas o material é muito longo, o contexto maior do modelo Euryale é uma vantagem real, e seus controles extras (seed para reprodutibilidade, logit_bias para direcionamento, repetition_penalty para texto em loop) servem para trabalho de geração em que você quer ajustar a saída. Se sua tarefa é um problema de texto que se beneficia de raciocínio explícito, o Perceptron Mk1 é o modelo a chamar. Em custo, a entrada é mais barata no Perceptron Mk1, enquanto a saída é mais barata no modelo Euryale, então a opção mais barata depende de sua carga de trabalho ser pesada em entrada ou pesada em saída; a tabela de preços ao vivo mostra os números atuais.

Chamar qualquer um dos modelos funciona da mesma forma através da API compatível com OpenAI da api14. Você aponta seu cliente para a URL base da api14, envia sua requisição para o endpoint de chat completions com sua chave da api14, e define o campo model para o id que você quer. Para usar o Perceptron Mk1, defina o id do modelo como perceptron/perceptron-mk1. Para usar o modelo Euryale, defina como sao10k/l3.1-euryale-70b. Todo o resto no corpo da requisição mantém o mesmo formato, então trocar de modelo é uma mudança de uma linha no id do modelo. Tenha em mente que os parâmetros não são idênticos entre os dois: o Perceptron Mk1 suporta reasoning e include_reasoning, o que o modelo Euryale não suporta, e o modelo Euryale suporta logit_bias, min_p, repetition_penalty, seed e stop, o que o Perceptron Mk1 não suporta. Envie apenas parâmetros que o modelo de destino lista, e o mesmo caminho de código servirá para ambos.

Troque com uma string

Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "perceptron/perceptron-mk1" para "sao10k/l3.1-euryale-70b", prompts, streaming e ferramentas continuam funcionando.

Perceptron: Perceptron Mk1: detalhes e ambiente de testes →Sao10K: Llama 3.1 Euryale 70B v2.2: detalhes e ambiente de testes →

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": "sao10k/l3.1-euryale-70b",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Perceptron: Perceptron Mk1 contra Sao10K: Llama 3.1 Euryale 70B v2.2

Especificações

Principais diferenças

Em detalhe

Troque com uma string

Mais comparações