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 Inkling Small: preço da API, contexto e recursos · api14

Perceptron: Perceptron Mk1 contra Thinking Machines: Inkling Small

Uma comparação lado a lado entre Perceptron: Perceptron Mk1 (US$ 0,52 / 1M fragmentos (≈ R$ 2,87)) e Thinking Machines: Inkling Small (US$ 1,58 / 1M fragmentos (≈ R$ 8,61)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.

Especificações

	Perceptron: Perceptron Mk1	Thinking Machines: Inkling Small
Provedor	Perceptron	Thinking Machines
Entrada	US$ 0,52 / 1M fragmentos (≈ R$ 2,87)	US$ 1,58 / 1M fragmentos (≈ R$ 8,61)
Saída	US$ 5,25 / 1M fragmentos (≈ R$ 28,71)	US$ 4,20 / 1M fragmentos (≈ R$ 22,97)
Leitura de cache	-	US$ 0,35 / 1M fragmentos (≈ R$ 1,91)
Janela de contexto	32.768	524.288
Saída máxima	8.192	262.144
Entrada	text, image, video	text, image, audio
Saída	text	text
chamada de ferramentas
Saída estruturada
Controle de raciocínio
Adicionado em	12 de mai. de 2026	30 de jul. de 2026

Principais diferenças

Perceptron: Perceptron Mk1 é 67% mais barato nos tokens de entrada.
Thinking Machines: Inkling Small é 20% mais barato nos tokens de saída.
Thinking Machines: Inkling Small lê 16.0× mais contexto (524.288 tokens).
Só o Thinking Machines: Inkling Small suporta chamada de ferramentas.
Só o Perceptron: Perceptron Mk1 suporta saída JSON estruturada.
Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,00315 com Perceptron: Perceptron Mk1 e US$ 0,00368 com Thinking Machines: Inkling Small.

Em detalhe

Perceptron: Perceptron Mk1 é um modelo de texto da Perceptron, lançado em 12 de maio de 2026. Thinking Machines: Inkling Small é um modelo de texto da Thinking Machines, lançado mais tarde, em 30 de julho de 2026. Ambos são servidos através do api14 e ambos aceitam entrada multimodal e retornam texto, portanto a escolha entre eles resume-se a quanto contexto você precisa, que tipos de mídia você está fornecendo e em quais parâmetros de requisição você confia.

A divisão mais óbvia é a janela de contexto. O Inkling Small suporta um contexto de 524288 tokens, que é muito maior que os 32768 tokens que o Perceptron Mk1 permite. Na entrada, o Perceptron Mk1 aceita texto, imagens e vídeo, enquanto o Inkling Small aceita texto, imagens e áudio. Portanto, entrada de vídeo aponta para o Perceptron Mk1 e entrada de áudio aponta para o Inkling Small. Ambos produzem apenas texto. Eles também diferem nos parâmetros: o Perceptron Mk1 é o que expõe saídas estruturadas, o que importa se você precisa que a resposta esteja em conformidade com um esquema. O Inkling Small é o que suporta ferramentas, então é o lado a escolher para chamadas de função e fluxos de trabalho orientados por ferramentas. O Perceptron Mk1 também lista frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, temperature, top_k e top_p. O Inkling Small lista esses mais logit_bias, min_p, reasoning_effort, repetition_penalty, seed, stop, tool_choice e tools. O suporte a raciocínio não é um diferenciador significativo aqui.

Para seleção prática, recorra ao Perceptron Mk1 quando sua tarefa depende de saída estruturada, quando você precisa enviar vídeo junto com texto, ou quando você quer o modelo mais barato na entrada. Recorra ao Inkling Small quando o trabalho envolve documentos longos que não caberão em 32768 tokens, quando você precisa de entrada de áudio, quando você precisa de chamadas de ferramenta ou função, ou quando você quer o modelo mais barato na saída. Se sua carga de trabalho é mista, o limite de contexto geralmente é a primeira coisa a verificar: qualquer coisa grande não caberá no Perceptron Mk1 de forma alguma, então a decisão é tomada para você. Se o contexto couber confortavelmente e você precisar de uma resposta restringida por esquema, o suporte a saídas estruturadas no Perceptron Mk1 o torna a opção mais simples.

Chamar qualquer um dos modelos através do api14 usa a mesma superfície compatível com OpenAI. Você aponta seu cliente para a URL base do api14, envia sua requisição para o endpoint de chat completions e define o campo model para o id desejado. A única mudança entre os dois é essa string: use perceptron/perceptron-mk1 para o Perceptron Mk1 e thinkingmachines/inkling-small para o Inkling Small. Seu código ao redor, sua formatação de mensagens e sua análise de resposta permanecem os mesmos desde que você use apenas parâmetros que o modelo escolhido suporta, então vale a pena verificar essa lista antes de mover uma requisição de um para o outro. Tenha em mente que tool_choice e tools só existem no Inkling Small; structured_outputs só existe no Perceptron Mk1. A tabela de preços ao vivo nesta página mostra as tarifas atuais para cada um, então compare os preços de entrada e saída lá antes de decidir.

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 "thinkingmachines/inkling-small", prompts, streaming e ferramentas continuam funcionando.

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

Perceptron: Perceptron Mk1 contra Thinking Machines: Inkling Small

Especificações

Principais diferenças

Em detalhe

Troque com uma string

Mais comparações