Inception: Mercury 3 är en textmodell från Inception, och Z.ai: GLM 4.7 Flash är en textmodell från Z.ai. Båda serveras via api14 som chattmodeller i textkategorin, vilket innebär att de tar emot text och returnerar text. Ingen av dem accepterar bilder, ljud eller andra icke-textindata, så om din arbetsbelastning omfattar något utöver text behöver du en annan modell på endera sidan. De två skiljer sig främst åt i skala och i hur mycket kontroll de ger dig över genereringen.
Den tydligaste skillnaden är kontext. Mercury 3 har ett kontextfönster på 1 000 000 token, medan GLM 4.7 Flash har 200 000. Det är en femfaldig skillnad, och den spelar roll om du matar in långa dokument, stora kodbaser eller utökade konversationshistoriker i ett enda anrop. Priset är inte heller samma för de två: GLM 4.7 Flash är det billigare alternativet för indata-token, medan Mercury 3 är det billigare alternativet för utdata-token. Så kostnadsfrågan beror på din kvot mellan prompt-token och completion-token. En arbetsbelastning som läser mycket och skriver lite lutar mot GLM 4.7 Flash, medan en som läser lite och skriver mycket lutar mot Mercury 3. Båda exponerar verktyg, strukturerade utdata och resonemangskontroller, så ingen av dem har en exklusiv funktion där.
För praktiskt val, börja med hur förfrågan ser ut. Om du behöver skicka mycket stora indata, till exempel ett helt kodförråd, en lång transkription eller en hög referensdokument, är Mercury 3 det naturliga valet på grund av sitt större kontextfönster. Om dina prompter är måttliga och du genererar långa utdata, till exempel utkast, längre sammanfattningar eller kodgenerering med omfattande completioner, talar Mercury 3:s billigare utdatapris till dess fördel. Om dina prompter är stora men dina svar är korta, till exempel klassificering, extrahering eller routning över långa indata, är GLM 4.7 Flash det bättre ekonomiska valet. GLM 4.7 Flash exponerar också en bredare uppsättning samplingsparametrar, inklusive frequency- och presence-penalties, logit bias, logprobs, min_p, repetition penalty, seed, top_k, top_p och top_logprobs. Om du förlitar dig på seedad reproducerbarhet, token-nivå log-sannolikheter eller finmaskig samplingskontroll, är den parameteruppsättningen ett verkligt skäl att välja den. Mercury 3:s parameterlista är snävare och centrerad kring reasoning effort, response format, stop-sekvenser, temperature och tool choice.
Att anropa endera modellen via api14 fungerar på samma sätt, eftersom API:et är OpenAI-kompatibelt. Du pekar din klient mot api14:s bas-URL, skickar en standardförfrågan för chat completions och ställer in modellfältet till det id du vill använda. För att använda Mercury 3, ställ in modellen till "inception/mercury-3". För att använda GLM 4.7 Flash, ställ in modellen till "z-ai/glm-4.7-flash". Allt annat i förfrågans body, messages-arrayen, tools, response format, förblir detsamma. Att växla mellan de två är en ändring på en rad, vilket gör det billigt att benchmarka båda mot din egen trafik i stället för att gissa utifrån specifikationer.
Det finns fortfarande fall där GLM 4.7 Flash är det bättre valet även när kontexten inte är begränsningen. Om din uppgift är beroende av logprobs eller top_logprobs för konfidensuppskattning, eller av ett fast seed för reproducerbar sampling, listar Mercury 3 inte dessa parametrar, så GLM 4.7 Flash är den att anropa. Detsamma gäller om du behöver penalties eller top_k- och top_p-justering som en del av din promptstrategi. Omvänt, om du behöver en mycket stor kontext och billiga utdata, är Mercury 3 den att välja.