Perceptron: Perceptron Mk1 mot Thinking Machines: Inkling Small
En jämförelse sida vid sida av Perceptron: Perceptron Mk1 (0,52 US$ / 1M textdelar (≈ 5,14 kr)) och Thinking Machines: Inkling Small (1,58 US$ / 1M textdelar (≈ 15,43 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| Perceptron: Perceptron Mk1 | Thinking Machines: Inkling Small | |
|---|---|---|
| Leverantör | Perceptron | Thinking Machines |
| Indata | 0,52 US$ / 1M textdelar (≈ 5,14 kr) | 1,58 US$ / 1M textdelar (≈ 15,43 kr) |
| Utdata | 5,25 US$ / 1M textdelar (≈ 51,43 kr) | 4,20 US$ / 1M textdelar (≈ 41,14 kr) |
| Cacheläsning | - | 0,35 US$ / 1M textdelar (≈ 3,43 kr) |
| Kontextfönster | 32 768 | 524 288 |
| Max utdata | 8 192 | 262 144 |
| Indata | text, image, video | text, image, audio |
| Utdata | text | text |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 12 maj 2026 | 30 juli 2026 |
Viktiga skillnader
- Perceptron: Perceptron Mk1 är 67% billigare på indata-tokens.
- Thinking Machines: Inkling Small är 20% billigare på utdata-tokens.
- Thinking Machines: Inkling Small läser 16.0× mer kontext (524 288 tokens).
- Endast Thinking Machines: Inkling Small stöder verktygsanrop.
- Endast Perceptron: Perceptron Mk1 stöder strukturerad JSON-utdata.
- Ett anrop med 1 000 indata- och 500 utdata-tokens kostar 0,00315 US$ med Perceptron: Perceptron Mk1 och 0,00368 US$ med Thinking Machines: Inkling Small.
Mer i detalj
Perceptron: Perceptron Mk1 är en textmodell från Perceptron, släppt den 12 maj 2026. Thinking Machines: Inkling Small är en textmodell från Thinking Machines, släppt senare, den 30 juli 2026. Båda levereras via api14 och båda tar multimodala indata och returnerar text, så valet mellan dem handlar om hur mycket kontext du behöver, vilka typer av media du matar in och vilka förfrågningsparametrar du förlitar dig på.
Den mest uppenbara skillnaden är kontextfönstret. Inkling Small stöder en kontext på 524288 tokens, vilket är mycket större än de 32768 tokens som Perceptron Mk1 tillåter. För indata accepterar Perceptron Mk1 text, bilder och video, medan Inkling Small accepterar text, bilder och ljud. Så videoindata pekar mot Perceptron Mk1 och ljudindata pekar mot Inkling Small. Båda producerar endast text. De skiljer sig också åt när det gäller parametrar: Perceptron Mk1 är den som exponerar strukturerade utdata, vilket spelar roll om du behöver att svaret följer ett schema. Inkling Small är den som stöder verktyg, så det är den sidan att välja för funktionsanrop och verktygsdrivna arbetsflöden. Perceptron Mk1 listar också frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, temperature, top_k och top_p. Inkling Small listar dessa plus logit_bias, min_p, reasoning_effort, repetition_penalty, seed, stop, tool_choice och tools. Stöd för resonemang är inte en meningsfull särskiljande faktor här.
För praktiskt val, välj Perceptron Mk1 när din uppgift hänger på strukturerade utdata, när du behöver skicka video tillsammans med text, eller när du vill ha modellen som är billigare på indata. Välj Inkling Small när jobbet involverar långa dokument som inte får plats i 32768 tokens, när du behöver ljudindata, när du behöver verktygs- eller funktionsanrop, eller när du vill ha modellen som är billigare på utdata. Om din arbetsbelastning är en blandning är kontextgränsen vanligtvis det första att kontrollera: något stort får inte plats i Perceptron Mk1 alls, så beslutet är redan fattat åt dig. Om kontexten ryms bekvämt och du behöver ett schemabegränsat svar, gör stödet för strukturerade utdata på Perceptron Mk1 det till det enklare alternativet.
Att anropa endera modellen via api14 använder samma OpenAI-kompatibla yta. Du pekar din klient mot api14:s bas-URL, skickar din förfrågan till chat completions-endpointen och ställer in modellfältet till det id du vill ha. Den enda ändringen mellan de två är den strängen: använd perceptron/perceptron-mk1 för Perceptron Mk1 och thinkingmachines/inkling-small för Inkling Small. Din omgivande kod, din meddelandeformatering och din svarsanalys förblir densamma så länge du bara använder parametrar som den valda modellen stöder, så det är värt att kontrollera den listan innan du flyttar en förfrågan mellan dem. Tänk på att tool_choice och tools endast finns på Inkling Small; structured_outputs finns endast på Perceptron Mk1. Den aktuella pristabellen på denna sida visar gällande priser för var och en, så jämför indata- och utdatapriser där innan du bestämmer dig.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "perceptron/perceptron-mk1" till "thinkingmachines/inkling-small", promptar, streaming och verktyg fortsätter att fungera.
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);
Fler jämförelser
- LiquidAI: LFM3-1.7B mot Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B mot Crouton Alpha
- LiquidAI: LFM3-1.7B mot Tencent: Hy4
- LiquidAI: LFM3-1.7B mot Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview mot Crouton Alpha
- Ricursive: Ripple 65B Preview mot Tencent: Hy4
- Ricursive: Ripple 65B Preview mot Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha mot Tencent: Hy4