Comparação de modelos
Compare Inkling e Celeris-1 Magnus usando a mesma rubrica texto e raciocínio fornecida pelo provedor. Nenhuma pontuação misteriosa e nenhuma classificação de benchmark inventada.
Fatos verificados 4 de setembro de 2026
Defina seu uso. A estimativa é atualizada enquanto você digita.
Exemplo: 6.000 tokens de entrada para 10 páginas e 500 para o resumo. O tamanho varia; ajuste os valores.
Uma execução envia sua entrada ao modelo uma vez e recebe uma resposta. Tokens são partes de texto: entrada é o que você envia, saída é a resposta que recebe.
Estimativas sem impostos, ferramentas, armazenamento/gravação de cache, franquias gratuitas e descontos personalizados. Imagens incluem apenas a saída, sem prompt ou referências. Os modos de qualidade variam. Configurações não listadas não são consideradas gratuitas.
| Modelo | Acesso | Total estimado (USD) |
|---|---|---|
| Celeris-1 MagnusCeleris | Celeris | Sem preço revisado |
| InklingThinking Machines Lab | Thinking Machines Lab | Sem preço revisado |
Tomada rápida
Modelo de grandes pesos abertos do Thinking Machines Lab para raciocínio, codificação, ferramentas, visão e fluxos de trabalho de áudio personalizáveis.
Um modelo 975B é um projeto de serviço sério, mesmo com ativação esparsa. Compare a rota hospedada ou auto-hospedada exata e não presuma que o contexto máximo de 1 milhão do modelo está disponível em todos os provedores.
Modelo de linguagem de difusão focado em agente Celeris para raciocínio rápido, loops de ferramentas, ações estruturadas e integração compatível com OpenAI.
A página pública de preços rotula Celeris-1 em vez de Magnus, e o serviço permanece antecipado. Confirme diretamente o faturamento, a capacidade, o suporte, a retenção de dados e um SLA de produção da Magnus.
Compare os fatos publicados
Os valores usam as próprias unidades e limites publicados de cada provedor. Um espaço em branco significa que o fornecedor não publicou um valor diretamente comparável nas fontes analisadas.
| Texto e raciocínio | Inkling | Celeris-1 Magnus |
|---|---|---|
| Janela de contextoMáximo combinado de prompt e contexto de trabalho documentado pelo provedor. | Até 1 milhão de tokens; Tinker oferece 64K e 256K | 131.072 tokens combinados |
| Saída máximaLimite de resposta publicado pelo provedor, quando disponível. | Não publicado separadamente | Qualquer limite positivo dentro do contexto combinado |
| Corte de conhecimentoÚltima data de conhecimento confiável publicada explicitamente pelo fornecedor do modelo. As ferramentas de pesquisa e conectadas podem recuperar informações mais recentes, mas não alteram o corte integrado do modelo. | Não publicado | Não publicado |
| Preço de entradaPreço de lista padrão atual por milhão de tokens de entrada, salvo indicação em contrário. | Dependente de hospedagem | Taxa familiar listada de US$ 0,20/1 milhão; verifique Magno |
| Preço de saídaPreço de lista padrão atual por milhão de tokens de saída, salvo indicação em contrário. | Dependente de hospedagem | Taxa familiar listada de US$ 0,70/1 milhão; verifique Magno |
| EntradasTipos de mídia aceitos pelo endpoint do modelo listado. | Texto, imagem, áudio | Texto; partes de conteúdo de imagem suportadas pela API |
| Ferramentas e agentesFerramentas nativas selecionadas e recursos de criação de agentes, não uma lista exaustiva. | Codificação agente, ferramentas, visão assistida por Python, pensamento controlável | Ferramentas, esquema JSON, raciocínio baixo/médio/xalto |
Como escolher
Comece com o trabalho que você precisa concluir e, em seguida, valide os detalhes de custo, acesso e política na rota exata do seu provedor.
Os pesos abertos podem ser auto-hospedados para que os dados solicitados permaneçam na infraestrutura que você controla. Tinker e rotas hospedadas por parceiros têm termos separados de retenção e uso de treinamento que devem ser verificados com o provedor selecionado.
Celeris diz que as entradas e saídas da API são processadas para fornecer o serviço e monitorar abuso e confiabilidade. Seu edital não estabelece um período fixo de retenção de conteúdo ou promessa de não treinamento; opções de VPC corporativa estão disponíveis.
Links de provedor e API
Perguntas frequentes
Inkling: Modelo de grandes pesos abertos do Thinking Machines Lab para raciocínio, codificação, ferramentas, visão e fluxos de trabalho de áudio personalizáveis. Celeris-1 Magnus: Modelo de linguagem de difusão focado em agente Celeris para raciocínio rápido, loops de ferramentas, ações estruturadas e integração compatível com OpenAI.
Considere Inkling quando sua prioridade for Equipes que desejam um modelo de base adaptável e de peso aberto. Considere Celeris-1 Magnus quando sua prioridade for Agentes que usam ferramentas de baixa latência. Teste ambos com seus próprios dados e rota do provedor antes de confirmar.
Não. Esta comparação alinha os fatos publicados pelo fornecedor para a categoria Texto e raciocínio. Ele não reivindica um vencedor universal nem combina pontuações de benchmark de terceiros incompatíveis.
