Inkling vs Morph V3 Large im Vergleich — Preis pro Token, Kontextfenster, Multimodalität, Offenheit und welche zu wählen. Kann das Open-Source-Modell das kostenpflichtige ersetzen? Vollständige Analyse für 2026.
Morph V3 Large — vollständiges Profil ›
Preise & Spezifikationen aus Live-Daten aktualisiert · olud.ai
Offene Modellpreise = günstigster Anbieter über OpenRouter; offizielle Herstellerpreise können höher sein.
| Spezifikation | Inkling | Morph V3 Groß | Gewinner |
|---|---|---|---|
| Hersteller | Thinkingmachines | Morph | – |
| Typ | Open-Weight | Proprietär | THInkling |
| Kontextfenster | 1M Tokens | 262K Tokens | THInkling |
| Eingabepreis | $1/M · kostenloses Selbst-Hosting | $0.9/M | MOMorph V3 Groß |
| Ausgabepreis | $4.05/M · kostenloses Selbst-Hosting | $1.9/M | MOMorph V3 Groß |
| Vision / multimodal | Ja | Nein | THInkling |
| Tool / Funktionsaufruf | Ja | Nein | THInkling |
| Selbst gehostet | Ja | Nein (nur API) | THInkling |
| Lizenz | Open weights | Proprietär | THInkling |
Morph V3 Large ist ~2.1× günstiger als Inkling bei Ausgabetoken ($1.9 vs $4.05 pro M Tokens).
| Fähigkeit | Inkling | Morph V3 Groß |
|---|---|---|
| Offene Gewichte (herunterladbar) | ✓ | ✗ |
| Selbst gehostet | ✓ | ✗ |
| Läuft vollständig offline | ✓ | ✗ |
| Vision / multimodal | ✓ | ✗ |
| Tool / Funktionsaufruf | ✓ | ✗ |
| 1M+ Kontextfenster | ✓ | ✗ |
Unabhängige Benchmark-Ergebnisse gemessen von Artificial Analysis. Höher ist besser (außer Latenz).
Benchmark-Daten von Artificial Analysis.
| Kriterium | Inkling | Morph V3 Groß |
|---|---|---|
| Kosten-Effizienz | 4.0 | 4.5 |
| Kontextfenster | 5.0 | 4.0 |
| Offenheit | 5.0 | 1.5 |
| Selbst-Hosting | 5.0 | 1.0 |
| Multimodalität | 5.0 | 2.0 |
Die Bewertungen stammen aus Live-Daten — Ausgabepreis (Kosten), Kontextlänge, offene vs. geschlossene Gewichte (Offenheit & Selbst-Hosting) und Unterstützung für Vision/Tools (Multimodalität). Die Rohqualität der Aufgaben wird hier nicht bewertet; sie hängt von Ihrem Benchmark ab — siehe das Urteil.
Inkling ist ein Open-weight multimodales Mischmodell von Thinking Machines Lab mit 41B aktiven Parametern von insgesamt 975B. Es ist für allgemeine Denkprozesse, Programmierung, agentische und Werkzeugnutzungssysteme konzipiert,...
Morphs hochgenaues Anwendungsmodell für komplexe Codeänderungen. ~4.500 Tokens/Sekunde mit 98% Genauigkeit für präzise Code-Transformationen. Das Modell erfordert, dass der Prompt im folgenden Format vorliegt: <instruction>{instruction}</instruction> <code>{ini
Diese Varianten werden verfolgt, aber hier nicht verglichen — eine Seite pro Familie hält den Vergleich lesbar.
Inkling ist open-weight und wettbewerbsfähig bei vielen Aufgaben, aber Morph V3 Large könnte bei den schwierigsten Denk- und Agentenarbeiten immer noch führen. Die Lücke wird immer kleiner — benchmarken Sie beide in Ihrem tatsächlichen Anwendungsfall, bevor Sie entscheiden.
Ja. Inkling hat open weights, sodass Sie es auf Ihren eigenen GPUs selbst hosten oder über eine kostengünstige API ausführen können. Morph V3 Large ist nur API und kann nicht selbst gehostet werden.
Wählen Sie Inkling, wenn Sie selbst hosten, Ihre Daten privat halten und pro Token-Gebühren vermeiden möchten — es ist open-weight und läuft auf Ihrer eigenen Hardware. Wählen Sie Morph V3 Large, wenn Sie Grenzfähigkeiten über eine verwaltete API ohne Infrastruktur zum Ausführen wünschen.
Durchsuchen Sie die vollständige Open-Source-Modell-Rangliste, tausende von Tools und Live-Benchmarks — alles an einem Ort.
Öffnen Sie die Rangliste →