Google: Gemini 3.1 Flash Lite Preview مقابل Qwen: Qwen3.5 Plus 2026-02-15
مقارنة جنبًا إلى جنب بين Google: Gemini 3.1 Flash Lite Preview (0.88 US$ / مليون رمز (≈ 3.28 ر.س.)) وQwen: Qwen3.5 Plus 2026-02-15 (0.91 US$ / مليون رمز (≈ 3.41 ر.س.)) باستخدام الأسعار الحالية بالدولار والقدرات من كتالوج api14. يعمل كلاهما عبر API نفسها المتوافقة مع OpenAI.
المواصفات
| Google: Gemini 3.1 Flash Lite Preview | Qwen: Qwen3.5 Plus 2026-02-15 | |
|---|---|---|
| المزوّد | Qwen | |
| الإدخال | 0.88 US$ / مليون رمز (≈ 3.28 ر.س.) | 0.91 US$ / مليون رمز (≈ 3.41 ر.س.) |
| الإخراج | 5.25 US$ / مليون رمز (≈ 19.69 ر.س.) | 5.46 US$ / مليون رمز (≈ 20.48 ر.س.) |
| قراءة ذاكرة التخزين المؤقت | 0.09 US$ / مليون رمز (≈ 0.33 ر.س.) | - |
| كتابة ذاكرة التخزين المؤقت | 0.29 US$ / مليون رمز (≈ 1.09 ر.س.) | - |
| الاستدلال | 5.25 US$ / مليون رمز (≈ 19.69 ر.س.) | - |
| إدخال الصوت | 1.75 US$ / مليون رمز (≈ 6.56 ر.س.) | - |
| صورة | 0.000001 US$ / صورة (≈ 0.00000328 ر.س.) | - |
| بحث الويب | 49.00 US$ / 1000 عملية بحث (≈ 183.75 ر.س.) | - |
| نافذة السياق | 1,048,576 | 1,000,000 |
| الحد الأقصى للإخراج | 65,536 | 65,536 |
| الإدخال | text, image, video, file, audio | text, image, video |
| الإخراج | text | text |
| استدعاء الأدوات | ||
| المخرجات المنظّمة | ||
| التحكم في الاستدلال | ||
| تاريخ الإضافة | 03/03/2026 | 16/02/2026 |
أبرز الفروق
- سعر الإدخال متقارب في كليهما.
- يكلّف طلب يتضمن 1000 رمز إدخال و500 رمز إخراج 0.00350 US$ مع Google: Gemini 3.1 Flash Lite Preview و0.00364 US$ مع Qwen: Qwen3.5 Plus 2026-02-15.
بالتفصيل
Google: Gemini 3.1 Flash Lite Preview هو نموذج نصي من Google، مُدرج تحت معرّف النموذج google/gemini-3.1-flash-lite-preview. Qwen: Qwen3.5 Plus 2026-02-15 هو نموذج نصي من Qwen، مُدرج تحت معرّف النموذج qwen/qwen3.5-plus-02-15. يتم تقديم كلا النموذجين عبر api14 كنماذج بأسلوب المحادثة مع إخراج نصي، لذا من وجهة نظر المستدعي فإنهما يشغلان نفس الموضع في الكود الخاص بك: ترسل محادثة وتحصل على نص في المقابل. تواريخ إصدار المزوّدين متقاربة، 2026-03-03 لنموذج Gemini و2026-02-16 لنموذج Qwen، مما يضع كليهما في نفس الجيل الحديث من النماذج المستضافة.
أوضح فرق يكمن في ما يمكنك تغذيتهما به. يقبل Gemini 3.1 Flash Lite Preview مدخلات النص والصورة والفيديو والملف والصوت، بينما يقبل Qwen3.5 Plus النص والصورة والفيديو. إذا كان خط أنابيبك يحتاج إلى تسليم مقطع صوتي أو مستند مرفوع كجزء ملف، فإن نموذج Gemini يغطي ذلك ونموذج Qwen لا يغطيه. طول السياق متقارب: 1,048,576 رمزًا لـ Gemini و1,000,000 رمزًا لـ Qwen، لذا يمكن لكليهما استيعاب مدخلات ضخمة جدًا ولا أحدهما أكبر بشكل ذي معنى لأغراض عملية. في ما يتعلق بالمعاملات، يتداخل الاثنان في المجموعة الأساسية التي تتوقعها، بما في ذلك temperature وtop_p وmax_tokens وseed وresponse_format وstructured_outputs وtool_choice وtools وأدوات التحكم في الاستدلال. يضيف Qwen كلاً من frequency_penalty وpresence_penalty وstop وtop_k وlogprobs وtop_logprobs، وهذا مهم إذا كنت تعتمد على الاحتمالات على مستوى الرموز أو على أدوات تحكم في أخذ العينات تتجاوز الأساسيات. تشير حقول السعر النوعية إلى تكلفة المدخلات والمخرجات على أنها متعادلة، لذا لا أحدهما هو الخيار الأرخص بأي طريقة ينبغي أن تخطط بناءً عليها.
لاختيار المهمة، ابدأ من جانب المدخلات. إذا كنت تبني شيئًا يستوعب الصوت، أو يتعامل مع الملفات المرفوعة العشوائية كمدخلات من الدرجة الأولى إلى جانب النص والصور، فإن Gemini 3.1 Flash Lite Preview هو الخيار الطبيعي لأنه الوحيد من بين الاثنين الذي يُدرج تلك الأنماط. إذا كانت مدخلاتك نصًا وصورًا وفيديو فقط، فكلاهما قابل للاستخدام، وينتقل القرار إلى أخذ العينات والاستبطان: يمنحك Qwen3.5 Plus العقوبات وتسلسلات الإيقاف وtop_k ومخرجات logprob، وهي مفيدة عندما تضبط سلوك التوليد أو تتصدّى لسبب اختيار رمز معين. إذا كنت بحاجة إلى أدوات التحكم في الاستدلال، فكلاهما يوفّرها، لذا ليست هذه نقطة حسم. بالنسبة لأعمال السياق الطويل المباشرة على النص والصور، سيفي أي من النموذجين بالغرض، ويمكنك أن تقرر على أساس أي أسلوب إخراج للمزوّد تفضّله في تقييماتك الخاصة.
استدعاء أي منهما عبر api14 يعمل بالطريقة نفسها لأن واجهة البرمجة متوافقة مع OpenAI. توجّه عميلك إلى عنوان URL الأساسي لـ api14، وترسل مفتاحك، وتستخدم شكل إكمال المحادثة الذي تعرفه بالفعل. الشيء الوحيد الذي يتغير بين النموذجين هو سلسلة معرّف النموذج: استخدم google/gemini-3.1-flash-lite-preview لنموذج Gemini وqwen/qwen3.5-plus-02-15 لنموذج Qwen. كل ما عدا ذلك، مصفوفة messages وبنية role وتعريفات الأدوات وتحليل الاستجابة، يبقى متطابقًا. وهذا يعني أنه يمكنك إبقاء كليهما خلف قيمة تكوين واحدة والتبديل لكل طلب أو لكل بيئة دون المساس ببقية التكامل الخاص بك.
لا يزال هناك مبرر لـ Qwen3.5 Plus حتى عندما لا تكون الأنماط الإضافية لـ Gemini مطلوبة. إذا كان تطبيقك يعتمد على logprobs أو top_logprobs، أو على عقوبات frequency وpresence وtop_k لتشكيل الإخراج، فإن تلك المعاملات مُدرجة لنموذج Qwen وليست مُدرجة لنموذج Gemini. في تلك الحالة يكون نموذج Qwen هو الأنسب بغض النظر عن مسألة نمط المدخلات، لأن أدوات التحكم التي تحتاجها متاحة ببساطة هناك.
بدّل بتغيير سلسلة واحدة
يستخدم النموذجان نقطة النهاية نفسها وبنية الطلب نفسها. غيّر قيمة model من "google/gemini-3.1-flash-lite-preview" إلى "qwen/qwen3.5-plus-02-15"، وتستمر الموجّهات والبث والأدوات في العمل.
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": "qwen/qwen3.5-plus-02-15",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
مقارنات أخرى
- LiquidAI: LFM3-1.7B مقابل Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B مقابل Crouton Alpha
- LiquidAI: LFM3-1.7B مقابل Tencent: Hy4
- LiquidAI: LFM3-1.7B مقابل Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview مقابل Crouton Alpha
- Ricursive: Ripple 65B Preview مقابل Tencent: Hy4
- Ricursive: Ripple 65B Preview مقابل Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha مقابل Tencent: Hy4