Inception: Mercury 2 vs. Qwen: Qwen3 VL 8B Instruct
Ein direkter Vergleich von Inception: Mercury 2 (0,88 $ / 1 Mio. Tokens (≈ 0,78 €)) und Qwen: Qwen3 VL 8B Instruct (0,88 $ / 1 Mio. Tokens (≈ 0,78 €)) mit aktuellen USD-Preisen und Funktionen aus dem api14-Katalog. Beide laufen über dieselbe OpenAI-kompatible API.
Technische Daten
| Inception: Mercury 2 | Qwen: Qwen3 VL 8B Instruct | |
|---|---|---|
| Anbieter | Inception | Qwen |
| Eingabe | 0,88 $ / 1 Mio. Tokens (≈ 0,78 €) | 0,88 $ / 1 Mio. Tokens (≈ 0,78 €) |
| Ausgabe | 2,63 $ / 1 Mio. Tokens (≈ 2,34 €) | 2,63 $ / 1 Mio. Tokens (≈ 2,34 €) |
| Cache-Lesen | 0,09 $ / 1 Mio. Tokens (≈ 0,08 €) | 0,42 $ / 1 Mio. Tokens (≈ 0,37 €) |
| Kontextfenster | 128.000 | 262.144 |
| Max. Ausgabe | 50.000 | 235.929 |
| Eingabe | text | image, text |
| Ausgabe | text | text |
| Tool Calling | ||
| Strukturierte Ausgabe | ||
| Reasoning-Steuerung | ||
| Hinzugefügt | 04.03.2026 | 14.10.2025 |
Die wichtigsten Unterschiede
- Beide haben etwa denselben Eingabepreis.
- Qwen: Qwen3 VL 8B Instruct liest 2.0× mehr Kontext (262.144 Tokens).
- Nur Inception: Mercury 2 unterstützt Steuerung des Reasoning-Aufwands.
- Eine Anfrage mit 1.000 Eingabe- und 500 Ausgabe-Tokens kostet mit Inception: Mercury 2 0,00219 $ und mit Qwen: Qwen3 VL 8B Instruct 0,00219 $.
Im Detail
Inception: Mercury 2 ist ein Textmodell von Inception, veröffentlicht am 4. März 2026. Qwen: Qwen3 VL 8B Instruct ist ein Textmodell von Qwen, veröffentlicht am 14. Oktober 2025. Beide werden über api14 in der Kategorie Text bereitgestellt, sodass sie denselben Platz in Ihrer Integration einnehmen, obwohl sie von unterschiedlichen Anbietern stammen und zu unterschiedlichen Zeiten entwickelt wurden.
Die deutlichste Trennung liegt beim Kontext und bei den Modalitäten. Qwen3 VL 8B Instruct akzeptiert sowohl Bild als auch Text als Eingabe und gibt Text zurück, während Mercury 2 nur Text akzeptiert und Text zurückgibt. Qwen3 VL 8B Instruct hat außerdem das größere Kontextfenster mit 262144 Tokens gegenüber 128000 bei Mercury 2, sodass es in einem einzigen Aufruf ungefähr doppelt so viel Material aufnehmen kann. Beim Reasoning ist Mercury 2 das Modell mit dedizierter Reasoning-Unterstützung: Seine Parameterliste enthält include_reasoning, reasoning und reasoning_effort, von denen keiner bei Qwen3 VL 8B Instruct auftaucht. Beide kosten etwa gleich viel bei Eingabe und Ausgabe, sodass die Kosten hier kein entscheidender Faktor sind.
Für Aufgaben, die Screenshots, Diagramme, gescannte Seiten oder andere Bilder zusammen mit Text betreffen, ist Qwen3 VL 8B Instruct die einzige Option der beiden, da Mercury 2 überhaupt keine Bildeingabe entgegennehmen kann. Dasselbe gilt, wenn Sie ein sehr großes Dokument, Transkript oder eine Codebasis in einen einzigen Prompt unterbringen müssen, wo das größere Kontextfenster von Qwen3 VL 8B Instruct Ihnen mehr Spielraum gibt, bevor Sie aufteilen müssen. Mercury 2 ist die bessere Wahl, wenn die Aufgabe von expliziter Reasoning-Steuerung profitiert, weil Sie Reasoning-Ausgabe anfordern und den Reasoning-Aufwand abstimmen können, und wenn die Eingabe rein textbasiert ist und bequem innerhalb von 128000 Tokens liegt. Qwen3 VL 8B Instruct bietet außerdem einen breiteren Satz von Sampling- und Decoding-Parametern, darunter frequency_penalty, presence_penalty, repetition_penalty, logit_bias, seed, top_k, top_p, logprobs und top_logprobs, was wichtig ist, wenn Sie auf seed-basierte Reproduzierbarkeit oder Inspektion auf Token-Ebene angewiesen sind. Mercury 2 kontert mit response_format, structured_outputs, tools und tool_choice, die alle auch von Qwen3 VL 8B Instruct unterstützt werden, sodass strukturierte Ausgabe und Tool-Aufrufe auf beiden Seiten verfügbar sind.
Der Aufruf eines der beiden Modelle über api14 funktioniert auf dieselbe Weise, weil die API OpenAI-kompatibel ist. Sie richten Ihren Client auf die api14-Basis-URL aus, senden Ihre Anfrage mit Ihrem api14-Schlüssel an den chat completions-Endpunkt und setzen das Feld model auf die gewünschte ID. Das Umschalten zwischen ihnen ist eine Änderung in einer Zeile: Verwenden Sie "inception/mercury-2" für Mercury 2 und "qwen/qwen3-vl-8b-instruct" für Qwen3 VL 8B Instruct. Das Nachrichtenformat, die Felder tools und response_format sowie das Streaming-Verhalten bleiben gleich, sodass Sie einen Codepfad beibehalten und die ID austauschen können oder zur Laufzeit zwischen den beiden routen können, je nachdem, ob die Anfrage ein Bild enthält.
Wechseln mit einem String
Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "inception/mercury-2" auf "qwen/qwen3-vl-8b-instruct", Prompts, Streaming und Tools funktionieren weiter.
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-vl-8b-instruct",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Weitere Vergleiche
- LiquidAI: LFM3-1.7B vs. Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B vs. Crouton Alpha
- LiquidAI: LFM3-1.7B vs. Tencent: Hy4
- LiquidAI: LFM3-1.7B vs. Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview vs. Crouton Alpha
- Ricursive: Ripple 65B Preview vs. Tencent: Hy4
- Ricursive: Ripple 65B Preview vs. Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha vs. Tencent: Hy4