Wir verwenden Cookies. Cookies und Browserspeicher halten Sie angemeldet und merken sich Ihre Einstellungen. Mit Ihrer Zustimmung messen wir außerdem, wie die Website genutzt wird. Sie können jederzeit . Siehe unsere Cookie-Richtlinie.

Neu hier? So funktioniert’s Eine 1-minütige Tour durch Testbereich, Modelle und Ihren API-Schlüssel.

Perceptron Mk1 vs. Qwen2.5 VL 72B Instruct: API-Preis, Kontext & Funktionen · api14

Perceptron: Perceptron Mk1 vs. Qwen: Qwen2.5 VL 72B Instruct

Ein direkter Vergleich von Perceptron: Perceptron Mk1 (0,52 $ / 1 Mio. Tokens (≈ 0,47 €)) und Qwen: Qwen2.5 VL 72B Instruct (2,80 $ / 1 Mio. Tokens (≈ 2,49 €)) mit aktuellen USD-Preisen und Funktionen aus dem api14-Katalog. Beide laufen über dieselbe OpenAI-kompatible API.

Technische Daten

	Perceptron: Perceptron Mk1	Qwen: Qwen2.5 VL 72B Instruct
Anbieter	Perceptron	Qwen
Eingabe	0,52 $ / 1 Mio. Tokens (≈ 0,47 €)	2,80 $ / 1 Mio. Tokens (≈ 2,49 €)
Ausgabe	5,25 $ / 1 Mio. Tokens (≈ 4,68 €)	3,50 $ / 1 Mio. Tokens (≈ 3,12 €)
Cache-Lesen	-	1,40 $ / 1 Mio. Tokens (≈ 1,25 €)
Kontextfenster	32.768	128.000
Max. Ausgabe	8.192	115.200
Eingabe	text, image, video	text, image
Ausgabe	text	text
Tool Calling
Strukturierte Ausgabe
Reasoning-Steuerung
Hinzugefügt	12.05.2026	01.02.2025

Die wichtigsten Unterschiede

Perceptron: Perceptron Mk1 ist bei Eingabe-Tokens 81% günstiger.
Qwen: Qwen2.5 VL 72B Instruct ist bei Ausgabe-Tokens 33% günstiger.
Qwen: Qwen2.5 VL 72B Instruct liest 3.9× mehr Kontext (128.000 Tokens).
Nur Perceptron: Perceptron Mk1 unterstützt Steuerung des Reasoning-Aufwands.
Eine Anfrage mit 1.000 Eingabe- und 500 Ausgabe-Tokens kostet mit Perceptron: Perceptron Mk1 0,00315 $ und mit Qwen: Qwen2.5 VL 72B Instruct 0,00455 $.

Im Detail

Perceptron: Perceptron Mk1 wird von Perceptron erstellt, und Qwen: Qwen2.5 VL 72B Instruct wird von Qwen erstellt. Beide sind auf api14 als Textmodelle aufgeführt, was bedeutet, dass Text das ist, was Sie von beiden zurückbekommen. Der Unterschied liegt auf der Eingabeseite und darin, wie viel Spielraum sie Ihnen zum Arbeiten geben.

Perceptron Mk1 akzeptiert Text, Bilder und Video als Eingabe, während Qwen2.5 VL 72B Instruct Text und Bilder akzeptiert, aber kein Video. Das macht Perceptron Mk1 zum einzigen der beiden, der bewegtes Filmmaterial ansehen kann. Die Kontextfenster zeigen in die andere Richtung: Qwen2.5 VL 72B Instruct unterstützt 128000 Token, was deutlich größer ist als die 32768 Token, die Perceptron Mk1 unterstützt. Beim Reasoning ist Perceptron Mk1 derjenige, der reasoningbezogene Parameter offenlegt. Wenn Sie also möchten, dass das Modell sein Reasoning zeigt oder steuert, ist das die Seite, die Sie sich ansehen sollten. Beim Preis ist Perceptron Mk1 die günstigere Option für die Eingabe, während Qwen2.5 VL 72B Instruct für die Ausgabe günstiger ist. Die Gesamtsumme hängt also davon ab, wie viel Text Sie senden gegenüber wie viel Sie generieren.

Für eine Aufgabe mit Video ist Perceptron Mk1 die naheliegende Wahl, da Qwen2.5 VL 72B Instruct überhaupt keine Videoeingabe entgegennehmen kann. Für eine Aufgabe mit einer sehr großen Textmenge, etwa ein langes Dokument, ein großer Codebase-Dump oder ein langer Gesprächsverlauf, gibt Ihnen Qwen2.5 VL 72B Instruct weit mehr Kontext, um ihn unterzubringen. Für Bild-plus-Text-Arbeit mittlerer Länge können beide damit umgehen, und die Entscheidung läuft darauf hinaus, ob Sie Reasoning-Steuerung möchten (Perceptron Mk1) oder das größere Fenster und den breiteren Satz an Sampling- und Ausgabeparametern, die Qwen2.5 VL 72B Instruct unterstützt, einschließlich logit_bias, logprobs, seed und stop. Wenn Ihre Arbeitslast überwiegend aus kurzen Prompts mit langen generierten Antworten besteht, könnte die günstigere Ausgabe bei Qwen2.5 VL 72B Instruct für Sie wichtiger sein.

Beide Modelle über api14 aufzurufen funktioniert auf dieselbe Weise, weil die API OpenAI-kompatibel ist. Sie richten Ihren vorhandenen OpenAI-Client auf die api14-Basis-URL, senden Ihren Schlüssel und setzen das Feld model auf die ID, die Sie möchten. Um Perceptron Mk1 zu verwenden, setzen Sie das Modell auf perceptron/perceptron-mk1. Um Qwen2.5 VL 72B Instruct zu verwenden, setzen Sie das Modell auf qwen/qwen2.5-vl-72b-instruct. Sonst muss sich nichts an der Form der Anfrage ändern, sodass das Wechseln zwischen ihnen eine Ein-Zeilen-Änderung in Ihrer Konfiguration oder Ihrem Anfrage-Body ist. Sie können zwei Konstanten in Ihrem Code behalten und sie pro Aufruf austauschen oder zur Laufzeit nach Aufgabentyp routen.

Es gibt weiterhin Fälle, in denen das Modell, das Sie nicht zuerst gewählt haben, das bessere ist. Wenn Sie mit Perceptron Mk1 wegen seiner Videoeingabe begonnen haben, aber Ihre tatsächliche Arbeitslast sich als langer Text ohne Video herausstellt, ist Qwen2.5 VL 72B Instruct wegen des größeren Kontextfensters die bessere Wahl. Wenn Sie mit Qwen2.5 VL 72B Instruct wegen seiner Kontextgröße begonnen haben, aber Reasoning-Steuerung benötigen, ist Perceptron Mk1 derjenige, der sie bietet. Prüfen Sie die aktuelle Preistabelle auf der Seite, bevor Sie sich festlegen, da die günstigere Seite sich zwischen Eingabe und Ausgabe unterscheidet.

Wechseln mit einem String

Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "perceptron/perceptron-mk1" auf "qwen/qwen2.5-vl-72b-instruct", Prompts, Streaming und Tools funktionieren weiter.

Perceptron: Perceptron Mk1: Details & Testbereich →Qwen: Qwen2.5 VL 72B Instruct: Details & Testbereich →

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/qwen2.5-vl-72b-instruct",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Perceptron: Perceptron Mk1 vs. Qwen: Qwen2.5 VL 72B Instruct

Technische Daten

Die wichtigsten Unterschiede

Im Detail

Wechseln mit einem String

Weitere Vergleiche