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.

Qwen3 VL 8B Instruct vs. ReMM SLERP 13B: API-Preis, Kontext & Funktionen · api14

Qwen: Qwen3 VL 8B Instruct vs. ReMM SLERP 13B

Ein direkter Vergleich von Qwen: Qwen3 VL 8B Instruct (0,88 $ / 1 Mio. Tokens (≈ 0,78 €)) und ReMM SLERP 13B (1,22 $ / 1 Mio. Tokens (≈ 1,09 €)) mit aktuellen USD-Preisen und Funktionen aus dem api14-Katalog. Beide laufen über dieselbe OpenAI-kompatible API.

Technische Daten

	Qwen: Qwen3 VL 8B Instruct	ReMM SLERP 13B
Anbieter	Qwen	Undi95
Eingabe	0,88 $ / 1 Mio. Tokens (≈ 0,78 €)	1,22 $ / 1 Mio. Tokens (≈ 1,09 €)
Ausgabe	2,63 $ / 1 Mio. Tokens (≈ 2,34 €)	2,28 $ / 1 Mio. Tokens (≈ 2,03 €)
Cache-Lesen	0,42 $ / 1 Mio. Tokens (≈ 0,37 €)	-
Kontextfenster	262.144	6.144
Max. Ausgabe	235.929	5.529
Eingabe	image, text	text
Ausgabe	text	text
Tool Calling
Strukturierte Ausgabe
Reasoning-Steuerung
Hinzugefügt	14.10.2025	22.07.2023

Die wichtigsten Unterschiede

Qwen: Qwen3 VL 8B Instruct ist bei Eingabe-Tokens 29% günstiger.
ReMM SLERP 13B ist bei Ausgabe-Tokens 13% günstiger.
Qwen: Qwen3 VL 8B Instruct liest 42.7× mehr Kontext (262.144 Tokens).
Nur Qwen: Qwen3 VL 8B Instruct unterstützt Tool Calling.
Eine Anfrage mit 1.000 Eingabe- und 500 Ausgabe-Tokens kostet mit Qwen: Qwen3 VL 8B Instruct 0,00219 $ und mit ReMM SLERP 13B 0,00236 $.

Im Detail

Qwen: Qwen3 VL 8B Instruct wird von Qwen erstellt, und ReMM SLERP 13B wird von Undi95 erstellt. Beide sind Textausgabemodelle, das heißt, was auch immer Sie senden, Sie erhalten Text zurück. Das Qwen Modell wurde am 2025-10-14 veröffentlicht, während ReMM SLERP 13B auf den 2023-07-22 zurückgeht. Dieser Altersunterschied ist weniger wichtig als der Funktionsunterschied, aber es ist wissenswert, dass das eine ein aktuelles Vision Language Model ist und das andere ein älterer reiner Text Merge.

Der größte praktische Unterschied ist Modalität und Kontext. Qwen3 VL 8B Instruct akzeptiert sowohl Bild als auch Texteingabe, sodass es einen Screenshot, ein Diagramm oder ein Foto zusammen mit Ihrem Prompt betrachten kann. ReMM SLERP 13B akzeptiert nur Text. Qwen3 VL 8B Instruct hat außerdem ein weit größeres Kontextfenster mit 262144 Tokens, verglichen mit 6144 Tokens für ReMM SLERP 13B, sodass lange Dokumente, große Codedateien oder ausgedehnte Chatverläufe bequem in das Qwen Modell passen und nicht in das andere. Beim Tooling unterstützt nur Qwen3 VL 8B Instruct Tools, was bedeutet, dass Function Calling und agentenartige Workflows dort verfügbar sind und nicht bei ReMM SLERP 13B. Beide bieten strukturierte Ausgaben, sodass JSON artige Antworten bei beiden möglich sind. Keines ist als dediziertes Reasoning Modell aufgeführt. Beim Preis ist Qwen3 VL 8B Instruct die günstigere Option für Eingabe, während ReMM SLERP 13B für Ausgabe günstiger ist, sodass die Kostenbalance davon abhängt, wie viel Sie senden gegenüber wie viel Sie generieren.

Für die meiste neue Arbeit ist Qwen3 VL 8B Instruct die sicherere Standardwahl. Wählen Sie es, wenn Ihre Eingabe Bilder enthält, wenn Ihr Prompt oder Ihre Konversation lang ist, oder wenn Sie Tool Calls und strukturierte Ausgaben in derselben Anfrage benötigen. Es ist auch die bessere Wahl, wenn Eingabe Tokens Ihre Rechnung dominieren, da es auf dieser Seite günstiger ist. ReMM SLERP 13B ergibt Sinn, wenn Sie reine Textgenerierung machen, Ihre Prompts und Ausgaben kurz genug sind, um innerhalb von 6144 Tokens zu bleiben, und Sie keine Tools oder Bildverständnis benötigen. Weil seine Ausgabe günstiger ist, kann es attraktiv für Workloads sein, die überwiegend Generierung mit kleinen Prompts sind, wie kurzes kreatives Schreiben, einfache Chat Antworten oder Massentexttransformationen.

Beide Modelle über api14 aufzurufen funktioniert auf dieselbe Weise, weil die API OpenAI kompatibel ist. Sie richten Ihren Client auf die api14 Base URL, senden Ihren Key und setzen das model Feld. Die einzige Änderung zwischen den beiden ist dieser model id String: verwenden Sie "qwen/qwen3-vl-8b-instruct" für das Qwen Modell und "undi95/remm-slerp-l2-13b" für ReMM SLERP 13B. Ihr Request Body, Ihre Chat Messages und Parameternamen bleiben gleich, sodass das Umschalten eine Einzeilenänderung ist. Wenn Sie eine Client Bibliothek verwenden, setzen Sie das Modell in Ihrer Konfiguration oder Umgebungsvariable statt es hart zu kodieren, damit Sie zwischen ihnen wechseln können, ohne die Request Logik anzufassen.

Wechseln mit einem String

Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "qwen/qwen3-vl-8b-instruct" auf "undi95/remm-slerp-l2-13b", Prompts, Streaming und Tools funktionieren weiter.

Qwen: Qwen3 VL 8B Instruct: Details & Testbereich →ReMM SLERP 13B: 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": "undi95/remm-slerp-l2-13b",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Qwen: Qwen3 VL 8B Instruct vs. ReMM SLERP 13B

Technische Daten

Die wichtigsten Unterschiede

Im Detail

Wechseln mit einem String

Weitere Vergleiche