Google: Gemini 3.1 Flash Lite Preview contra Qwen: Qwen3.5 Plus 2026-02-15
Una comparativa lado a lado de Google: Gemini 3.1 Flash Lite Preview (0,88 US$ / 1M fragmentos (≈ 0,78 €)) y Qwen: Qwen3.5 Plus 2026-02-15 (0,91 US$ / 1M fragmentos (≈ 0,81 €)) con precios actuales en USD y capacidades del catálogo de api14. Ambos funcionan a través de la misma API compatible con OpenAI.
Especificaciones
| Google: Gemini 3.1 Flash Lite Preview | Qwen: Qwen3.5 Plus 2026-02-15 | |
|---|---|---|
| Proveedor | Qwen | |
| Entrada | 0,88 US$ / 1M fragmentos (≈ 0,78 €) | 0,91 US$ / 1M fragmentos (≈ 0,81 €) |
| Salida | 5,25 US$ / 1M fragmentos (≈ 4,68 €) | 5,46 US$ / 1M fragmentos (≈ 4,86 €) |
| Lectura de caché | 0,09 US$ / 1M fragmentos (≈ 0,08 €) | - |
| Escritura de caché | 0,29 US$ / 1M fragmentos (≈ 0,26 €) | - |
| Razonamiento | 5,25 US$ / 1M fragmentos (≈ 4,68 €) | - |
| Entrada de audio | 1,75 US$ / 1M fragmentos (≈ 1,56 €) | - |
| Imagen | 0,000001 US$ / imagen (≈ 0,000000779 €) | - |
| Búsqueda web | 49,00 US$ / 1K búsquedas (≈ 43,63 €) | - |
| Ventana de contexto | 1.048.576 | 1.000.000 |
| Salida máxima | 65.536 | 65.536 |
| Entrada | text, image, video, file, audio | text, image, video |
| Salida | text | text |
| Llamadas a herramientas | ||
| Salida estructurada | ||
| Control del razonamiento | ||
| Añadido | 3 mar 2026 | 16 feb 2026 |
Diferencias clave
- Ambos tienen aproximadamente el mismo precio de entrada.
- Una solicitud con 1.000 tokens de entrada y 500 de salida cuesta 0,00350 US$ con Google: Gemini 3.1 Flash Lite Preview y 0,00364 US$ con Qwen: Qwen3.5 Plus 2026-02-15.
En detalle
Google: Gemini 3.1 Flash Lite Preview es un modelo de texto de Google, listado bajo el id de modelo google/gemini-3.1-flash-lite-preview. Qwen: Qwen3.5 Plus 2026-02-15 es un modelo de texto de Qwen, listado bajo el id de modelo qwen/qwen3.5-plus-02-15. Ambos se sirven a través de api14 como modelos de estilo chat con salida de texto, así que desde el punto de vista de quien llama ocupan la misma ranura en tu código: envías una conversación y recibes texto de vuelta. Las fechas de lanzamiento de los proveedores están cercanas, 2026-03-03 para el modelo Gemini y 2026-02-16 para el modelo Qwen, lo que sitúa a ambos en la misma generación reciente de modelos alojados.
La diferencia más clara está en lo que puedes alimentarlos. Gemini 3.1 Flash Lite Preview acepta entrada de texto, imagen, vídeo, archivo y audio, mientras que Qwen3.5 Plus acepta texto, imagen y vídeo. Si tu pipeline necesita entregar un clip de audio o un documento subido como parte de archivo, el modelo Gemini cubre eso y el modelo Qwen no. La longitud de contexto es similar: 1.048.576 tokens para Gemini y 1.000.000 tokens para Qwen, así que ambos pueden contener entradas muy grandes y ninguno es significativamente más grande a efectos prácticos. En cuanto a parámetros, los dos coinciden en el conjunto básico que cabría esperar, incluyendo temperature, top_p, max_tokens, seed, response_format, structured_outputs, tool_choice, tools y controles de razonamiento. Qwen añade frequency_penalty, presence_penalty, stop, top_k, logprobs y top_logprobs, lo cual importa si dependes de probabilidades a nivel de token o de controles de muestreo más allá de lo básico. Los campos cualitativos de precio marcan el coste de entrada y salida como empate, así que ninguno es la opción más barata de ninguna forma sobre la que debas planificar.
Para la selección de tareas, empieza por el lado de la entrada. Si estás construyendo algo que ingiere audio, o que trata archivos subidos arbitrarios como entrada de primera clase junto con texto e imágenes, Gemini 3.1 Flash Lite Preview es la elección natural porque es el único de los dos que lista esas modalidades. Si tus entradas son solo texto, imágenes y vídeo, ambos son viables, y la decisión se desplaza hacia el muestreo y la introspección: Qwen3.5 Plus te da penalizaciones, secuencias de parada, top_k y salidas logprob, que son útiles cuando estás ajustando el comportamiento de generación o depurando por qué se eligió un token concreto. Si necesitas controles de razonamiento, ambos los exponen, así que eso no es un desempate. Para trabajo sencillo de contexto largo sobre texto e imágenes, cualquiera de los dos modelos sirve, y puedes decidir en función de qué estilo de salida del proveedor prefieras en tus propias evaluaciones.
Llamar a cualquiera de los dos a través de api14 funciona igual porque la API es compatible con OpenAI. Apuntas tu cliente a la URL base de api14, envías tu clave y usas la forma de chat completions que ya conoces. Lo único que cambia entre los dos modelos es la cadena del id de modelo: usa google/gemini-3.1-flash-lite-preview para el modelo Gemini y qwen/qwen3.5-plus-02-15 para el modelo Qwen. Todo lo demás, el array de messages, la estructura de roles, las definiciones de tools, el análisis de la respuesta, permanece idéntico. Eso significa que puedes mantener ambos detrás de un único valor de configuración y cambiar por petición o por entorno sin tocar el resto de tu integración.
Cambia con una sola cadena
Ambos modelos usan el mismo endpoint y la misma estructura de solicitud. Cambia el valor de model de "google/gemini-3.1-flash-lite-preview" a "qwen/qwen3.5-plus-02-15": los prompts, el streaming y las herramientas siguen funcionando.
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);
Más comparativas
- LiquidAI: LFM3-1.7B contra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contra Crouton Alpha
- LiquidAI: LFM3-1.7B contra Tencent: Hy4
- LiquidAI: LFM3-1.7B contra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contra Crouton Alpha
- Ricursive: Ripple 65B Preview contra Tencent: Hy4
- Ricursive: Ripple 65B Preview contra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contra Tencent: Hy4