Perceptron: Perceptron Mk1 es creado por Perceptron, y Qwen: Qwen2.5 VL 72B Instruct es creado por Qwen. Ambos figuran en api14 como modelos de texto, lo que significa que el texto es lo que se obtiene de cualquiera de ellos. La diferencia está en el lado de la entrada y en cuánto espacio te dan para trabajar.
Perceptron Mk1 acepta texto, imágenes y video como entrada, mientras que Qwen2.5 VL 72B Instruct acepta texto e imágenes pero no video. Eso hace que Perceptron Mk1 sea el único de los dos que puede observar material en movimiento. Las ventanas de contexto apuntan en la dirección opuesta: Qwen2.5 VL 72B Instruct admite 128000 tokens, lo cual es sustancialmente mayor que los 32768 tokens que admite Perceptron Mk1. En cuanto al razonamiento, Perceptron Mk1 es el que expone parámetros relacionados con el razonamiento, así que si quieres que el modelo muestre o controle su razonamiento, ese es el lado que debes mirar. En cuanto al precio, Perceptron Mk1 es la opción más económica para la entrada, mientras que Qwen2.5 VL 72B Instruct es más económico para la salida, así que el total depende de cuánto texto envíes frente a cuánto generes.
Para una tarea que involucra video, Perceptron Mk1 es la elección directa, ya que Qwen2.5 VL 72B Instruct no puede recibir entrada de video en absoluto. Para una tarea que involucra una cantidad muy grande de texto, como un documento largo, un volcado grande de código o un historial de conversación largo, Qwen2.5 VL 72B Instruct te da mucho más contexto para que quepa. Para trabajo de imagen más texto de longitud moderada, ambos pueden manejarlo, y la decisión se reduce a si quieres controles de razonamiento (Perceptron Mk1) o la ventana más grande y el conjunto más amplio de parámetros de muestreo y salida que admite Qwen2.5 VL 72B Instruct, incluidos logit_bias, logprobs, seed y stop. Si tu carga de trabajo consiste mayormente en prompts cortos con respuestas generadas largas, la salida más económica de Qwen2.5 VL 72B Instruct puede importarte más.
Llamar a cualquiera de los dos modelos a través de api14 funciona de la misma manera, porque la API es compatible con OpenAI. Apuntas tu cliente de OpenAI existente a la URL base de api14, envías tu clave y estableces el campo model al id que quieras. Para usar Perceptron Mk1, establece el model a perceptron/perceptron-mk1. Para usar Qwen2.5 VL 72B Instruct, establece el model a qwen/qwen2.5-vl-72b-instruct. Nada más en la forma de la solicitud tiene que cambiar, así que alternar entre ellos es una edición de una línea en tu configuración o en el cuerpo de tu solicitud. Puedes mantener dos constantes en tu código e intercambiarlas por llamada, o enrutar por tipo de tarea en tiempo de ejecución.
Todavía hay casos en los que el modelo que no elegiste primero es el mejor. Si empezaste con Perceptron Mk1 por su entrada de video pero tu carga de trabajo real resulta ser texto largo sin video, Qwen2.5 VL 72B Instruct es la mejor opción debido a la ventana de contexto más grande. Si empezaste con Qwen2.5 VL 72B Instruct por su tamaño de contexto pero necesitas controles de razonamiento, Perceptron Mk1 es el que los ofrece. Consulta la tabla de precios en vivo en la página antes de comprometerte, ya que el lado más económico difiere entre entrada y salida.