Google: Gemini 3.1 Flash Lite Preview contre Qwen2.5 Coder 32B Instruct
Un comparatif côte à côte de Google: Gemini 3.1 Flash Lite Preview (0,88 $US / 1M jetons (≈ 0,78 €)) et Qwen2.5 Coder 32B Instruct (2,31 $US / 1M jetons (≈ 2,07 €)) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| Google: Gemini 3.1 Flash Lite Preview | Qwen2.5 Coder 32B Instruct | |
|---|---|---|
| Fournisseur | Qwen | |
| Entrée | 0,88 $US / 1M jetons (≈ 0,78 €) | 2,31 $US / 1M jetons (≈ 2,07 €) |
| Sortie | 5,25 $US / 1M jetons (≈ 4,70 €) | 3,50 $US / 1M jetons (≈ 3,14 €) |
| Lecture du cache | 0,09 $US / 1M jetons (≈ 0,08 €) | - |
| Écriture du cache | 0,29 $US / 1M jetons (≈ 0,26 €) | - |
| Raisonnement | 5,25 $US / 1M jetons (≈ 4,70 €) | - |
| Audio en entrée | 1,75 $US / 1M jetons (≈ 1,57 €) | - |
| Visuel | 0,000001 $US / visuel (≈ 0,000000784 €) | - |
| Recherche web | 49,00 $US / 1K recherches (≈ 43,91 €) | - |
| Fenêtre de contexte | 1 048 576 | 32 768 |
| Sortie max. | 65 536 | 29 491 |
| Entrée | text, image, video, file, audio | text |
| Sortie | text | text |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 3 mars 2026 | 11 nov. 2024 |
Principales différences
- Google: Gemini 3.1 Flash Lite Preview est 62% moins cher sur les tokens d’entrée.
- Qwen2.5 Coder 32B Instruct est 33% moins cher sur les tokens de sortie.
- Google: Gemini 3.1 Flash Lite Preview lit 32.0× plus de contexte (1 048 576 tokens).
- Seul Google: Gemini 3.1 Flash Lite Preview prend en charge l’appel d’outils.
- Seul Google: Gemini 3.1 Flash Lite Preview prend en charge la sortie JSON structurée.
- Seul Google: Gemini 3.1 Flash Lite Preview prend en charge le contrôle de l’effort de raisonnement.
- Une requête de 1 000 tokens en entrée et 500 en sortie coûte 0,00350 $US avec Google: Gemini 3.1 Flash Lite Preview et 0,00406 $US avec Qwen2.5 Coder 32B Instruct.
En détail
Google : Gemini 3.1 Flash Lite Preview est un modèle de texte de Google, publié en aperçu le 2026-03-03. Qwen2.5 Coder 32B Instruct est un modèle de texte de Qwen, publié le 2024-11-11. Les deux sont servis sur api14 dans la catégorie texte, donc au premier abord ils occupent le même emplacement dans une requête : vous envoyez un prompt, vous recevez du texte en retour. Les différences apparaissent dans ce que chaque modèle accepte, la quantité qu'il peut contenir à la fois, et les paramètres de requête qu'il honore.
La séparation la plus nette concerne le contexte et la modalité. Gemini 3.1 Flash Lite Preview a une fenêtre de contexte de 1 048 576 tokens, tandis que Qwen2.5 Coder 32B Instruct a 32 768 tokens, donc Gemini contient bien plus en un seul appel. Gemini accepte aussi les entrées texte, image, vidéo, fichier et audio, alors que Qwen2.5 Coder 32B Instruct accepte uniquement le texte. Côté paramètres, Gemini prend en charge tools, tool_choice, structured_outputs, response_format, reasoning, reasoning_effort et include_reasoning, et Qwen2.5 Coder 32B Instruct ne le fait pas. Qwen2.5 Coder 32B Instruct expose à la place frequency_penalty, logit_bias, min_p, presence_penalty, repetition_penalty, stop et top_k, que Gemini ne liste pas. Les deux acceptent max_tokens, temperature, top_p, seed et response_format.
Pour le choix de la tâche, les facteurs décisifs sont le type d'entrée, la taille du contexte et le besoin éventuel d'appels d'outils ou de sortie structurée. Si votre requête inclut une image, une vidéo, un fichier ou de l'audio, ou si le prompt plus le contexte récupéré dépasse environ 32k tokens, Gemini 3.1 Flash Lite Preview est celui qui peut le prendre. Il en va de même si vous voulez que le modèle appelle des outils, produise des sorties structurées ou expose un effort de raisonnement. Qwen2.5 Coder 32B Instruct convient au travail texte uniquement qui reste sous 32k tokens, et ses contrôles d'échantillonnage supplémentaires (frequency_penalty, presence_penalty, repetition_penalty, min_p, top_k, logit_bias, stop) vous donnent un contrôle plus fin sur la répétition et le comportement d'arrêt lorsque vous ajustez la sortie. Côté prix, Gemini est le moins cher en entrée et Qwen le moins cher en sortie, donc l'équilibre des coûts dépend de votre ratio entrée-sortie ; le tableau des prix en direct sur cette page contient les chiffres actuels.
Appeler l'un ou l'autre modèle via api14 fonctionne de la même manière, car l'API est compatible OpenAI. Vous pointez votre client vers l'URL de base api14, envoyez une requête de complétions de chat avec vos messages, et définissez le champ model sur "google/gemini-3.1-flash-lite-preview" ou "qwen/qwen-2.5-coder-32b-instruct". Rien d'autre dans la forme de la requête ne doit changer pour un appel texte basique. Si vous passez à Gemini, vous pouvez ajouter tools, tool_choice, structured_outputs, reasoning ou reasoning_effort ; si vous passez à Qwen, vous pouvez ajouter frequency_penalty, presence_penalty, repetition_penalty, min_p, top_k, logit_bias ou stop. Gardez l'ensemble de paramètres adapté au modèle que vous appelez, car chaque modèle n'accepte que les paramètres listés pour lui.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "google/gemini-3.1-flash-lite-preview" par "qwen/qwen-2.5-coder-32b-instruct" : prompts, streaming et outils continuent de fonctionner.
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/qwen-2.5-coder-32b-instruct",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Plus de comparatifs
- LiquidAI: LFM3-1.7B contre Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contre Crouton Alpha
- LiquidAI: LFM3-1.7B contre Tencent: Hy4
- LiquidAI: LFM3-1.7B contre Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contre Crouton Alpha
- Ricursive: Ripple 65B Preview contre Tencent: Hy4
- Ricursive: Ripple 65B Preview contre Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contre Tencent: Hy4