NVIDIA: Nemotron 3.5 Super VL contre Reflection: Beam 1.0 501B A23B
Un comparatif côte à côte de NVIDIA: Nemotron 3.5 Super VL (0,52 $US / 1M jetons (≈ 0,47 €)) et Reflection: Beam 1.0 501B A23B (1,05 $US / 1M jetons (≈ 0,94 €)) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| NVIDIA: Nemotron 3.5 Super VL | Reflection: Beam 1.0 501B A23B | |
|---|---|---|
| Fournisseur | NVIDIA | Reflection |
| Entrée | 0,52 $US / 1M jetons (≈ 0,47 €) | 1,05 $US / 1M jetons (≈ 0,94 €) |
| Sortie | 1,75 $US / 1M jetons (≈ 1,56 €) | 3,50 $US / 1M jetons (≈ 3,12 €) |
| Lecture du cache | 0,07 $US / 1M jetons (≈ 0,06 €) | 0,14 $US / 1M jetons (≈ 0,12 €) |
| Fenêtre de contexte | 1 048 576 | 1 048 576 |
| Sortie max. | 943 718 | 943 718 |
| Entrée | text, image, video | text |
| Sortie | text | text |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 15 oct. 2026 | 16 oct. 2026 |
Principales différences
- NVIDIA: Nemotron 3.5 Super VL est 50% moins cher sur les tokens d’entrée.
- NVIDIA: Nemotron 3.5 Super VL est 50% moins cher sur les tokens de sortie.
- Une requête de 1 000 tokens en entrée et 500 en sortie coûte 0,00140 $US avec NVIDIA: Nemotron 3.5 Super VL et 0,00280 $US avec Reflection: Beam 1.0 501B A23B.
En détail
NVIDIA : Nemotron 3.5 Super VL est réalisé par NVIDIA, et Reflection : Beam 1.0 501B A23B est réalisé par Reflection. Les deux sont des modèles texte au sens où leur sortie est du texte, et les deux sont servis via api14 côte à côte. Les deux fournisseurs sont des entreprises différentes, donc les modèles proviennent d'efforts d'entraînement distincts même s'ils se trouvent derrière la même surface d'API ici.
La séparation la plus nette entre eux se situe au niveau des modalités d'entrée. Nemotron 3.5 Super VL accepte le texte, les images et la vidéo en entrée, tandis que Beam 1.0 501B A23B accepte uniquement le texte. Les deux affichent une longueur de contexte de 1 048 576 jetons, donc il n'y a pas de différence significative dans la quantité que vous pouvez leur fournir. Concernant les paramètres, les deux listes sont presque identiques : les deux prennent en charge frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs et top_p. Beam 1.0 501B A23B ajoute reasoning_effort à cet ensemble, ce qui vous donne un levier pour régler l'intensité du raisonnement que Nemotron 3.5 Super VL n'expose pas. Nemotron 3.5 Super VL est le moins cher des deux en entrée comme en sortie, donc si le coût par jeton compte, c'est vers celui-là qu'il faut se tourner.
Pour la sélection pratique, commencez par l'entrée que vous avez réellement. Si votre tâche implique des captures d'écran, des documents numérisés, des diagrammes, des photos ou des images vidéo, Nemotron 3.5 Super VL est le seul des deux à pouvoir prendre ce matériel directement, c'est donc le choix par défaut. Si votre entrée est du texte brut, les deux sont viables, et la décision se joue sur le coût et le contrôle. Nemotron 3.5 Super VL est moins cher en entrée comme en sortie, ce qui le rend attractif pour le travail textuel à gros volume comme la classification, l'extraction, le résumé et la génération en masse. Beam 1.0 501B A23B est celui à envisager lorsque vous voulez un contrôle explicite sur la quantité de raisonnement effectuée par le modèle, puisque reasoning_effort y est disponible et pas sur le modèle NVIDIA. Sinon, les deux sont suffisamment proches en longueur de contexte et en paramètres pris en charge pour que l'un ou l'autre puisse gérer des documents longs, des appels d'outils et des sorties structurées.
Appeler l'un ou l'autre modèle via api14 fonctionne de la même manière, car la passerelle expose une API compatible OpenAI. Vous pointez votre client vers la même URL de base, envoyez le même corps de requête de type chat completions, et changez uniquement l'identifiant du modèle. Utilisez « nvidia/nemotron-3.5-super-vl » lorsque vous voulez le modèle NVIDIA, et « reflection/beam-1.0-501b-a23b » lorsque vous voulez le modèle Reflection. Tout le reste dans la requête, y compris messages, tools, response_format et les paramètres d'échantillonnage, reste tel quel, sous réserve des listes de paramètres ci-dessus. Cela signifie que vous pouvez basculer entre eux pour comparaison ou secours en modifiant une seule chaîne, sans réécrire votre intégration.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "nvidia/nemotron-3.5-super-vl" par "reflection/beam-1.0-501b-a23b" : 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": "reflection/beam-1.0-501b-a23b",
"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