Perceptron: Perceptron Mk1 contre Qwen: Qwen2.5 VL 72B Instruct
Un comparatif côte à côte de Perceptron: Perceptron Mk1 (0,52 $US / 1M jetons (≈ 0,47 €)) et Qwen: Qwen2.5 VL 72B Instruct (2,80 $US / 1M jetons (≈ 2,49 €)) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| Perceptron: Perceptron Mk1 | Qwen: Qwen2.5 VL 72B Instruct | |
|---|---|---|
| Fournisseur | Perceptron | Qwen |
| Entrée | 0,52 $US / 1M jetons (≈ 0,47 €) | 2,80 $US / 1M jetons (≈ 2,49 €) |
| Sortie | 5,25 $US / 1M jetons (≈ 4,68 €) | 3,50 $US / 1M jetons (≈ 3,12 €) |
| Lecture du cache | - | 1,40 $US / 1M jetons (≈ 1,25 €) |
| Fenêtre de contexte | 32 768 | 128 000 |
| Sortie max. | 8 192 | 115 200 |
| Entrée | text, image, video | text, image |
| Sortie | text | text |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 12 mai 2026 | 1 févr. 2025 |
Principales différences
- Perceptron: Perceptron Mk1 est 81% moins cher sur les tokens d’entrée.
- Qwen: Qwen2.5 VL 72B Instruct est 33% moins cher sur les tokens de sortie.
- Qwen: Qwen2.5 VL 72B Instruct lit 3.9× plus de contexte (128 000 tokens).
- Seul Perceptron: Perceptron Mk1 prend en charge le contrôle de l’effort de raisonnement.
- Une requête de 1 000 tokens en entrée et 500 en sortie coûte 0,00315 $US avec Perceptron: Perceptron Mk1 et 0,00455 $US avec Qwen: Qwen2.5 VL 72B Instruct.
En détail
Perceptron : Perceptron Mk1 est créé par Perceptron, et Qwen : Qwen2.5 VL 72B Instruct est créé par Qwen. Les deux sont répertoriés sur api14 comme modèles de texte, ce qui signifie que le texte est ce que vous obtenez en retour de l'un ou l'autre. La différence se situe du côté de l'entrée et dans l'espace de travail qui vous est accordé.
Perceptron Mk1 accepte le texte, les images et la vidéo en entrée, tandis que Qwen2.5 VL 72B Instruct accepte le texte et les images mais pas la vidéo. Cela fait de Perceptron Mk1 le seul des deux à pouvoir examiner des séquences animées. Les fenêtres de contexte vont dans l'autre sens : Qwen2.5 VL 72B Instruct prend en charge 128000 tokens, ce qui est nettement plus grand que les 32768 tokens pris en charge par Perceptron Mk1. Sur le raisonnement, Perceptron Mk1 est celui qui expose les paramètres liés au raisonnement, donc si vous voulez que le modèle montre ou contrôle son raisonnement, c'est de ce côté qu'il faut regarder. Sur le prix, Perceptron Mk1 est l'option la moins chère pour l'entrée, tandis que Qwen2.5 VL 72B Instruct est moins cher pour la sortie, donc le total dépend de la quantité de texte que vous envoyez par rapport à celle que vous générez.
Pour une tâche impliquant de la vidéo, Perceptron Mk1 est le choix évident, puisque Qwen2.5 VL 72B Instruct ne peut pas du tout prendre de vidéo en entrée. Pour une tâche impliquant une très grande quantité de texte, comme un long document, un gros dépôt de code ou un long historique de conversation, Qwen2.5 VL 72B Instruct vous donne beaucoup plus de contexte pour le contenir. Pour un travail image plus texte de longueur modérée, les deux peuvent le gérer, et la décision se résume à savoir si vous voulez des contrôles de raisonnement (Perceptron Mk1) ou la fenêtre plus grande et l'ensemble plus large de paramètres d'échantillonnage et de sortie pris en charge par Qwen2.5 VL 72B Instruct, notamment logit_bias, logprobs, seed et stop. Si votre charge de travail est principalement constituée de prompts courts avec de longues réponses générées, la sortie moins chère sur Qwen2.5 VL 72B Instruct peut compter davantage pour vous.
Appeler l'un ou l'autre modèle via api14 fonctionne de la même manière, car l'API est compatible OpenAI. Vous pointez votre client OpenAI existant vers l'URL de base api14, envoyez votre clé, et définissez le champ model sur l'id souhaité. Pour utiliser Perceptron Mk1, définissez le model sur perceptron/perceptron-mk1. Pour utiliser Qwen2.5 VL 72B Instruct, définissez le model sur qwen/qwen2.5-vl-72b-instruct. Rien d'autre dans la forme de la requête ne doit changer, donc passer de l'un à l'autre est une modification d'une ligne dans votre configuration ou votre corps de requête. Vous pouvez conserver deux constantes dans votre code et les échanger à chaque appel, ou router selon le type de tâche à l'exécution.
Il reste des cas où le modèle que vous n'avez pas choisi en premier est le meilleur. Si vous avez commencé avec Perceptron Mk1 pour son entrée vidéo mais que votre charge de travail réelle s'avère être du texte long sans vidéo, Qwen2.5 VL 72B Instruct est plus adapté en raison de la fenêtre de contexte plus grande. Si vous avez commencé avec Qwen2.5 VL 72B Instruct pour sa taille de contexte mais que vous avez besoin de contrôles de raisonnement, Perceptron Mk1 est celui qui les propose. Consultez le tableau des prix en direct sur la page avant de vous engager, car le côté le moins cher diffère entre l'entrée et la sortie.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "perceptron/perceptron-mk1" par "qwen/qwen2.5-vl-72b-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/qwen2.5-vl-72b-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