Qwen: Qwen-Plus contre Z.ai: GLM 4.5 Air
Un comparatif côte à côte de Qwen: Qwen-Plus (0,91 $US / 1M jetons (≈ 0,81 €)) et Z.ai: GLM 4.5 Air (0,45 $US / 1M jetons (≈ 0,41 €)) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| Qwen: Qwen-Plus | Z.ai: GLM 4.5 Air | |
|---|---|---|
| Fournisseur | Qwen | Z.ai |
| Entrée | 0,91 $US / 1M jetons (≈ 0,81 €) | 0,45 $US / 1M jetons (≈ 0,41 €) |
| Sortie | 2,73 $US / 1M jetons (≈ 2,43 €) | 2,98 $US / 1M jetons (≈ 2,65 €) |
| Lecture du cache | 0,18 $US / 1M jetons (≈ 0,16 €) | 0,09 $US / 1M jetons (≈ 0,08 €) |
| Écriture du cache | 1,14 $US / 1M jetons (≈ 1,01 €) | - |
| Fenêtre de contexte | 1 000 000 | 131 072 |
| Sortie max. | 32 768 | 98 304 |
| Entrée | text | text |
| Sortie | text | text |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 1 févr. 2025 | 25 juil. 2025 |
Principales différences
- Z.ai: GLM 4.5 Air est 50% moins cher sur les tokens d’entrée.
- Qwen: Qwen-Plus est 8% moins cher sur les tokens de sortie.
- Qwen: Qwen-Plus lit 7.6× plus de contexte (1 000 000 tokens).
- Seul Qwen: Qwen-Plus prend en charge la sortie JSON structurée.
- Seul Z.ai: GLM 4.5 Air prend en charge le contrôle de l’effort de raisonnement.
- Une requête de 1 000 tokens en entrée et 500 en sortie coûte 0,00228 $US avec Qwen: Qwen-Plus et 0,00194 $US avec Z.ai: GLM 4.5 Air.
En détail
Qwen : Qwen-Plus est créé par Qwen et est un modèle de texte qui prend du texte en entrée et renvoie du texte en sortie. Z.ai : GLM 4.5 Air est créé par Z.ai et est également un modèle de texte avec entrée de texte et sortie de texte. Les deux sont servis via api14 sous les identifiants de modèle qwen/qwen-plus et z-ai/glm-4.5-air, donc du point de vue de ce que vous envoyez et recevez, ils appartiennent à la même catégorie. Le choix entre eux se résume à la taille du contexte, à la prise en charge des paramètres et au prix plutôt qu'à une quelconque différence de modalité.
La distinction la plus claire est le contexte. Qwen-Plus offre une fenêtre de contexte beaucoup plus grande que GLM 4.5 Air, c'est donc celui vers lequel se tourner lorsque votre prompt ou votre conversation accumulée est longue. GLM 4.5 Air est le seul des deux à exposer des contrôles de raisonnement (les paramètres reasoning et include_reasoning), ce qui compte si vous voulez que le modèle réfléchisse à un problème avant de répondre. Qwen-Plus est le seul à exposer des sorties structurées, ce qui compte si vous avez besoin que la réponse respecte un schéma. Sur le prix, les deux ne sont pas alignés : GLM 4.5 Air est l'option la moins chère pour l'entrée, tandis que Qwen-Plus est l'option la moins chère pour la sortie. Aucun des deux modèles n'est la seule option pour l'appel d'outils, puisque les deux acceptent tools et tool_choice.
Pour le travail quotidien, choisissez Qwen-Plus lorsque la tâche implique de grandes entrées, comme l'injection d'un long document, d'un gros fichier de code ou d'un long historique de conversation, et lorsque vous voulez que la réponse revienne sous une forme fixe via des sorties structurées. Choisissez GLM 4.5 Air lorsque la tâche bénéficie d'un raisonnement explicite et lorsque votre coût est dominé par les tokens d'entrée plutôt que par les tokens de sortie, car c'est là qu'il est moins cher. Si votre charge de travail est principalement constituée de prompts courts avec des réponses courtes, l'avantage de prix sur la sortie de Qwen-Plus peut compenser son prix d'entrée plus élevé, il vaut donc la peine de vérifier le tableau des prix en direct par rapport à votre propre ratio entrée sur sortie avant de vous engager.
Appeler l'un ou l'autre modèle via api14 fonctionne de la même manière. L'API est compatible OpenAI, donc vous pointez votre client existant vers l'URL de base api14, vous envoyez votre clé et vous définissez le champ model. Pour utiliser Qwen-Plus, définissez model sur qwen/qwen-plus ; pour utiliser GLM 4.5 Air, définissez model sur z-ai/glm-4.5-air. Tout le reste dans le corps de la requête, le tableau messages, temperature, max_tokens et ainsi de suite, reste tel quel. La seule chose à surveiller est les paramètres : si vous dépendez des sorties structurées, celles-ci sont disponibles sur Qwen-Plus mais pas sur GLM 4.5 Air, et si vous dépendez des contrôles de raisonnement, ceux-ci sont disponibles sur GLM 4.5 Air mais pas sur Qwen-Plus. Changer l'identifiant de modèle sans ajuster ces champs sera soit ignoré, soit rejeté selon le paramètre.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "qwen/qwen-plus" par "z-ai/glm-4.5-air" : 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": "z-ai/glm-4.5-air",
"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