Perceptron: Perceptron Mk1 को Perceptron बनाता है, और Qwen: Qwen2.5 VL 72B Instruct को Qwen बनाता है। दोनों api14 पर टेक्स्ट मॉडल के रूप में सूचीबद्ध हैं, जिसका अर्थ है कि इनमें से किसी से भी आपको टेक्स्ट ही वापस मिलता है। अंतर इनपुट पक्ष में है और इसमें कि ये आपको काम करने के लिए कितनी जगह देते हैं।
Perceptron Mk1 इनपुट के रूप में टेक्स्ट, इमेज और वीडियो स्वीकार करता है, जबकि Qwen2.5 VL 72B Instruct टेक्स्ट और इमेज स्वीकार करता है लेकिन वीडियो नहीं। इससे Perceptron Mk1 दोनों में से अकेला ऐसा है जो चलती हुई फुटेज को देख सकता है। कॉन्टेक्स्ट विंडो दूसरी दिशा में इशारा करती हैं: Qwen2.5 VL 72B Instruct 128000 टोकन का समर्थन करता है, जो Perceptron Mk1 के समर्थित 32768 टोकन से काफी बड़ा है। रीज़निंग पर, Perceptron Mk1 वह है जो रीज़निंग से संबंधित पैरामीटर उजागर करता है, इसलिए यदि आप चाहते हैं कि मॉडल अपनी रीज़निंग दिखाए या उसे नियंत्रित करे, तो उस पक्ष को देखना चाहिए। कीमत पर, Perceptron Mk1 इनपुट के लिए सस्ता विकल्प है, जबकि Qwen2.5 VL 72B Instruct आउटपुट के लिए सस्ता है, इसलिए कुल इस पर निर्भर करता है कि आप कितना टेक्स्ट भेजते हैं बनाम कितना जनरेट करते हैं।
ऐसे कार्य के लिए जिसमें वीडियो शामिल है, Perceptron Mk1 सीधा विकल्प है, क्योंकि Qwen2.5 VL 72B Instruct वीडियो इनपुट बिल्कुल नहीं ले सकता। ऐसे कार्य के लिए जिसमें बहुत बड़ी मात्रा में टेक्स्ट शामिल है, जैसे कोई लंबा दस्तावेज़, कोई बड़ा कोडबेस डंप या लंबा बातचीत इतिहास, Qwen2.5 VL 72B Instruct आपको उसे समेटने के लिए बहुत अधिक कॉन्टेक्स्ट देता है। मध्यम लंबाई के इमेज प्लस टेक्स्ट काम के लिए, दोनों इसे संभाल सकते हैं, और निर्णय इस पर आता है कि आप रीज़निंग नियंत्रण चाहते हैं (Perceptron Mk1) या बड़ी विंडो और Qwen2.5 VL 72B Instruct के समर्थित सैंपलिंग और आउटपुट पैरामीटर का व्यापक सेट, जिसमें logit_bias, logprobs, seed और stop शामिल हैं। यदि आपका वर्कलोड ज़्यादातर छोटे प्रॉम्प्ट के साथ लंबे जनरेट किए गए उत्तरों का है, तो Qwen2.5 VL 72B Instruct पर सस्ता आउटपुट आपके लिए अधिक मायने रख सकता है।
api14 के माध्यम से किसी भी मॉडल को कॉल करना एक ही तरह से काम करता है, क्योंकि API OpenAI संगत है। आप अपने मौजूदा OpenAI क्लाइंट को api14 बेस URL पर पॉइंट करते हैं, अपनी कुंजी भेजते हैं, और model फ़ील्ड को उस id पर सेट करते हैं जो आप चाहते हैं। Perceptron Mk1 का उपयोग करने के लिए, model को perceptron/perceptron-mk1 पर सेट करें। Qwen2.5 VL 72B Instruct का उपयोग करने के लिए, model को qwen/qwen2.5-vl-72b-instruct पर सेट करें। अनुरोध के स्वरूप में और कुछ भी बदलने की ज़रूरत नहीं है, इसलिए इनके बीच स्विच करना आपके कॉन्फ़िग या आपके अनुरोध बॉडी में एक पंक्ति का संपादन है। आप अपने कोड में दो कॉन्स्टेंट रख सकते हैं और प्रति कॉल उन्हें बदल सकते हैं, या रनटाइम पर कार्य प्रकार के अनुसार रूट कर सकते हैं।
अभी भी ऐसे मामले हैं जहाँ जो मॉडल आपने पहले नहीं चुना वह बेहतर है। यदि आपने Perceptron Mk1 को उसके वीडियो इनपुट के लिए शुरू किया था लेकिन आपका वास्तविक वर्कलोड बिना वीडियो के लंबा टेक्स्ट निकलता है, तो Qwen2.5 VL 72B Instruct बड़ी कॉन्टेक्स्ट विंडो के कारण बेहतर फिट है। यदि आपने Qwen2.5 VL 72B Instruct को उसके कॉन्टेक्स्ट आकार के लिए शुरू किया था लेकिन आपको रीज़निंग नियंत्रण चाहिए, तो Perceptron Mk1 वह है जो उन्हें प्रदान करता है। प्रतिबद्ध होने से पहले पेज पर लाइव मूल्य तालिका देखें, क्योंकि सस्ता पक्ष इनपुट और आउटपुट के बीच भिन्न होता है।