OpenAI: gpt-oss-20b lawan Qwen: Qwen3.7 Flash
Perbandingan berdampingan OpenAI: gpt-oss-20b (US$0,11 / 1 jt token (≈ Rp 1.900)) dan Qwen: Qwen3.7 Flash (US$0,11 / 1 jt token (≈ Rp 1.900)) menggunakan harga USD dan kemampuan terkini dari katalog api14. Keduanya berjalan melalui API yang sama dan kompatibel dengan OpenAI.
Spesifikasi
| OpenAI: gpt-oss-20b | Qwen: Qwen3.7 Flash | |
|---|---|---|
| Penyedia | OpenAI | Qwen |
| Masukan | US$0,11 / 1 jt token (≈ Rp 1.900) | US$0,11 / 1 jt token (≈ Rp 1.900) |
| Keluaran | US$0,45 / 1 jt token (≈ Rp 8.235) | US$0,45 / 1 jt token (≈ Rp 8.235) |
| Baca cache | US$0,11 / 1 jt token (≈ Rp 1.900) | US$0,02 / 1 jt token (≈ Rp 380) |
| Tulis cache | - | US$0,13 / 1 jt token (≈ Rp 2.407) |
| Jendela konteks | 131.072 | 1.000.000 |
| Output maks. | 117.964 | 65.536 |
| Masukan | text | text, image, video |
| Keluaran | text | text |
| panggilan alat | ||
| Output terstruktur | ||
| Pengaturan penalaran | ||
| Ditambahkan | 5 Agu 2025 | 27 Jul 2026 |
Perbedaan utama
- Keduanya memiliki harga input yang hampir sama.
- Qwen: Qwen3.7 Flash membaca konteks 7.6× lebih banyak (1.000.000 token).
- Hanya OpenAI: gpt-oss-20b yang mendukung output JSON terstruktur.
- Permintaan dengan 1.000 token input dan 500 token output berbiaya US$0,000333 dengan OpenAI: gpt-oss-20b dan US$0,000333 dengan Qwen: Qwen3.7 Flash.
Lebih mendalam
OpenAI: gpt-oss-20b adalah model teks dari OpenAI, dirilis pada 2025-08-05. Qwen: Qwen3.7 Flash adalah model teks dari Qwen, dirilis pada 2026-07-27. Keduanya dilayani melalui api14 di bawah permukaan yang kompatibel dengan OpenAI yang sama, sehingga pilihan di antara keduanya bermuara pada apa yang sebenarnya dibutuhkan tugas Anda, bukan pada perbedaan cara Anda terhubung.
Pemisahan yang paling jelas adalah konteks dan modalitas input. Qwen3.7 Flash menerima input teks, gambar dan video serta membawa jendela konteks 1.000.000 token, yang merupakan yang lebih besar dari keduanya. gpt-oss-20b hanya menerima teks dan membawa jendela konteks 131.072 token. Dari segi harga keduanya kurang lebih sama untuk input maupun output, jadi biaya bukan faktor penentu di sini. Di mana gpt-oss-20b menonjol adalah output terstruktur: ia adalah satu-satunya yang mendukung output terstruktur, dan daftar parameternya secara keseluruhan lebih luas, termasuk frequency_penalty, logit_bias, logprobs, min_p, reasoning_effort, repetition_penalty, stop, top_k dan top_logprobs bersama kontrol sampling dan tool yang dimiliki kedua model. Qwen3.7 Flash mendukung kumpulan yang lebih kecil, mencakup include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, response_format, seed, temperature, tool_choice, tools, top_logprobs dan top_p.
Bagi pengembang yang memilih di antara keduanya, aturan praktisnya mengikuti fakta-fakta tersebut. Jika input Anda panjang, atau jika mencakup gambar atau video, Qwen3.7 Flash adalah pilihan yang wajar karena ia satu-satunya dari keduanya yang menerima modalitas tersebut dan satu-satunya dengan jendela satu juta token. Jika tugas Anda adalah teks masuk dan teks keluar dan Anda bergantung pada output terstruktur, atau pada kontrol sampling dan penalti yang lebih halus seperti logit_bias, min_p, top_k atau reasoning_effort, gpt-oss-20b adalah pasangan yang lebih baik. Keduanya mengekspos tool calling dan kontrol reasoning, sehingga beban kerja bergaya agen dan beban kerja bergaya reasoning bukanlah dengan sendirinya alasan untuk memilih salah satu daripada yang lain.
Memanggil salah satu model melalui api14 bekerja dengan cara yang sama. Anda mengarahkan klien Anda ke base URL api14, mengirim permintaan dalam bentuk chat completions OpenAI, dan mengatur field model. Untuk menggunakan model OpenAI, atur model ke "openai/gpt-oss-20b". Untuk menggunakan model Qwen, atur model ke "qwen/qwen3.7-flash". Tidak ada hal lain dalam permintaan yang harus berubah untuk kasus dasar: array messages yang sama, header yang sama, penguraian respons yang sama. Jika Anda mengandalkan parameter yang hanya dicantumkan oleh satu sisi, pertahankan permintaan itu di sisi tersebut, karena mengirim parameter yang tidak didukung adalah satu tempat di mana keduanya berbeda dalam praktik.
Masih ada kasus di mana model lain menang. Jika Anda sudah membangun di sekitar output terstruktur dan sekumpulan kontrol sampling yang luas, beralih ke Qwen3.7 Flash berarti melepaskan hal-hal tersebut, sehingga gpt-oss-20b tetap menjadi pilihan yang lebih baik bahkan untuk tugas teks pendek. Sebaliknya, jika prompt teks Anda sangat besar, atau pipeline Anda menyerap tangkapan layar atau klip bersama teks, gpt-oss-20b tidak dapat menerima input itu sama sekali, dan Qwen3.7 Flash adalah satu-satunya opsi dari keduanya.
Berganti cukup dengan satu string
Kedua model menggunakan endpoint dan bentuk permintaan yang sama. Ubah nilai model dari "openai/gpt-oss-20b" ke "qwen/qwen3.7-flash", prompt, streaming, dan tools tetap berfungsi.
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/qwen3.7-flash",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Perbandingan lainnya
- LiquidAI: LFM3-1.7B lawan Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B lawan Crouton Alpha
- LiquidAI: LFM3-1.7B lawan Tencent: Hy4
- LiquidAI: LFM3-1.7B lawan Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview lawan Crouton Alpha
- Ricursive: Ripple 65B Preview lawan Tencent: Hy4
- Ricursive: Ripple 65B Preview lawan Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha lawan Tencent: Hy4