Kami menggunakan cookie. Cookie dan penyimpanan browser menjaga Anda tetap masuk dan mengingat preferensi Anda. Dengan izin Anda, kami juga mengukur cara situs digunakan. Anda dapat kapan saja. Lihat kebijakan cookie kami.

Baru di sini? Lihat cara kerjanya Tur 1 menit tentang area uji coba, model, dan API key Anda.

Perceptron Mk1 vs Qwen2.5 Coder 32B Instruct: harga API, konteks & fitur · api14

Perceptron: Perceptron Mk1 lawan Qwen2.5 Coder 32B Instruct

Perbandingan berdampingan Perceptron: Perceptron Mk1 (US$0,52 / 1 jt token (≈ Rp 9.492)) dan Qwen2.5 Coder 32B Instruct (US$2,31 / 1 jt token (≈ Rp 41.765)) menggunakan harga USD dan kemampuan terkini dari katalog api14. Keduanya berjalan melalui API yang sama dan kompatibel dengan OpenAI.

Spesifikasi

	Perceptron: Perceptron Mk1	Qwen2.5 Coder 32B Instruct
Penyedia	Perceptron	Qwen
Masukan	US$0,52 / 1 jt token (≈ Rp 9.492)	US$2,31 / 1 jt token (≈ Rp 41.765)
Keluaran	US$5,25 / 1 jt token (≈ Rp 94.920)	US$3,50 / 1 jt token (≈ Rp 63.280)
Jendela konteks	32.768	32.768
Output maks.	8.192	29.491
Masukan	text, image, video	text
Keluaran	text	text
panggilan alat
Output terstruktur
Pengaturan penalaran
Ditambahkan	12 Mei 2026	11 Nov 2024

Perbedaan utama

Perceptron: Perceptron Mk1 77% lebih murah untuk token input.
Qwen2.5 Coder 32B Instruct 33% lebih murah untuk token output.
Hanya Perceptron: Perceptron Mk1 yang mendukung output JSON terstruktur.
Hanya Perceptron: Perceptron Mk1 yang mendukung pengaturan tingkat penalaran.
Permintaan dengan 1.000 token input dan 500 token output berbiaya US$0,00315 dengan Perceptron: Perceptron Mk1 dan US$0,00406 dengan Qwen2.5 Coder 32B Instruct.

Lebih mendalam

Perceptron Mk1 adalah model teks dari Perceptron, dirilis pada 2026-05-12. Qwen2.5 Coder 32B Instruct adalah model teks dari Qwen, dirilis pada 2024-11-11. Keduanya dilayani melalui api14 di bawah kategori teks, dan keduanya menerima prompt teks dan mengembalikan output teks, jadi pada tingkat bentuk permintaan dan respons dasar keduanya dapat dipertukarkan.

Keduanya berbeda dalam hal apa yang mereka terima dan apa yang mereka ekspos. Perceptron Mk1 menerima input gambar dan video bersama teks, sedangkan Qwen2.5 Coder 32B Instruct hanya menerima teks. Keduanya mencantumkan panjang konteks 32768 token, jadi tidak ada perbedaan berarti dalam seberapa banyak yang dapat Anda kirim dalam satu panggilan. Perceptron Mk1 adalah satu-satunya dari keduanya yang mendukung structured outputs dan satu-satunya yang mendukung reasoning, dan daftar parameternya mencakup include_reasoning dan reasoning. Qwen2.5 Coder 32B Instruct sebaliknya mengekspos kumpulan kontrol sampling dan pemformatan yang lebih luas, termasuk logit_bias, min_p, repetition_penalty, response_format, seed dan stop. Tidak ada model yang terdaftar sebagai mendukung tools.

Bagi pengembang yang memilih di antara keduanya, faktor penentunya biasanya adalah input. Jika tugas Anda melibatkan tangkapan layar, diagram, frame dari video, atau materi visual lain yang perlu dibaca model, Perceptron Mk1 adalah yang dapat menerimanya, dan juga dapat mengembalikan output terstruktur dan mengekspos reasoning, yang cocok untuk ekstraksi, klasifikasi dan analisis multi langkah di mana Anda ingin pemikiran perantaranya ditampilkan. Jika tugas Anda murni tekstual dan terutama jika itu kode, Qwen2.5 Coder 32B Instruct memberi Anda kontrol lebih halus atas generasi melalui seed, stop, logit_bias dan repetition_penalty, yang penting ketika Anda membutuhkan output yang dapat direproduksi atau dibatasi secara ketat. Dari segi biaya, Perceptron Mk1 lebih murah pada input dan Qwen2.5 Coder 32B Instruct lebih murah pada output, jadi nilai yang lebih baik bergantung pada apakah beban kerja Anda berat input atau berat output. Periksa tabel harga langsung untuk angka terkini.

Memanggil salah satu model melalui api14 bekerja dengan cara yang sama, karena API-nya kompatibel dengan OpenAI. Anda mengirim permintaan chat completions ke endpoint yang sama dengan autentikasi yang sama, dan satu-satunya hal yang berubah adalah model id. Gunakan perceptron/perceptron-mk1 untuk Perceptron Mk1 dan qwen/qwen-2.5-coder-32b-instruct untuk Qwen2.5 Coder 32B Instruct. Semua hal lain dalam body permintaan Anda, seperti messages, temperature dan max_tokens, tetap di tempatnya, meskipun parameter yang tidak dicantumkan oleh salah satu model tidak akan berlaku untuknya. Ini membuat perpindahan antara keduanya menjadi perubahan satu baris, sehingga Anda dapat merutekan permintaan yang berbeda ke model yang berbeda tanpa menulis ulang klien Anda.

Masih ada kasus di mana model lain adalah pilihan yang lebih baik. Jika Anda membutuhkan structured outputs atau reasoning, Qwen2.5 Coder 32B Instruct tidak menawarkannya, jadi Perceptron Mk1 adalah satu-satunya opsi. Jika Anda membutuhkan seed, stop, logit_bias atau repetition_penalty, Perceptron Mk1 tidak mencantumkannya, jadi Qwen2.5 Coder 32B Instruct adalah yang harus dipanggil. Dan jika output Anda panjang dan Anda membayarnya, harga sisi output menguntungkan Qwen2.5 Coder 32B Instruct, sementara pekerjaan yang berat input menguntungkan Perceptron Mk1.

Berganti cukup dengan satu string

Kedua model menggunakan endpoint dan bentuk permintaan yang sama. Ubah nilai model dari "perceptron/perceptron-mk1" ke "qwen/qwen-2.5-coder-32b-instruct", prompt, streaming, dan tools tetap berfungsi.

Detail & area uji coba Perceptron: Perceptron Mk1 →Detail & area uji coba Qwen2.5 Coder 32B Instruct →

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/qwen-2.5-coder-32b-instruct",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Perceptron: Perceptron Mk1 lawan Qwen2.5 Coder 32B Instruct

Spesifikasi

Perbedaan utama

Lebih mendalam

Berganti cukup dengan satu string

Perbandingan lainnya