Google: Gemini 3.1 Flash Lite Preview contro Qwen: Qwen3.5 Plus 2026-02-15
Un confronto fianco a fianco tra Google: Gemini 3.1 Flash Lite Preview (0,88 USD / 1M token (≈ 0,78 €)) e Qwen: Qwen3.5 Plus 2026-02-15 (0,91 USD / 1M token (≈ 0,82 €)) con i prezzi in USD e le funzionalità aggiornati dal catalogo di api14. Entrambi funzionano con la stessa API compatibile OpenAI.
Specifiche
| Google: Gemini 3.1 Flash Lite Preview | Qwen: Qwen3.5 Plus 2026-02-15 | |
|---|---|---|
| Fornitore | Qwen | |
| Ingresso | 0,88 USD / 1M token (≈ 0,78 €) | 0,91 USD / 1M token (≈ 0,82 €) |
| Uscita | 5,25 USD / 1M token (≈ 4,70 €) | 5,46 USD / 1M token (≈ 4,89 €) |
| Lettura cache | 0,09 USD / 1M token (≈ 0,08 €) | - |
| Scrittura cache | 0,29 USD / 1M token (≈ 0,26 €) | - |
| Ragionamento | 5,25 USD / 1M token (≈ 4,70 €) | - |
| Input audio | 1,75 USD / 1M token (≈ 1,57 €) | - |
| Immagine | 0,000001 USD / immagine (≈ 0,000000784 €) | - |
| Ricerca web | 49,00 USD / 1K ricerche (≈ 43,91 €) | - |
| Finestra di contesto | 1.048.576 | 1.000.000 |
| Output massimo | 65.536 | 65.536 |
| Ingresso | text, image, video, file, audio | text, image, video |
| Uscita | text | text |
| chiamata di strumenti | ||
| Output strutturato | ||
| Controllo del ragionamento | ||
| Aggiunto | 3 mar 2026 | 16 feb 2026 |
Differenze principali
- Entrambi hanno all’incirca lo stesso prezzo di input.
- Una richiesta con 1.000 token di input e 500 di output costa 0,00350 USD con Google: Gemini 3.1 Flash Lite Preview e 0,00364 USD con Qwen: Qwen3.5 Plus 2026-02-15.
Nel dettaglio
Google: Gemini 3.1 Flash Lite Preview è un modello testuale di Google, elencato con l'id modello google/gemini-3.1-flash-lite-preview. Qwen: Qwen3.5 Plus 2026-02-15 è un modello testuale di Qwen, elencato con l'id modello qwen/qwen3.5-plus-02-15. Entrambi sono serviti tramite api14 come modelli in stile chat con output testuale, quindi dal punto di vista di chi chiama occupano lo stesso slot nel tuo codice: invii una conversazione e ricevi indietro testo. Le date di rilascio dei provider sono vicine, 2026-03-03 per il modello Gemini e 2026-02-16 per il modello Qwen, il che colloca entrambi nella stessa recente generazione di modelli ospitati.
La differenza più chiara sta in ciò che puoi fornire loro in input. Gemini 3.1 Flash Lite Preview accetta input di testo, immagine, video, file e audio, mentre Qwen3.5 Plus accetta testo, immagine e video. Se la tua pipeline deve passare una clip audio o un documento caricato come parte di tipo file, il modello Gemini lo copre e il modello Qwen no. La lunghezza del contesto è simile: 1.048.576 token per Gemini e 1.000.000 di token per Qwen, quindi entrambi possono contenere input molto grandi e nessuno dei due è significativamente più grande per scopi pratici. Sui parametri i due si sovrappongono sul set principale che ti aspetteresti, inclusi temperature, top_p, max_tokens, seed, response_format, structured_outputs, tool_choice, tools e controlli di reasoning. Qwen aggiunge frequency_penalty, presence_penalty, stop, top_k, logprobs e top_logprobs, il che conta se ti affidi a probabilità a livello di token o a controlli di campionamento oltre a quelli di base. I campi qualitativi di prezzo indicano il costo di input e output come un pareggio, quindi nessuno dei due è l'opzione più economica in alcun modo su cui dovresti pianificare.
Per la scelta del task, parti dal lato input. Se stai costruendo qualcosa che acquisisce audio, o che tratta file caricati arbitrari come input di prima classe insieme a testo e immagini, Gemini 3.1 Flash Lite Preview è la scelta naturale perché è l'unico dei due che elenca quelle modalità. Se i tuoi input sono solo testo, immagini e video, entrambi sono validi, e la decisione si sposta su campionamento e introspezione: Qwen3.5 Plus ti offre penalità, sequenze di stop, top_k e output logprob, utili quando stai mettendo a punto il comportamento di generazione o eseguendo il debug del motivo per cui è stato scelto un particolare token. Se hai bisogno di controlli di reasoning, entrambi li espongono, quindi non è un fattore decisivo. Per un lavoro semplice a contesto lungo su testo e immagini, va bene uno dei due modelli, e puoi decidere in base a quale stile di output del provider preferisci nelle tue valutazioni.
Chiamare uno dei due tramite api14 funziona allo stesso modo perché l'API è compatibile con OpenAI. Punti il tuo client all'URL di base di api14, invii la tua chiave e usi la forma delle chat completions che già conosci. L'unica cosa che cambia tra i due modelli è la stringa dell'id modello: usa google/gemini-3.1-flash-lite-preview per il modello Gemini e qwen/qwen3.5-plus-02-15 per il modello Qwen. Tutto il resto, l'array messages, la struttura dei ruoli, le definizioni degli strumenti, il parsing della risposta, resta identico. Questo significa che puoi tenere entrambi dietro un singolo valore di configurazione e passare dall'uno all'altro per richiesta o per ambiente senza toccare il resto della tua integrazione.
Cambia modello con una stringa
Entrambi i modelli usano lo stesso endpoint e la stessa struttura di richiesta. Cambia il valore di model da "google/gemini-3.1-flash-lite-preview" a "qwen/qwen3.5-plus-02-15", prompt, streaming e tool continuano a funzionare.
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/qwen3.5-plus-02-15",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Altri confronti
- LiquidAI: LFM3-1.7B contro Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contro Crouton Alpha
- LiquidAI: LFM3-1.7B contro Tencent: Hy4
- LiquidAI: LFM3-1.7B contro Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contro Crouton Alpha
- Ricursive: Ripple 65B Preview contro Tencent: Hy4
- Ricursive: Ripple 65B Preview contro Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contro Tencent: Hy4