Usiamo i cookie. Cookie e memoria del browser ti mantengono connesso e ricordano le tue preferenze. Con il tuo consenso misuriamo anche come viene usato il sito. Puoi in qualsiasi momento. Consulta la nostra cookie policy.

Sei nuovo? Scopri come funziona Un tour di 1 minuto tra banco di prova, modelli e la tua chiave API.

Perceptron Mk1 vs Qwen2.5 VL 72B Instruct: prezzo API, contesto e funzionalità · api14

Perceptron: Perceptron Mk1 contro Qwen: Qwen2.5 VL 72B Instruct

Un confronto fianco a fianco tra Perceptron: Perceptron Mk1 (0,52 USD / 1M token (≈ 0,47 €)) e Qwen: Qwen2.5 VL 72B Instruct (2,80 USD / 1M token (≈ 2,49 €)) con i prezzi in USD e le funzionalità aggiornati dal catalogo di api14. Entrambi funzionano con la stessa API compatibile OpenAI.

Specifiche

	Perceptron: Perceptron Mk1	Qwen: Qwen2.5 VL 72B Instruct
Fornitore	Perceptron	Qwen
Ingresso	0,52 USD / 1M token (≈ 0,47 €)	2,80 USD / 1M token (≈ 2,49 €)
Uscita	5,25 USD / 1M token (≈ 4,68 €)	3,50 USD / 1M token (≈ 3,12 €)
Lettura cache	-	1,40 USD / 1M token (≈ 1,25 €)
Finestra di contesto	32.768	128.000
Output massimo	8192	115.200
Ingresso	text, image, video	text, image
Uscita	text	text
chiamata di strumenti
Output strutturato
Controllo del ragionamento
Aggiunto	12 mag 2026	1 feb 2025

Differenze principali

Perceptron: Perceptron Mk1 costa il 81% in meno sui token di input.
Qwen: Qwen2.5 VL 72B Instruct costa il 33% in meno sui token di output.
Qwen: Qwen2.5 VL 72B Instruct legge 3.9× più contesto (128.000 token).
Solo Perceptron: Perceptron Mk1 supporta controllo del livello di ragionamento.
Una richiesta con 1.000 token di input e 500 di output costa 0,00315 USD con Perceptron: Perceptron Mk1 e 0,00455 USD con Qwen: Qwen2.5 VL 72B Instruct.

Nel dettaglio

Perceptron: Perceptron Mk1 è realizzato da Perceptron, e Qwen: Qwen2.5 VL 72B Instruct è realizzato da Qwen. Entrambi sono elencati su api14 come modelli di testo, il che significa che il testo è ciò che si ottiene da entrambi. La differenza sta nel lato dell'input e in quanto spazio vi viene dato per lavorare.

Perceptron Mk1 accetta testo, immagini e video come input, mentre Qwen2.5 VL 72B Instruct accetta testo e immagini ma non video. Questo rende Perceptron Mk1 l'unico dei due in grado di guardare filmati in movimento. Le finestre di contesto indicano la direzione opposta: Qwen2.5 VL 72B Instruct supporta 128000 token, che è sostanzialmente più grande dei 32768 token supportati da Perceptron Mk1. Sul ragionamento, Perceptron Mk1 è quello che espone i parametri relativi al ragionamento, quindi se volete che il modello mostri o controlli il suo ragionamento, quello è il lato da guardare. Sul prezzo, Perceptron Mk1 è l'opzione più economica per l'input, mentre Qwen2.5 VL 72B Instruct è più economico per l'output, quindi il totale dipende da quanto testo inviate rispetto a quanto generate.

Per un'attività che coinvolge video, Perceptron Mk1 è la scelta diretta, poiché Qwen2.5 VL 72B Instruct non può accettare input video affatto. Per un'attività che coinvolge una quantità molto grande di testo, come un documento lungo, un grande dump di codice o una lunga cronologia di conversazione, Qwen2.5 VL 72B Instruct vi offre molto più contesto per inserirlo. Per lavori di immagini più testo a lunghezza moderata, entrambi possono gestirlo, e la decisione si riduce a se volete controlli di ragionamento (Perceptron Mk1) o la finestra più grande e il set più ampio di parametri di campionamento e output che Qwen2.5 VL 72B Instruct supporta, inclusi logit_bias, logprobs, seed e stop. Se il vostro carico di lavoro è principalmente prompt brevi con risposte generate lunghe, l'output più economico su Qwen2.5 VL 72B Instruct potrebbe contare di più per voi.

Chiamare uno dei due modelli tramite api14 funziona allo stesso modo, perché l'API è compatibile con OpenAI. Puntate il vostro client OpenAI esistente all'URL di base di api14, inviate la vostra chiave e impostate il campo model sull'id che volete. Per usare Perceptron Mk1, impostate il model su perceptron/perceptron-mk1. Per usare Qwen2.5 VL 72B Instruct, impostate il model su qwen/qwen2.5-vl-72b-instruct. Nient'altro nella forma della richiesta deve cambiare, quindi passare da uno all'altro è una modifica di una riga nella vostra configurazione o nel corpo della richiesta. Potete mantenere due costanti nel vostro codice e scambiarle per chiamata, oppure instradare per tipo di attività a runtime.

Ci sono ancora casi in cui il modello che non avete scelto per primo è quello migliore. Se avete iniziato con Perceptron Mk1 per il suo input video ma il vostro carico di lavoro effettivo si rivela essere testo lungo senza video, Qwen2.5 VL 72B Instruct è più adatto a causa della finestra di contesto più grande. Se avete iniziato con Qwen2.5 VL 72B Instruct per la sua dimensione del contesto ma avete bisogno di controlli di ragionamento, Perceptron Mk1 è quello che li offre. Controllate la tabella dei prezzi live sulla pagina prima di impegnarvi, poiché il lato più economico differisce tra input e output.

Cambia modello con una stringa

Entrambi i modelli usano lo stesso endpoint e la stessa struttura di richiesta. Cambia il valore di model da "perceptron/perceptron-mk1" a "qwen/qwen2.5-vl-72b-instruct", prompt, streaming e tool continuano a funzionare.

Perceptron: Perceptron Mk1: dettagli e banco di prova →Qwen: Qwen2.5 VL 72B Instruct: dettagli e banco di prova →

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/qwen2.5-vl-72b-instruct",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Perceptron: Perceptron Mk1 contro Qwen: Qwen2.5 VL 72B Instruct

Specifiche

Differenze principali

Nel dettaglio

Cambia modello con una stringa

Altri confronti