Qwen: Qwen-Plus contro Z.ai: GLM 4.5 Air
Un confronto fianco a fianco tra Qwen: Qwen-Plus (0,91 USD / 1M token (≈ 0,81 €)) e Z.ai: GLM 4.5 Air (0,45 USD / 1M token (≈ 0,41 €)) con i prezzi in USD e le funzionalità aggiornati dal catalogo di api14. Entrambi funzionano con la stessa API compatibile OpenAI.
Specifiche
| Qwen: Qwen-Plus | Z.ai: GLM 4.5 Air | |
|---|---|---|
| Fornitore | Qwen | Z.ai |
| Ingresso | 0,91 USD / 1M token (≈ 0,81 €) | 0,45 USD / 1M token (≈ 0,41 €) |
| Uscita | 2,73 USD / 1M token (≈ 2,43 €) | 2,98 USD / 1M token (≈ 2,65 €) |
| Lettura cache | 0,18 USD / 1M token (≈ 0,16 €) | 0,09 USD / 1M token (≈ 0,08 €) |
| Scrittura cache | 1,14 USD / 1M token (≈ 1,01 €) | - |
| Finestra di contesto | 1.000.000 | 131.072 |
| Output massimo | 32.768 | 98.304 |
| Ingresso | text | text |
| Uscita | text | text |
| chiamata di strumenti | ||
| Output strutturato | ||
| Controllo del ragionamento | ||
| Aggiunto | 1 feb 2025 | 25 lug 2025 |
Differenze principali
- Z.ai: GLM 4.5 Air costa il 50% in meno sui token di input.
- Qwen: Qwen-Plus costa il 8% in meno sui token di output.
- Qwen: Qwen-Plus legge 7.6× più contesto (1.000.000 token).
- Solo Qwen: Qwen-Plus supporta output JSON strutturato.
- Solo Z.ai: GLM 4.5 Air supporta controllo del livello di ragionamento.
- Una richiesta con 1.000 token di input e 500 di output costa 0,00228 USD con Qwen: Qwen-Plus e 0,00194 USD con Z.ai: GLM 4.5 Air.
Nel dettaglio
Qwen: Qwen-Plus è realizzato da Qwen ed è un modello testuale che accetta testo in input e restituisce testo in output. Z.ai: GLM 4.5 Air è realizzato da Z.ai ed è anch'esso un modello testuale con input e output testuali. Entrambi sono serviti tramite api14 con gli id modello qwen/qwen-plus e z-ai/glm-4.5-air, quindi dal punto di vista di ciò che si invia e si riceve, appartengono alla stessa categoria. La scelta tra i due dipende dalla dimensione del contesto, dal supporto ai parametri e dal prezzo, non da differenze di modalità.
La distinzione più netta è il contesto. Qwen-Plus offre una finestra di contesto molto più ampia rispetto a GLM 4.5 Air, quindi è quello da scegliere quando il prompt o la conversazione accumulata è lunga. GLM 4.5 Air è l'unico dei due che espone i controlli di ragionamento (i parametri reasoning e include_reasoning), il che conta se si vuole che il modello elabori un problema prima di rispondere. Qwen-Plus è l'unico che espone gli output strutturati, il che conta se si ha bisogno che la risposta sia conforme a uno schema. Sul prezzo i due non sono allineati: GLM 4.5 Air è l'opzione più economica per l'input, mentre Qwen-Plus è l'opzione più economica per l'output. Nessuno dei due modelli è l'unica opzione per il tool calling, dato che entrambi accettano tools e tool_choice.
Per il lavoro quotidiano, scegli Qwen-Plus quando il compito comporta input di grandi dimensioni, come l'inserimento di un documento lungo, un file di codice di grandi dimensioni o una lunga cronologia di chat, e quando si vuole che la risposta torni in una forma fissa tramite output strutturati. Scegli GLM 4.5 Air quando il compito trae vantaggio da un ragionamento esplicito e quando il costo è dominato dai token di input anziché dai token di output, dato che è lì che è più economico. Se il carico di lavoro è per lo più composto da prompt brevi con risposte brevi, il vantaggio di prezzo sull'output di Qwen-Plus può compensare il suo prezzo di input più alto, quindi vale la pena verificare la tabella dei prezzi aggiornata rispetto al proprio rapporto input/output prima di impegnarsi.
Chiamare l'uno o l'altro modello tramite api14 funziona allo stesso modo. L'API è compatibile con OpenAI, quindi si punta il client esistente all'URL di base di api14, si invia la propria chiave e si imposta il campo model. Per usare Qwen-Plus impostare model su qwen/qwen-plus; per usare GLM 4.5 Air impostare model su z-ai/glm-4.5-air. Tutto il resto nel corpo della richiesta, l'array messages, temperature, max_tokens e così via, rimane com'è. L'unica cosa a cui prestare attenzione sono i parametri: se si fa affidamento sugli output strutturati, questi sono disponibili su Qwen-Plus ma non su GLM 4.5 Air, e se si fa affidamento sui controlli di ragionamento, questi sono disponibili su GLM 4.5 Air ma non su Qwen-Plus. Cambiare l'id del modello senza adeguare quei campi comporterà che vengano ignorati o rifiutati a seconda del parametro.
Ci sono ancora casi in cui l'altro modello è la scelta migliore. Se si è optato per GLM 4.5 Air per il suo comportamento di ragionamento ma gli input sono brevi e gli output lunghi, Qwen-Plus è la scelta più economica sull'output e offre anche una finestra di contesto molto più ampia. Al contrario, se si è optato per Qwen-Plus per la sua dimensione del contesto ma il carico di lavoro è a forte componente di input e non si ha bisogno di output strutturati, GLM 4.5 Air è la scelta più economica sull'input e aggiunge controlli di ragionamento di cui altrimenti si farebbe a meno.
Cambia modello con una stringa
Entrambi i modelli usano lo stesso endpoint e la stessa struttura di richiesta. Cambia il valore di model da "qwen/qwen-plus" a "z-ai/glm-4.5-air", 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": "z-ai/glm-4.5-air",
"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