Cookieを使用しています. Cookieとブラウザストレージは、ログイン状態の維持と設定の保存に使われます。許可いただいた場合は、サイトの利用状況も計測します。はいつでも変更できます。詳しくはCookieポリシーをご覧ください。

初めてですか？使い方をご紹介しますプレイグラウンド、モデル、APIキーを1分でご案内します。

Muse Spark 1.3 Contributor vs Qwen2.5 7B Instruct：API料金・コンテキスト・機能を比較 · api14

Meta: Muse Spark 1.3 Contributor 対 Qwen: Qwen2.5 7B Instruct

api14カタログの最新のUSD料金と機能をもとに、Meta: Muse Spark 1.3 Contributor（$0.35 / 100万トークン (≈ ￥55)）とQwen: Qwen2.5 7B Instruct（$0.35 / 100万トークン (≈ ￥55)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。

仕様

	Meta: Muse Spark 1.3 Contributor	Qwen: Qwen2.5 7B Instruct
プロバイダー	Meta	Qwen
入力	$0.35 / 100万トークン (≈ ￥55)	$0.35 / 100万トークン (≈ ￥55)
出力	$0.70 / 100万トークン (≈ ￥110)	$0.70 / 100万トークン (≈ ￥110)
キャッシュ読み取り	$0.00700 / 100万トークン (≈ ￥1.1)	-
ウェブ検索	$8.75 / 1,000検索 (≈ ￥1,381)	-
コンテキストウィンドウ	1,048,576	32,768
最大出力	943,718	29,491
入力	text, image, video, file	text
出力	text	text
ツール呼び出し
構造化出力
推論の調整
追加日	2026/09/02	2024/10/16

主な違い

入力料金はどちらもほぼ同じです。
Meta: Muse Spark 1.3 Contributorは32.0倍長いコンテキスト（1,048,576トークン）を読み取れます。
推論の強度の調整に対応しているのはMeta: Muse Spark 1.3 Contributorだけです。
入力1,000トークン・出力500トークンのリクエストの費用は、Meta: Muse Spark 1.3 Contributorで$0.000700、Qwen: Qwen2.5 7B Instructで$0.000700です。

詳しく見る

Meta: Muse Spark 1.3 Contributor は Meta によって作られ、Qwen: Qwen2.5 7B Instruct は Qwen によって作られています。どちらもテキストを返すテキストモデルであり、どちらも同じ OpenAI 互換インターフェースの下で api14 を通じて提供されています。異なる世代と異なる系統に由来するため、両者の実用的な選択は、誰が作ったかではなく、規模と機能セットによって決まります。

最大の違いはコンテキストです。Muse Spark 1.3 Contributor は最大 1,048,576 トークンを受け付けますが、Qwen2.5 7B Instruct は 32,768 です。これは大きな隔たりであり、他の何よりも先に多くのユースケースを決定づけます。また Muse Spark 1.3 Contributor はテキストに加えて画像、動画、ファイルを入力として受け付けますが、Qwen2.5 7B Instruct はテキスト入力とテキスト出力のみです。さらに Muse Spark 1.3 Contributor は推論制御 (include_reasoning、reasoning、reasoning_effort) をサポートしていますが、Qwen2.5 7B Instruct はこれを公開していません。ツールと構造化出力については、両者に意味のある違いはないため、関数呼び出しと JSON 形式の応答はどちらでも利用できます。価格については、入力と出力の両方でほぼ同じ水準にあるため、コストはここでの決定要因ではありません。

長い文書、複合メディア、または推論パスを必要とするものには、Muse Spark 1.3 Contributor が自然な選択です。大きな契約書、長い文字起こし、スクリーンショット、動画ファイルを 1 回の呼び出しに投入できるのはその側だけであり、推論パラメータにより、タスクがそれを必要とするときにレイテンシと引き換えにより慎重な回答を得られます。Qwen2.5 7B Instruct は、より小さく範囲の明確な仕事に適しています。短いプロンプト、単純な生成、分類、抽出、そして入力が 32,768 トークンに余裕をもって収まり、画像やファイル入力が不要なツール駆動ワークフローです。プロンプトが数千トークンのプレーンテキストで、速く予測可能な補完だけを求めるなら、より小さいコンテキストはまったく制限になりません。

どちらのモデルを呼び出す場合も同じように動作します。OpenAI 互換クライアントを api14 に向け、既存の chat completions コードを保ち、変更するのはモデル id だけにしてください。Muse Spark 1.3 Contributor には "meta/muse-spark-1.3-contributor" を、Qwen2.5 7B Instruct には "qwen/qwen-2.5-7b-instruct" を使います。messages、tools、response_format はそのまま引き継がれるため、切り替えは 1 行の編集であり、何も書き直すことなく自分のワークロードで出力を比較できます。確定する前に、現在の料金についてはこのページのライブ価格表を確認してください。

Muse Spark 1.3 Contributor が機能する場合でも、Qwen2.5 7B Instruct を選ぶ理由は依然としてあります。もう一方が列挙していないサンプリング制御を公開しており、frequency_penalty、presence_penalty、min_p、seed、stop が含まれます。固定シードによる再現可能な実行、または繰り返しと停止動作の細かな制御が必要な場合、これらのパラメータは重要であり、Qwen 側でのみ利用できます。決定論的なパイプラインと厳密に調整されたテキストのみの生成では、それがより大きなコンテキストを上回ることがあります。

文字列1つで切り替え

どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"meta/muse-spark-1.3-contributor"から"qwen/qwen-2.5-7b-instruct"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。

Meta: Muse Spark 1.3 Contributorの詳細とプレイグラウンド →Qwen: Qwen2.5 7B Instructの詳細とプレイグラウンド →

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-2.5-7b-instruct",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Meta: Muse Spark 1.3 Contributor 対 Qwen: Qwen2.5 7B Instruct

仕様

主な違い

詳しく見る

文字列1つで切り替え

その他の比較