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。

Devstral 2 2512 vs Qwen3.5-27B：API料金・コンテキスト・機能を比較 · api14

Mistral: Devstral 2 2512 対 Qwen: Qwen3.5-27B

api14カタログの最新のUSD料金と機能をもとに、Mistral: Devstral 2 2512（$1.40 / 100万トークン (≈ ￥222)）とQwen: Qwen3.5-27B（$0.91 / 100万トークン (≈ ￥144)）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

	Mistral: Devstral 2 2512	Qwen: Qwen3.5-27B
プロバイダー	Mistral	Qwen
入力	$1.40 / 100万トークン (≈ ￥222)	$0.91 / 100万トークン (≈ ￥144)
出力	$7.00 / 100万トークン (≈ ￥1,109)	$9.10 / 100万トークン (≈ ￥1,441)
キャッシュ読み取り	$0.14 / 100万トークン (≈ ￥22)	-
コンテキストウィンドウ	262,144	262,144
最大出力	209,715	81,920
入力	text, file	text, image, video
出力	text	text
ツール呼び出し
構造化出力
推論の調整
追加日	2025/12/09	2026/02/25

主な違い

Qwen: Qwen3.5-27Bは入力トークンが35%安くなっています。
Mistral: Devstral 2 2512は出力トークンが23%安くなっています。
推論の強度の調整に対応しているのはQwen: Qwen3.5-27B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、Mistral: Devstral 2 2512で$0.00490、Qwen: Qwen3.5-27Bで$0.00546です。

詳しく見る

Mistral: Devstral 2 2512 は Mistral によって作られ、Qwen: Qwen3.5-27B は Qwen によって作られています。どちらもテキスト生成モデルであり、入力を受け取ってテキストを返し、両方とも同じ OpenAI 互換インターフェースの下で api14 を通じて提供されます。Devstral 2 2512 はプロバイダーによって 2025-12-09 にリリースされ、Qwen3.5-27B のプロバイダーリリース日は 2026-02-25 であるため、Qwen モデルの方が新しい方です。

両モデルは 262144 トークンのコンテキストウィンドウを共有しているため、そこに優劣はありません。違いが現れるのは入力モダリティとチューニングオプションです。Devstral 2 2512 はテキストとファイルの入力を受け付け、Qwen3.5-27B はテキスト、画像、動画の入力を受け付けるため、プロンプトに視覚メディアが含まれる場合は Qwen モデルが適しています。また Qwen3.5-27B は、Devstral 2 2512 には記載されていない推論制御 (include_reasoning と reasoning) を公開しており、さらに logit_bias、logprobs、top_logprobs、min_p、top_k、repetition_penalty も備えています。Devstral 2 2512 が記載するパラメータセットはより小さいものの、両モデルは tools、tool_choice、structured_outputs、response_format、temperature、top_p、seed、stop、max_tokens、frequency_penalty、presence_penalty をサポートしているため、関数呼び出しと構造化出力はどちらでも動作します。

開発者が両者を選ぶ場合、判断は通常、生のコンテキストではなく入力タイプとコストの形に帰着します。タスクが大規模ファイルに対するコードやテキストの作業であれば、Devstral 2 2512 はファイル入力を直接扱え、出力トークンで安価な選択肢であり、これはモデルが長い応答を書くときに重要です。タスクに画像や動画が含まれる場合、または推論トレースや top_k、min_p、logprobs といったより細かいサンプリング制御を求める場合は、Qwen3.5-27B が適しており、入力トークンで安価な選択肢であり、これは大きなプロンプトを送るときに重要です。どちらでも動作しうる場合は、トラフィックが入力重視か出力重視かを天秤にかけてください。両モデルはその分割の反対側で安価だからです。

どちらのモデルを api14 経由で呼び出す場合も、ゲートウェイが OpenAI 互換であるため同じように動作します。クライアントを api14 のベース URL に向け、通常の chat completions リクエストを送り、model フィールドを "mistralai/devstral-2512" または "qwen/qwen3.5-27b" に設定します。リクエストボディのその他の部分は、messages、tools、response_format を含め、そのままです。両者の切り替えは model id の 1 行の変更であるため、統合コードを書き直すことなく、両方を自分のワークロードに対してベンチマークできます。

選ばなかったモデルの方が依然としてより良い選択である場合もあります。推論出力や画像・動画入力が必要な場合、Devstral 2 2512 はそのリクエストに対応できないため、価格にかかわらず Qwen3.5-27B が勝ちます。ファイル入力が必要で、ワークロードが生成出力によって支配されている場合、Qwen3.5-27B はコストの面で弱い選択であり、Devstral 2 2512 が妥当なデフォルトです。コミットする前に、このページのライブ価格表で現在の料金を確認してください。安価な側は入力対出力の比率に依存するからです。

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"mistralai/devstral-2512"から"qwen/qwen3.5-27b"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。

Mistral: Devstral 2 2512の詳細とプレイグラウンド →Qwen: Qwen3.5-27B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/qwen3.5-27b",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Mistral: Devstral 2 2512 対 Qwen: Qwen3.5-27B

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