OpenAI: GPT-5.1-Codex-Mini 対 Qwen: Qwen3.6 27B
api14カタログの最新のUSD料金と機能をもとに、OpenAI: GPT-5.1-Codex-Mini（$0.88 / 100万トークン (≈ ￥138)）とQwen: Qwen3.6 27B（$1.58 / 100万トークン (≈ ￥249)）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
| OpenAI: GPT-5.1-Codex-Mini | Qwen: Qwen3.6 27B | |
|---|---|---|
| プロバイダー | OpenAI | Qwen |
| 入力 | $0.88 / 100万トークン (≈ ￥138) | $1.58 / 100万トークン (≈ ￥249) |
| 出力 | $7.00 / 100万トークン (≈ ￥1,105) | $9.45 / 100万トークン (≈ ￥1,492) |
| キャッシュ読み取り | $0.11 / 100万トークン (≈ ￥17) | - |
| ウェブ検索 | $35.00 / 1,000検索 (≈ ￥5,524) | - |
| コンテキストウィンドウ | 400,000 | 262,144 |
| 最大出力 | 128,000 | 65,536 |
| 入力 | image, text | 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 | 2025/11/13 | 2026/04/27 |
主な違い
- OpenAI: GPT-5.1-Codex-Miniは入力トークンが44%安くなっています。
- OpenAI: GPT-5.1-Codex-Miniは出力トークンが26%安くなっています。
- OpenAI: GPT-5.1-Codex-Miniは1.5倍長いコンテキスト（400,000トークン）を読み取れます。
- 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、OpenAI: GPT-5.1-Codex-Miniで$0.00438、Qwen: Qwen3.6 27Bで$0.00630です。
詳しく見る
OpenAI: GPT-5.1-Codex-Mini は OpenAI によって作られ、コード指向の作業を目的としたテキスト出力モデルです。Qwen: Qwen3.6 27B は Qwen によって作られ、これもテキスト出力モデルであり、その名前から示唆されるようにパラメータのフットプリントはより小さくなっています。どちらも api14 を通じて OpenAI 互換のチャットモデルとして提供されるため、クライアント統合の観点では同じように動作します。ひと目で分かる主な違いは、OpenAI のモデルは 2025-11-13 にリリースされ、一方 Qwen のモデルはプロバイダのリリース日が 2026-04-27 であることです。
両モデルが最も大きく異なるのは、コンテキスト長と入力モダリティです。GPT-5.1-Codex-Mini は画像とテキストの入力を受け付け、コンテキストウィンドウは 400000 トークンで、これは二者のうち大きい方です。Qwen3.6 27B はテキスト、画像、動画の入力を受け付けるため、このペアの中で動画を直接扱える唯一のモデルですが、コンテキストウィンドウは 262144 トークンです。どちらも出力はテキストのみです。パラメータについては、Qwen のモデルはより広いサンプリング面を公開しており、temperature、top_p、top_k、min_p、frequency_penalty、presence_penalty、repetition_penalty、logit_bias、logprobs、top_logprobs、stop を含みます。一方、OpenAI のモデルは reasoning_effort や verbosity といった推論制御を max_completion_tokens とともに公開しています。どちらも tools、tool_choice、structured_outputs、response_format、seed、include_reasoning をサポートするため、ツール呼び出しや構造化出力をどちらか一方が独占しているわけではありません。
実用的な選択としては、長い入力、大規模なリポジトリ、長文ドキュメント、複数ファイルにまたがるコンテキストなど、より大きなウィンドウが有利になる作業で GPT-5.1-Codex-Mini を選び、またモデルがどれだけ考えるかを調整するために reasoning effort と verbosity のノブを使いたい場合にも選びます。また、入力と出力の両方で二者のうち安価であるため、大量処理やコストに敏感なワークロードの自然なデフォルトになります。入力に動画が含まれる場合、または分類、制約付きデコーディングを伴う抽出、トークンレベルの確率を確認したい実験などで、temperature、top_p、top_k、min_p、ペナルティ、logit_bias、logprobs といった細かいサンプリング制御が必要な場合は Qwen3.6 27B を選びます。パイプラインがテキストと画像のみで、262144 トークン以内に収まるなら、どちらのモデルでも作業は可能であり、決定要因は価格と、あなたが依存する具体的なパラメータ群になります。
api14 を通じてどちらのモデルを呼び出す場合も、リクエストの形は同じです。ゲートウェイが OpenAI 互換だからです。クライアントを api14 のベース URL に向け、messages、tools、その他のパラメータを含む chat completions リクエストを送信し、変更するのは model id の文字列だけです。OpenAI のモデルには "openai/gpt-5.1-codex-mini" を、Qwen のモデルには "qwen/qwen3.6-27b" を使います。認証、リクエストパス、レスポンス形式を含むその他すべては同じままなので、切り替えは 1 行の変更であり、設定フラグの背後で A/B テストできます。
OpenAI のモデルの方が安価でコンテキストも大きいにもかかわらず、Qwen のモデルの方がより良い選択となるケースは依然としてあります。入力に動画が含まれる場合、Qwen3.6 27B は二者のうちそれを受け付ける唯一のモデルです。GPT-5.1-Codex-Mini が列挙していないサンプリングパラメータ、たとえば temperature、top_p、top_k、min_p、repetition_penalty、logit_bias、logprobs に依存している場合、それらを公開しているのは Qwen3.6 27B です。そうした状況では、モダリティまたはパラメータの要件が価格とコンテキストの優位性を上回るため、Qwen のモデルが正しい選択です。
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"openai/gpt-5.1-codex-mini"から"qwen/qwen3.6-27b"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。
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/qwen3.6-27b",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
その他の比較
- LiquidAI: LFM3-1.7B 対 Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B 対 Crouton Alpha
- LiquidAI: LFM3-1.7B 対 Tencent: Hy4
- LiquidAI: LFM3-1.7B 対 Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview 対 Crouton Alpha
- Ricursive: Ripple 65B Preview 対 Tencent: Hy4
- Ricursive: Ripple 65B Preview 対 Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha 対 Tencent: Hy4