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。

Perceptron Mk1 vs Qwen2.5 VL 72B Instruct：API料金・コンテキスト・機能を比較 · api14

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

api14カタログの最新のUSD料金と機能をもとに、Perceptron: Perceptron Mk1（$0.52 / 100万トークン (≈ ￥83)）とQwen: Qwen2.5 VL 72B Instruct（$2.80 / 100万トークン (≈ ￥442)）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

	Perceptron: Perceptron Mk1	Qwen: Qwen2.5 VL 72B Instruct
プロバイダー	Perceptron	Qwen
入力	$0.52 / 100万トークン (≈ ￥83)	$2.80 / 100万トークン (≈ ￥442)
出力	$5.25 / 100万トークン (≈ ￥829)	$3.50 / 100万トークン (≈ ￥552)
キャッシュ読み取り	-	$1.40 / 100万トークン (≈ ￥221)
コンテキストウィンドウ	32,768	128,000
最大出力	8,192	115,200
入力	text, image, video	text, image
出力	text	text
ツール呼び出し
構造化出力
推論の調整
追加日	2026/05/12	2025/02/01

主な違い

Perceptron: Perceptron Mk1は入力トークンが81%安くなっています。
Qwen: Qwen2.5 VL 72B Instructは出力トークンが33%安くなっています。
Qwen: Qwen2.5 VL 72B Instructは3.9倍長いコンテキスト（128,000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Perceptron: Perceptron Mk1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、Perceptron: Perceptron Mk1で$0.00315、Qwen: Qwen2.5 VL 72B Instructで$0.00455です。

詳しく見る

Perceptron: Perceptron Mk1 は Perceptron によって作られ、Qwen: Qwen2.5 VL 72B Instruct は Qwen によって作られています。どちらも api14 にテキストモデルとして掲載されています。つまり、どちらから返ってくるのもテキストです。違いは入力側と、作業に使える余裕の大きさにあります。

Perceptron Mk1 は入力としてテキスト、画像、動画を受け付けますが、Qwen2.5 VL 72B Instruct はテキストと画像を受け付け、動画は受け付けません。そのため、動く映像を見られるのはこの2つのうち Perceptron Mk1 だけです。コンテキストウィンドウは逆の方向を向いています。Qwen2.5 VL 72B Instruct は 128000 トークンをサポートしており、これは Perceptron Mk1 がサポートする 32768 トークンよりかなり大きいです。推論については、推論関連のパラメータを公開しているのが Perceptron Mk1 なので、モデルに推論を表示させたり制御したりしたい場合はそちらを見てください。価格については、入力は Perceptron Mk1 の方が安く、出力は Qwen2.5 VL 72B Instruct の方が安いので、合計は送るテキストの量と生成する量によって決まります。

動画を含むタスクでは、Qwen2.5 VL 72B Instruct は動画入力をまったく受け付けないため、Perceptron Mk1 が素直な選択です。長い文書、大きなコードベースのダンプ、長い会話履歴など、非常に大量のテキストを含むタスクでは、Qwen2.5 VL 72B Instruct の方がはるかに多くのコンテキストに収められます。中程度の長さの画像とテキストの作業では、どちらも対応でき、判断は推論制御が欲しいか (Perceptron Mk1)、より大きなウィンドウと Qwen2.5 VL 72B Instruct がサポートするより広いサンプリングおよび出力パラメータ (logit_bias、logprobs、seed、stop を含む) が欲しいかで決まります。ワークロードが主に短いプロンプトと長い生成回答であれば、Qwen2.5 VL 72B Instruct の安い出力の方がより重要かもしれません。

どちらのモデルも api14 を通じて呼び出す方法は同じです。API が OpenAI 互換だからです。既存の OpenAI クライアントを api14 のベース URL に向け、キーを送り、model フィールドを使いたい id に設定します。Perceptron Mk1 を使うには、model を perceptron/perceptron-mk1 に設定します。Qwen2.5 VL 72B Instruct を使うには、model を qwen/qwen2.5-vl-72b-instruct に設定します。リクエストの形の他の部分は何も変える必要がないので、切り替えは設定またはリクエスト本文の1行の編集で済みます。コードに2つの定数を置いて呼び出しごとに交換したり、実行時にタスク種別でルーティングしたりできます。

最初に選ばなかったモデルの方が適している場合もあります。動画入力のために Perceptron Mk1 から始めたものの、実際のワークロードが動画なしの長いテキストだった場合、コンテキストウィンドウが大きいため Qwen2.5 VL 72B Instruct の方が適しています。コンテキストサイズのために Qwen2.5 VL 72B Instruct から始めたものの、推論制御が必要な場合、それを提供するのは Perceptron Mk1 です。コミットする前にページ上の最新の価格表を確認してください。安い側は入力と出力で異なります。

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"perceptron/perceptron-mk1"から"qwen/qwen2.5-vl-72b-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。

Perceptron: Perceptron Mk1の詳細とプレイグラウンド →Qwen: Qwen2.5 VL 72B 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/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 対 Qwen: Qwen2.5 VL 72B 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