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。

Qwen3 VL 8B Instruct vs ReMM SLERP 13B：API料金・コンテキスト・機能を比較 · api14

Qwen: Qwen3 VL 8B Instruct 対 ReMM SLERP 13B

api14カタログの最新のUSD料金と機能をもとに、Qwen: Qwen3 VL 8B Instruct（$0.88 / 100万トークン (≈ ￥138)）とReMM SLERP 13B（$1.22 / 100万トークン (≈ ￥193)）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

	Qwen: Qwen3 VL 8B Instruct	ReMM SLERP 13B
プロバイダー	Qwen	Undi95
入力	$0.88 / 100万トークン (≈ ￥138)	$1.22 / 100万トークン (≈ ￥193)
出力	$2.63 / 100万トークン (≈ ￥414)	$2.28 / 100万トークン (≈ ￥359)
キャッシュ読み取り	$0.42 / 100万トークン (≈ ￥66)	-
コンテキストウィンドウ	262,144	6,144
最大出力	235,929	5,529
入力	image, text	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	2025/10/14	2023/07/22

主な違い

Qwen: Qwen3 VL 8B Instructは入力トークンが29%安くなっています。
ReMM SLERP 13Bは出力トークンが13%安くなっています。
Qwen: Qwen3 VL 8B Instructは42.7倍長いコンテキスト（262,144トークン）を読み取れます。
ツール呼び出しに対応しているのはQwen: Qwen3 VL 8B Instruct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、Qwen: Qwen3 VL 8B Instructで$0.00219、ReMM SLERP 13Bで$0.00236です。

詳しく見る

Qwen: Qwen3 VL 8B Instruct は Qwen によって作られ、ReMM SLERP 13B は Undi95 によって作られています。どちらもテキスト出力モデルなので、何を送ってもテキストが返ってきます。Qwen モデルは 2025-10-14 にリリースされ、ReMM SLERP 13B は 2023-07-22 にさかのぼります。この年齢差は機能差ほど重要ではありませんが、一方が最近の vision language model で、もう一方が古い text only のマージであることは知っておく価値があります。

実用上の最大の違いはモダリティとコンテキストです。Qwen3 VL 8B Instruct は画像とテキストの両方の入力を受け付けるため、プロンプトと一緒にスクリーンショット、図、写真を見ることができます。ReMM SLERP 13B はテキストのみを受け付けます。また Qwen3 VL 8B Instruct はコンテキストウィンドウが 262144 tokens とはるかに大きく、ReMM SLERP 13B の 6144 tokens と比べても、長い文書、大きなコードファイル、長いチャット履歴が Qwen モデルには余裕で収まり、もう一方には収まりません。ツールに関しては、Qwen3 VL 8B Instruct だけが tools をサポートしており、function calling や agent スタイルのワークフローがそこで利用でき、ReMM SLERP 13B では利用できません。どちらも structured outputs を公開しているため、JSON スタイルの応答はどちらでも可能です。どちらも専用の reasoning model としては記載されていません。価格では、Qwen3 VL 8B Instruct が入力で安い選択肢であり、ReMM SLERP 13B は出力で安いため、コストのバランスは送る量と生成する量によって決まります。

ほとんどの新しい作業では、Qwen3 VL 8B Instruct がより安全なデフォルトです。入力に画像が含まれる場合、プロンプトや会話が長い場合、または同じリクエストで tool calls と structured outputs が必要な場合に選んでください。入力トークンが請求の大部分を占める場合にも、その側が安いため、より良い選択です。ReMM SLERP 13B が理にかなうのは、純粋なテキスト生成を行い、プロンプトと出力が 6144 tokens 以内に収まるほど短く、tools や画像理解が不要な場合です。出力が安いため、短い創作、簡単なチャット返信、大量のテキスト変換など、小さなプロンプトでほとんどが生成というワークロードには魅力的です。

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。クライアントを api14 の base URL に向け、キーを送り、model フィールドを設定します。2 つの違いは model id 文字列だけです。Qwen モデルには "qwen/qwen3-vl-8b-instruct" を、ReMM SLERP 13B には "undi95/remm-slerp-l2-13b" を使います。リクエストボディ、チャットメッセージ、パラメータ名は同じままなので、切り替えは 1 行の編集です。クライアントライブラリを使う場合は、リクエストロジックに触れずに切り替えられるよう、model をハードコードせず設定や環境変数で設定してください。

それでも ReMM SLERP 13B の方が良い選択であるケースはあります。タスクが画像なし、tools なし、短いコンテキストのプレーンテキストで、使用量が出力重視の場合、その安い出力と min_p や top_a などの追加のサンプリング制御により、Qwen モデルには記載されていない調整オプションが得られます。その狭い形のワークロードでは、古いモデルの方がより経済的でより制御しやすい選択になり得ます。

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"qwen/qwen3-vl-8b-instruct"から"undi95/remm-slerp-l2-13b"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。

Qwen: Qwen3 VL 8B Instructの詳細とプレイグラウンド →ReMM SLERP 13B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": "undi95/remm-slerp-l2-13b",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Qwen: Qwen3 VL 8B Instruct 対 ReMM SLERP 13B

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