Google: Gemini 3.1 Flash Lite Preview tegen Qwen: Qwen2.5 VL 72B Instruct
Een vergelijking naast elkaar van Google: Gemini 3.1 Flash Lite Preview (US$ 0,88 / 1M tekstdelen (≈ € 0,78)) en Qwen: Qwen2.5 VL 72B Instruct (US$ 2,80 / 1M tekstdelen (≈ € 2,51)) met actuele USD-prijzen en mogelijkheden uit de catalogus van api14. Beide werken via dezelfde OpenAI-compatibele API.
Specificaties
| Google: Gemini 3.1 Flash Lite Preview | Qwen: Qwen2.5 VL 72B Instruct | |
|---|---|---|
| Aanbieder | Qwen | |
| Invoer | US$ 0,88 / 1M tekstdelen (≈ € 0,78) | US$ 2,80 / 1M tekstdelen (≈ € 2,51) |
| Uitvoer | US$ 5,25 / 1M tekstdelen (≈ € 4,70) | US$ 3,50 / 1M tekstdelen (≈ € 3,14) |
| Cache lezen | US$ 0,09 / 1M tekstdelen (≈ € 0,08) | US$ 1,40 / 1M tekstdelen (≈ € 1,25) |
| Cache schrijven | US$ 0,29 / 1M tekstdelen (≈ € 0,26) | - |
| Redeneren | US$ 5,25 / 1M tekstdelen (≈ € 4,70) | - |
| Audio-invoer | US$ 1,75 / 1M tekstdelen (≈ € 1,57) | - |
| Afbeelding | US$ 0,000001 / afbeelding (≈ € 0,000000784) | - |
| Webzoeken | US$ 49,00 / 1K zoekopdrachten (≈ € 43,91) | - |
| Contextvenster | 1.048.576 | 128.000 |
| Maximale output | 65.536 | 115.200 |
| Invoer | text, image, video, file, audio | text, image |
| Uitvoer | text | text |
| tool-aanroepen | ||
| Gestructureerde output | ||
| Instelbaar redeneren | ||
| Toegevoegd | 3 mrt 2026 | 1 feb 2025 |
Belangrijkste verschillen
- Google: Gemini 3.1 Flash Lite Preview is 69% goedkoper op inputtokens.
- Qwen: Qwen2.5 VL 72B Instruct is 33% goedkoper op outputtokens.
- Google: Gemini 3.1 Flash Lite Preview leest 8.2× meer context (1.048.576 tokens).
- Alleen Google: Gemini 3.1 Flash Lite Preview ondersteunt tool-aanroepen.
- Alleen Google: Gemini 3.1 Flash Lite Preview ondersteunt instelbare redeneerinspanning.
- Een verzoek met 1.000 input- en 500 outputtokens kost US$ 0,00350 met Google: Gemini 3.1 Flash Lite Preview en US$ 0,00455 met Qwen: Qwen2.5 VL 72B Instruct.
In detail
Google: Gemini 3.1 Flash Lite Preview is een Google model, vermeld onder de tekstcategorie, en het verscheen voor het eerst bij de provider op 2026-03-03. Qwen: Qwen2.5 VL 72B Instruct komt van Qwen, zit ook in de tekstcategorie, en heeft een provider-releasedatum van 2025-02-01. Beide worden aangeboden via api14 als tekstuitvoermodellen, dus de keuze tussen hen komt neer op hoe elk omgaat met invoer en hoeveel ruimte het je geeft.
De grootste splitsing is context en invoermodaliteit. Gemini 3.1 Flash Lite Preview accepteert tekst, afbeelding, video, bestand en audio als invoer en biedt een contextvenster van 1.048.576 tokens, wat de grootste van de twee is. Qwen2.5 VL 72B Instruct accepteert alleen tekst en afbeelding, met een contextvenster van 128.000 tokens. Gemini 3.1 Flash Lite Preview is ook de enige van het paar dat tool calling en reasoning-besturing beschikbaar stelt, aangezien de parameterlijst tools, tool_choice, reasoning, reasoning_effort en include_reasoning bevat. Op het gebied van gestructureerde uitvoer verschillen de twee niet wezenlijk, en beide laten je response_format, temperature, top_p, max_tokens en seed instellen. Qwen2.5 VL 72B Instruct geeft je in plaats daarvan een bredere set sampling- en inspectieknoppen, waaronder frequency_penalty, presence_penalty, repetition_penalty, logit_bias, logprobs, top_logprobs, top_k en stop. Qua prijs is Gemini 3.1 Flash Lite Preview de goedkopere optie voor invoer, terwijl Qwen2.5 VL 72B Instruct de goedkopere optie is voor uitvoer.
Voor praktisch werk grijp je naar Gemini 3.1 Flash Lite Preview wanneer de taak lange documenten, grote codebases of gemengde media betreft, aangezien het video, audio en bestanden naast tekst aankan en veel meer context heeft om mee te werken. Het is ook de keuze wanneer je wilt dat het model tools aanroept of wanneer je reasoning wilt inschakelen en wilt afstemmen hoeveel je ervan krijgt. Kies Qwen2.5 VL 72B Instruct wanneer je invoer tekst plus afbeeldingen is en 128.000 tokens genoeg is, en wanneer je om uitvoerkosten geeft of fijnere controle over sampling wilt via penalties, top_k, logit_bias en log probability-uitvoer. Als je workload vooral beeldbegrip met korte prompts is en je op generatie-uitgaven let, blijft Qwen2.5 VL 72B Instruct de betere fit, ook al is Gemini 3.1 Flash Lite Preview goedkoper op invoer.
Een van beide modellen aanroepen via api14 werkt op dezelfde manier, omdat de API OpenAI-compatibel is. Je richt je client op hetzelfde endpoint, stuurt dezelfde chat completions-achtige request body, en wijzigt alleen het model-id. Gebruik google/gemini-3.1-flash-lite-preview voor het Google model en qwen/qwen2.5-vl-72b-instruct voor het Qwen model. Al het andere, je messages, je afbeeldingen, je parameters, blijft in dezelfde vorm, dus wisselen tussen hen is een wijziging van één regel en je kunt resultaten op je eigen data vergelijken zonder integratiecode te herschrijven.
Wissel met één string
Beide modellen gebruiken hetzelfde endpoint en dezelfde verzoekstructuur. Verander de waarde van model van "google/gemini-3.1-flash-lite-preview" naar "qwen/qwen2.5-vl-72b-instruct", prompts, streaming en tools blijven werken.
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);
Meer vergelijkingen
- LiquidAI: LFM3-1.7B tegen Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B tegen Crouton Alpha
- LiquidAI: LFM3-1.7B tegen Tencent: Hy4
- LiquidAI: LFM3-1.7B tegen Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview tegen Crouton Alpha
- Ricursive: Ripple 65B Preview tegen Tencent: Hy4
- Ricursive: Ripple 65B Preview tegen Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha tegen Tencent: Hy4