Google: Gemini 3.1 Flash Lite Preview contra Qwen2.5 Coder 32B Instruct
Uma comparação lado a lado entre Google: Gemini 3.1 Flash Lite Preview (US$ 0,88 / 1M fragmentos (≈ R$ 4,82)) e Qwen2.5 Coder 32B Instruct (US$ 2,31 / 1M fragmentos (≈ R$ 12,71)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| Google: Gemini 3.1 Flash Lite Preview | Qwen2.5 Coder 32B Instruct | |
|---|---|---|
| Provedor | Qwen | |
| Entrada | US$ 0,88 / 1M fragmentos (≈ R$ 4,82) | US$ 2,31 / 1M fragmentos (≈ R$ 12,71) |
| Saída | US$ 5,25 / 1M fragmentos (≈ R$ 28,89) | US$ 3,50 / 1M fragmentos (≈ R$ 19,26) |
| Leitura de cache | US$ 0,09 / 1M fragmentos (≈ R$ 0,48) | - |
| Gravação de cache | US$ 0,29 / 1M fragmentos (≈ R$ 1,61) | - |
| Raciocínio | US$ 5,25 / 1M fragmentos (≈ R$ 28,89) | - |
| Entrada de áudio | US$ 1,75 / 1M fragmentos (≈ R$ 9,63) | - |
| Imagem | US$ 0,000001 / imagem (≈ R$ 0,00000482) | - |
| Busca na web | US$ 49,00 / 1 mil buscas (≈ R$ 269,66) | - |
| Janela de contexto | 1.048.576 | 32.768 |
| Saída máxima | 65.536 | 29.491 |
| Entrada | text, image, video, file, audio | text |
| Saída | text | text |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 3 de mar. de 2026 | 11 de nov. de 2024 |
Principais diferenças
- Google: Gemini 3.1 Flash Lite Preview é 62% mais barato nos tokens de entrada.
- Qwen2.5 Coder 32B Instruct é 33% mais barato nos tokens de saída.
- Google: Gemini 3.1 Flash Lite Preview lê 32.0× mais contexto (1.048.576 tokens).
- Só o Google: Gemini 3.1 Flash Lite Preview suporta chamada de ferramentas.
- Só o Google: Gemini 3.1 Flash Lite Preview suporta saída JSON estruturada.
- Só o Google: Gemini 3.1 Flash Lite Preview suporta controle do esforço de raciocínio.
- Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,00350 com Google: Gemini 3.1 Flash Lite Preview e US$ 0,00406 com Qwen2.5 Coder 32B Instruct.
Em detalhe
Google: Gemini 3.1 Flash Lite Preview é um modelo de texto da Google, lançado como pré-visualização em 2026-03-03. Qwen2.5 Coder 32B Instruct é um modelo de texto da Qwen, lançado em 2024-11-11. Ambos são servidos na api14 na categoria de texto, portanto, à primeira vista, ocupam o mesmo espaço numa requisição: envia-se um prompt e recebe-se texto de volta. As diferenças aparecem naquilo que cada modelo aceita, quanto consegue conter de uma só vez e quais parâmetros de requisição respeita.
A divisão mais clara está no contexto e na modalidade. Gemini 3.1 Flash Lite Preview tem uma janela de contexto de 1.048.576 tokens, enquanto Qwen2.5 Coder 32B Instruct tem 32.768 tokens, pelo que Gemini contém muito mais numa única chamada. Gemini também aceita entrada de texto, imagem, vídeo, ficheiro e áudio, ao passo que Qwen2.5 Coder 32B Instruct aceita apenas texto. Do lado dos parâmetros, Gemini suporta tools, tool_choice, structured_outputs, response_format, reasoning, reasoning_effort e include_reasoning, e Qwen2.5 Coder 32B Instruct não. Qwen2.5 Coder 32B Instruct, por sua vez, expõe frequency_penalty, logit_bias, min_p, presence_penalty, repetition_penalty, stop e top_k, que Gemini não lista. Ambos aceitam max_tokens, temperature, top_p, seed e response_format.
Para a seleção de tarefas, os fatores decisivos são o tipo de entrada, o tamanho do contexto e se precisa de chamadas a ferramentas ou de saída estruturada. Se a sua requisição incluir uma imagem, um vídeo, um ficheiro ou áudio, ou se o prompt mais o contexto recuperado ultrapassar cerca de 32k tokens, Gemini 3.1 Flash Lite Preview é o que consegue assumir isso. O mesmo se aplica se quiser que o modelo chame ferramentas, emita saídas estruturadas ou exponha reasoning_effort. Qwen2.5 Coder 32B Instruct encaixa em trabalho apenas de texto que se mantenha dentro de 32k tokens, e os seus controlos de amostragem extra (frequency_penalty, presence_penalty, repetition_penalty, min_p, top_k, logit_bias, stop) dão-lhe um controlo mais fino sobre o comportamento de repetição e de paragem quando está a afinar a saída. Em termos de preço, Gemini é o lado de entrada mais barato e Qwen é o lado de saída mais barato, pelo que o equilíbrio de custos muda com o seu rácio de entrada para saída; a tabela de preços em tempo real nesta página tem os números atuais.
Chamar qualquer um dos modelos através da api14 funciona da mesma forma, porque a API é compatível com OpenAI. Aponta o seu cliente para o URL base da api14, envia um pedido de chat completions com as suas mensagens e define o campo model como "google/gemini-3.1-flash-lite-preview" ou "qwen/qwen-2.5-coder-32b-instruct". Nada mais na forma do pedido tem de mudar para uma chamada de texto básica. Se mudar para Gemini, pode adicionar tools, tool_choice, structured_outputs, reasoning ou reasoning_effort; se mudar para Qwen, pode adicionar frequency_penalty, presence_penalty, repetition_penalty, min_p, top_k, logit_bias ou stop. Mantenha o conjunto de parâmetros ajustado ao modelo que está a chamar, uma vez que cada modelo só aceita os parâmetros listados para ele.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "google/gemini-3.1-flash-lite-preview" para "qwen/qwen-2.5-coder-32b-instruct", prompts, streaming e ferramentas continuam funcionando.
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/qwen-2.5-coder-32b-instruct",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Mais comparações
- LiquidAI: LFM3-1.7B contra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contra Crouton Alpha
- LiquidAI: LFM3-1.7B contra Tencent: Hy4
- LiquidAI: LFM3-1.7B contra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contra Crouton Alpha
- Ricursive: Ripple 65B Preview contra Tencent: Hy4
- Ricursive: Ripple 65B Preview contra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contra Tencent: Hy4