Google: Gemini 3.1 Flash Lite Preview contra Qwen: Qwen3.5 Plus 2026-02-15
Uma comparação lado a lado entre Google: Gemini 3.1 Flash Lite Preview (US$ 0,88 / 1M fragmentos (≈ R$ 4,82)) e Qwen: Qwen3.5 Plus 2026-02-15 (US$ 0,91 / 1M fragmentos (≈ R$ 5,01)) 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 | Qwen: Qwen3.5 Plus 2026-02-15 | |
|---|---|---|
| Provedor | Qwen | |
| Entrada | US$ 0,88 / 1M fragmentos (≈ R$ 4,82) | US$ 0,91 / 1M fragmentos (≈ R$ 5,01) |
| Saída | US$ 5,25 / 1M fragmentos (≈ R$ 28,89) | US$ 5,46 / 1M fragmentos (≈ R$ 30,05) |
| 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 | 1.000.000 |
| Saída máxima | 65.536 | 65.536 |
| Entrada | text, image, video, file, audio | text, image, video |
| Saída | text | text |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 3 de mar. de 2026 | 16 de fev. de 2026 |
Principais diferenças
- Os dois têm praticamente o mesmo preço de entrada.
- 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$ 0,00364 com Qwen: Qwen3.5 Plus 2026-02-15.
Em detalhe
Google: Gemini 3.1 Flash Lite Preview é um modelo de texto do Google, listado sob o id de modelo google/gemini-3.1-flash-lite-preview. Qwen: Qwen3.5 Plus 2026-02-15 é um modelo de texto da Qwen, listado sob o id de modelo qwen/qwen3.5-plus-02-15. Ambos são servidos através do api14 como modelos de estilo chat com saída de texto, portanto do ponto de vista de quem chama eles ocupam o mesmo espaço no seu código: você envia uma conversa e recebe texto de volta. As datas de lançamento dos fornecedores são próximas, 2026-03-03 para o modelo Gemini e 2026-02-16 para o modelo Qwen, o que coloca ambos na mesma geração recente de modelos hospedados.
A diferença mais clara está no que você pode fornecer a eles. Gemini 3.1 Flash Lite Preview aceita entrada de texto, imagem, vídeo, arquivo e áudio, enquanto Qwen3.5 Plus aceita texto, imagem e vídeo. Se o seu pipeline precisa entregar um clipe de áudio ou um documento enviado como parte de arquivo, o modelo Gemini cobre isso e o modelo Qwen não. O comprimento de contexto é próximo: 1.048.576 tokens para o Gemini e 1.000.000 tokens para o Qwen, então ambos conseguem comportar entradas muito grandes e nenhum é significativamente maior para fins práticos. Nos parâmetros os dois se sobrepõem no conjunto principal que você esperaria, incluindo temperature, top_p, max_tokens, seed, response_format, structured_outputs, tool_choice, tools e controles de raciocínio. O Qwen adiciona frequency_penalty, presence_penalty, stop, top_k, logprobs e top_logprobs, o que importa se você depende de probabilidades em nível de token ou de controles de amostragem além do básico. Os campos qualitativos de preço marcam o custo de entrada e saída como empate, então nenhum é a opção mais barata de qualquer forma que você deva considerar no planejamento.
Para seleção de tarefa, comece pelo lado da entrada. Se você está construindo algo que ingere áudio, ou que trata arquivos enviados arbitrários como entrada de primeira classe junto com texto e imagens, Gemini 3.1 Flash Lite Preview é a escolha natural porque é o único dos dois que lista essas modalidades. Se as suas entradas são apenas texto, imagens e vídeo, ambos são viáveis, e a decisão passa para amostragem e introspecção: Qwen3.5 Plus oferece penalidades, sequências de parada, top_k e saídas de logprob, que são úteis quando você está ajustando o comportamento de geração ou depurando por que um determinado token foi escolhido. Se você precisa de controles de raciocínio, ambos os expõem, então isso não é um critério de desempate. Para trabalho direto de contexto longo sobre texto e imagens, qualquer um dos modelos serve, e você pode decidir com base em qual estilo de saída do fornecedor você prefere nas suas próprias avaliações.
Chamar qualquer um dos dois através do api14 funciona da mesma forma porque a API é compatível com OpenAI. Você aponta seu cliente para a URL base do api14, envia sua chave e usa o formato de chat completions que você já conhece. A única coisa que muda entre os dois modelos é a string do id de modelo: use google/gemini-3.1-flash-lite-preview para o modelo Gemini e qwen/qwen3.5-plus-02-15 para o modelo Qwen. Todo o resto, o array de messages, a estrutura de role, as definições de tools, a análise da resposta, permanece idêntico. Isso significa que você pode manter ambos atrás de um único valor de configuração e alternar por requisição ou por ambiente sem tocar no resto da sua integração.
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/qwen3.5-plus-02-15", 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/qwen3.5-plus-02-15",
"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