Inception: Mercury 2 contra Qwen: Qwen3 VL 8B Instruct
Uma comparação lado a lado entre Inception: Mercury 2 (US$ 0,88 / 1M fragmentos (≈ R$ 4,82)) e Qwen: Qwen3 VL 8B Instruct (US$ 0,88 / 1M fragmentos (≈ R$ 4,82)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| Inception: Mercury 2 | Qwen: Qwen3 VL 8B Instruct | |
|---|---|---|
| Provedor | Inception | Qwen |
| Entrada | US$ 0,88 / 1M fragmentos (≈ R$ 4,82) | US$ 0,88 / 1M fragmentos (≈ R$ 4,82) |
| Saída | US$ 2,63 / 1M fragmentos (≈ R$ 14,45) | US$ 2,63 / 1M fragmentos (≈ R$ 14,45) |
| Leitura de cache | US$ 0,09 / 1M fragmentos (≈ R$ 0,48) | US$ 0,42 / 1M fragmentos (≈ R$ 2,31) |
| Janela de contexto | 128.000 | 262.144 |
| Saída máxima | 50.000 | 235.929 |
| Entrada | text | image, text |
| Saída | text | text |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 4 de mar. de 2026 | 14 de out. de 2025 |
Principais diferenças
- Os dois têm praticamente o mesmo preço de entrada.
- Qwen: Qwen3 VL 8B Instruct lê 2.0× mais contexto (262.144 tokens).
- Só o Inception: Mercury 2 suporta controle do esforço de raciocínio.
- Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,00219 com Inception: Mercury 2 e US$ 0,00219 com Qwen: Qwen3 VL 8B Instruct.
Em detalhe
Inception: Mercury 2 é um modelo de texto da Inception, lançado em 4 de março de 2026. Qwen: Qwen3 VL 8B Instruct é um modelo de texto da Qwen, lançado em 14 de outubro de 2025. Ambos são servidos através da api14 na categoria de texto, por isso ocupam o mesmo espaço na sua integração, mesmo vindo de fornecedores diferentes e tendo sido construídos em momentos diferentes.
A divisão mais clara está no contexto e nas modalidades. Qwen3 VL 8B Instruct aceita tanto imagem como texto como entrada e devolve texto, enquanto Mercury 2 aceita apenas texto e devolve texto. Qwen3 VL 8B Instruct tem também a janela de contexto maior, com 262144 tokens contra 128000 do Mercury 2, por isso consegue conter aproximadamente o dobro do material numa única chamada. Em termos de raciocínio, Mercury 2 é o que tem suporte dedicado a raciocínio: a sua lista de parâmetros inclui include_reasoning, reasoning e reasoning_effort, nenhum dos quais aparece para Qwen3 VL 8B Instruct. Os dois têm aproximadamente o mesmo preço tanto na entrada como na saída, por isso o custo não é um fator decisivo aqui.
Para tarefas que envolvem capturas de ecrã, diagramas, páginas digitalizadas ou qualquer outra imagem juntamente com texto, Qwen3 VL 8B Instruct é a única opção dos dois, uma vez que Mercury 2 não consegue receber entrada de imagem de todo. O mesmo se aplica quando precisa de encaixar um documento, transcrição ou base de código muito grande num único prompt, onde a janela de contexto maior do Qwen3 VL 8B Instruct lhe dá mais espaço antes de ter de dividir em partes. Mercury 2 é a melhor escolha quando a tarefa beneficia de controlo explícito de raciocínio, porque pode pedir saída de raciocínio e ajustar o esforço de raciocínio, e quando a entrada é puramente texto e confortavelmente dentro de 128000 tokens. Qwen3 VL 8B Instruct expõe também um conjunto mais amplo de parâmetros de amostragem e descodificação, incluindo frequency_penalty, presence_penalty, repetition_penalty, logit_bias, seed, top_k, top_p, logprobs e top_logprobs, o que importa se depende de reprodutibilidade com seed ou de inspeção ao nível do token. Mercury 2 responde com response_format, structured_outputs, tools e tool_choice, todos os quais Qwen3 VL 8B Instruct também suporta, por isso a saída estruturada e a chamada de ferramentas estão disponíveis em qualquer dos lados.
Chamar qualquer 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 o seu pedido para o endpoint de chat completions com a sua chave api14, e define o campo model para o id que pretende. Alternar entre eles é uma alteração de uma linha: use "inception/mercury-2" para Mercury 2 e "qwen/qwen3-vl-8b-instruct" para Qwen3 VL 8B Instruct. O formato das mensagens, os campos tools e response_format e o comportamento de streaming mantêm-se iguais, por isso pode manter um único caminho de código e trocar o id, ou encaminhar entre os dois em tempo de execução com base em se o pedido transporta uma imagem.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "inception/mercury-2" para "qwen/qwen3-vl-8b-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/qwen3-vl-8b-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