NVIDIA: Nemotron 3.5 Super VL contra Qwen: Qwen3.8 Flash
Uma comparação lado a lado entre NVIDIA: Nemotron 3.5 Super VL (US$ 0,52 / 1M fragmentos (≈ R$ 2,87)) e Qwen: Qwen3.8 Flash (US$ 0,52 / 1M fragmentos (≈ R$ 2,87)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| NVIDIA: Nemotron 3.5 Super VL | Qwen: Qwen3.8 Flash | |
|---|---|---|
| Provedor | NVIDIA | Qwen |
| Entrada | US$ 0,52 / 1M fragmentos (≈ R$ 2,87) | US$ 0,52 / 1M fragmentos (≈ R$ 2,87) |
| Saída | US$ 1,75 / 1M fragmentos (≈ R$ 9,57) | US$ 1,65 / 1M fragmentos (≈ R$ 9,00) |
| Leitura de cache | US$ 0,07 / 1M fragmentos (≈ R$ 0,38) | US$ 0,06 / 1M fragmentos (≈ R$ 0,31) |
| Janela de contexto | 1.048.576 | 1.000.000 |
| Saída máxima | 943.718 | 131.072 |
| Entrada | text, image, video | text, image, video |
| Saída | text | text |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 15 de out. de 2026 | 26 de ago. de 2026 |
Principais diferenças
- Os dois têm praticamente o mesmo preço de entrada.
- Qwen: Qwen3.8 Flash é 6% mais barato nos tokens de saída.
- Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,00140 com NVIDIA: Nemotron 3.5 Super VL e US$ 0,00135 com Qwen: Qwen3.8 Flash.
Em detalhe
NVIDIA: O Nemotron 3.5 Super VL é feito pela NVIDIA, e o Qwen: Qwen3.8 Flash é feito pela Qwen. Ambos são modelos de texto no sentido de que retornam texto, e ambos são oferecidos através do api14 como endpoints compatíveis com OpenAI. Os dois ids de modelo que você passará em suas requisições são "nvidia/nemotron-3.5-super-vl" e "qwen/qwen3.8-flash". O modelo da NVIDIA foi lançado em 2026-10-15, enquanto o modelo da Qwen foi lançado antes, em 2026-08-26.
Em capacidades os dois são próximos. Ambos aceitam texto, imagem e vídeo como entrada e produzem apenas texto, então nenhum dos dois é um modelo puramente texto para texto e nenhum gera imagens ou áudio. Suas janelas de contexto também são de tamanho quase igual: o Nemotron 3.5 Super VL lista 1.048.576 tokens e o Qwen3.8 Flash lista 1.000.000 tokens, uma diferença de aproximadamente quarenta e oito mil tokens, o que é improvável que decida um projeto por si só. As listas de parâmetros se sobrepõem fortemente, incluindo tools, tool_choice, structured_outputs, response_format, reasoning, include_reasoning, temperature, top_p, top_k, seed, stop, logprobs e top_logprobs. O Nemotron 3.5 Super VL expõe adicionalmente logit_bias, min_p e repetition_penalty, que o Qwen3.8 Flash não lista. Em preço, o custo de entrada é aproximadamente o mesmo para ambos, enquanto o custo de saída é menor no Qwen3.8 Flash.
Para um desenvolvedor escolhendo entre eles, a divisão prática decorre desses detalhes. Se você precisa de logit_bias para direcionar probabilidades de tokens, min_p como um corte de amostragem alternativo, ou repetition_penalty para combater loops em gerações longas, o Nemotron 3.5 Super VL é o que aceita esses parâmetros, e o Qwen3.8 Flash irá rejeitá-los ou ignorá-los. Se sua carga de trabalho é pesada em saída, por exemplo resumos longos, geração em massa ou loops de agentes que emitem muitos tokens por chamada, o Qwen3.8 Flash é a escolha mais barata no lado da saída, e seu preço de entrada é aproximadamente o mesmo do da NVIDIA, então a economia vem do que o modelo escreve e não do que você envia. Se seus prompts são dominados por grandes entradas de vídeo ou imagem com respostas curtas, o empate na entrada significa que o custo não é um diferenciador e você pode decidir com base no suporte a parâmetros ou em qual comportamento de modelo você prefere em testes.
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 define o campo model para o id que você quer. Alternar entre os dois é uma mudança de uma linha: substitua "nvidia/nemotron-3.5-super-vl" por "qwen/qwen3.8-flash", ou o inverso. Seu array de messages, partes de conteúdo de imagem e vídeo, definições de ferramentas, response_format e configuração de streaming todos se mantêm inalterados, já que ambos os modelos aceitam o mesmo conjunto central de parâmetros. As únicas edições que você deve esperar fazer são remover parâmetros que apenas um lado suporta, como logit_bias, min_p ou repetition_penalty quando você migrar para o Qwen3.8 Flash.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "nvidia/nemotron-3.5-super-vl" para "qwen/qwen3.8-flash", 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/qwen3.8-flash",
"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