OpenAI: gpt-oss-20b contra Qwen: Qwen3.7 Flash
Uma comparação lado a lado entre OpenAI: gpt-oss-20b (US$ 0,11 / 1M fragmentos (≈ R$ 0,58)) e Qwen: Qwen3.7 Flash (US$ 0,11 / 1M fragmentos (≈ R$ 0,58)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| OpenAI: gpt-oss-20b | Qwen: Qwen3.7 Flash | |
|---|---|---|
| Provedor | OpenAI | Qwen |
| Entrada | US$ 0,11 / 1M fragmentos (≈ R$ 0,58) | US$ 0,11 / 1M fragmentos (≈ R$ 0,58) |
| Saída | US$ 0,45 / 1M fragmentos (≈ R$ 2,50) | US$ 0,45 / 1M fragmentos (≈ R$ 2,50) |
| Leitura de cache | US$ 0,11 / 1M fragmentos (≈ R$ 0,58) | US$ 0,02 / 1M fragmentos (≈ R$ 0,12) |
| Gravação de cache | - | US$ 0,13 / 1M fragmentos (≈ R$ 0,73) |
| Janela de contexto | 131.072 | 1.000.000 |
| Saída máxima | 117.964 | 65.536 |
| Entrada | text | text, image, video |
| Saída | text | text |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 5 de ago. de 2025 | 27 de jul. de 2026 |
Principais diferenças
- Os dois têm praticamente o mesmo preço de entrada.
- Qwen: Qwen3.7 Flash lê 7.6× mais contexto (1.000.000 tokens).
- Só o OpenAI: gpt-oss-20b suporta saída JSON estruturada.
- Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,000333 com OpenAI: gpt-oss-20b e US$ 0,000333 com Qwen: Qwen3.7 Flash.
Em detalhe
OpenAI: gpt-oss-20b é um modelo de texto da OpenAI, lançado em 2025-08-05. Qwen: Qwen3.7 Flash é um modelo de texto da Qwen, lançado em 2026-07-27. Ambos são servidos através do api14 sob a mesma superfície compatível com OpenAI, pelo que a escolha entre eles depende daquilo de que a sua tarefa realmente necessita e não de qualquer diferença na forma como se liga.
A divisão mais clara está no contexto e nas modalidades de entrada. O Qwen3.7 Flash aceita entrada de texto, imagem e vídeo e tem uma janela de contexto de 1.000.000 de tokens, que é a maior das duas. O gpt-oss-20b aceita apenas texto e tem uma janela de contexto de 131.072 tokens. Em termos de preço, os dois são praticamente iguais tanto para entrada como para saída, pelo que o custo não é o fator decisivo aqui. Onde o gpt-oss-20b se distingue é na saída estruturada: é o que suporta saídas estruturadas, e a sua lista de parâmetros é globalmente mais ampla, incluindo frequency_penalty, logit_bias, logprobs, min_p, reasoning_effort, repetition_penalty, stop, top_k e top_logprobs, a par dos controlos de amostragem e de ferramentas que ambos os modelos partilham. O Qwen3.7 Flash suporta um conjunto mais pequeno, abrangendo include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, response_format, seed, temperature, tool_choice, tools, top_logprobs e top_p.
Para um programador que escolha entre eles, a regra prática decorre desses factos. Se a sua entrada for longa, ou se incluir imagens ou vídeo, o Qwen3.7 Flash é a escolha natural porque é o único dos dois que aceita essas modalidades e o único com a janela de um milhão de tokens. Se a sua tarefa for texto a entrar e texto a sair e depender de saídas estruturadas, ou dos controlos mais finos de amostragem e penalização, como logit_bias, min_p, top_k ou reasoning_effort, o gpt-oss-20b é a melhor correspondência. Ambos expõem chamadas de ferramentas e controlos de raciocínio, pelo que cargas de trabalho ao estilo de agente e cargas de trabalho ao estilo de raciocínio não são, por si só, motivo para preferir um em detrimento do outro.
Chamar qualquer dos modelos através do api14 funciona da mesma forma. Aponta o seu cliente para o URL base do api14, envia um pedido na forma de chat completions da OpenAI e define o campo model. Para usar o modelo da OpenAI, defina model como "openai/gpt-oss-20b". Para usar o modelo da Qwen, defina model como "qwen/qwen3.7-flash". Nada mais no pedido tem de mudar para o caso básico: o mesmo array messages, os mesmos cabeçalhos, a mesma análise da resposta. Se depender de parâmetros que apenas um dos lados lista, mantenha esse pedido nesse lado, uma vez que enviar um parâmetro não suportado é o único ponto em que os dois divergem na prática.
Ainda há casos em que o outro modelo ganha. Se já construiu em torno de saídas estruturadas e de um conjunto amplo de controlos de amostragem, mudar para o Qwen3.7 Flash significaria abdicar disso, pelo que o gpt-oss-20b continua a ser a melhor escolha mesmo para tarefas de texto curto. Por outro lado, se o seu prompt de texto for muito grande, ou se o seu pipeline ingerir capturas de ecrã ou clipes juntamente com texto, o gpt-oss-20b não consegue receber essa entrada de todo, e o Qwen3.7 Flash é a única opção dos dois.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "openai/gpt-oss-20b" para "qwen/qwen3.7-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/qwen3.7-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