Usamos cookies. Cookies e o armazenamento do navegador mantêm você conectado e lembram suas preferências. Com sua permissão, também medimos como o site é usado. Você pode a qualquer momento. Veja nossa política de cookies.

Novo por aqui? Veja como funciona Um tour de 1 minuto pelo ambiente de testes, pelos modelos e pela sua chave de API.

Perceptron Mk1 vs Qwen2.5 VL 72B Instruct: preço da API, contexto e recursos · api14

Perceptron: Perceptron Mk1 contra Qwen: Qwen2.5 VL 72B Instruct

Uma comparação lado a lado entre Perceptron: Perceptron Mk1 (US$ 0,52 / 1M fragmentos (≈ R$ 2,87)) e Qwen: Qwen2.5 VL 72B Instruct (US$ 2,80 / 1M fragmentos (≈ R$ 15,31)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.

Especificações

	Perceptron: Perceptron Mk1	Qwen: Qwen2.5 VL 72B Instruct
Provedor	Perceptron	Qwen
Entrada	US$ 0,52 / 1M fragmentos (≈ R$ 2,87)	US$ 2,80 / 1M fragmentos (≈ R$ 15,31)
Saída	US$ 5,25 / 1M fragmentos (≈ R$ 28,71)	US$ 3,50 / 1M fragmentos (≈ R$ 19,14)
Leitura de cache	-	US$ 1,40 / 1M fragmentos (≈ R$ 7,66)
Janela de contexto	32.768	128.000
Saída máxima	8.192	115.200
Entrada	text, image, video	text, image
Saída	text	text
chamada de ferramentas
Saída estruturada
Controle de raciocínio
Adicionado em	12 de mai. de 2026	1 de fev. de 2025

Principais diferenças

Perceptron: Perceptron Mk1 é 81% mais barato nos tokens de entrada.
Qwen: Qwen2.5 VL 72B Instruct é 33% mais barato nos tokens de saída.
Qwen: Qwen2.5 VL 72B Instruct lê 3.9× mais contexto (128.000 tokens).
Só o Perceptron: Perceptron Mk1 suporta controle do esforço de raciocínio.
Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,00315 com Perceptron: Perceptron Mk1 e US$ 0,00455 com Qwen: Qwen2.5 VL 72B Instruct.

Em detalhe

Perceptron: O Perceptron Mk1 é feito pela Perceptron, e o Qwen: Qwen2.5 VL 72B Instruct é feito pela Qwen. Ambos estão listados na api14 como modelos de texto, o que significa que texto é o que você recebe de volta de qualquer um deles. A diferença está no lado da entrada e em quanto espaço eles lhe dão para trabalhar.

O Perceptron Mk1 aceita texto, imagens e vídeo como entrada, enquanto o Qwen2.5 VL 72B Instruct aceita texto e imagens, mas não vídeo. Isso torna o Perceptron Mk1 o único dos dois que consegue analisar filmagens em movimento. As janelas de contexto apontam na direção oposta: o Qwen2.5 VL 72B Instruct suporta 128000 tokens, o que é substancialmente maior que os 32768 tokens que o Perceptron Mk1 suporta. Em raciocínio, o Perceptron Mk1 é o que expõe parâmetros relacionados a raciocínio, então se você quer que o modelo mostre ou controle seu raciocínio, esse é o lado a considerar. Em preço, o Perceptron Mk1 é a opção mais barata para entrada, enquanto o Qwen2.5 VL 72B Instruct é mais barato para saída, então o total depende de quanto texto você envia versus quanto você gera.

Para uma tarefa que envolve vídeo, o Perceptron Mk1 é a escolha direta, já que o Qwen2.5 VL 72B Instruct não consegue receber entrada de vídeo de forma alguma. Para uma tarefa que envolve uma quantidade muito grande de texto, como um documento longo, um despejo grande de código ou um histórico longo de conversa, o Qwen2.5 VL 72B Instruct lhe dá muito mais contexto para acomodar isso. Para trabalho de imagem mais texto em extensão moderada, ambos conseguem lidar, e a decisão se resume a se você quer controles de raciocínio (Perceptron Mk1) ou a janela maior e o conjunto mais amplo de parâmetros de amostragem e saída que o Qwen2.5 VL 72B Instruct suporta, incluindo logit_bias, logprobs, seed e stop. Se sua carga de trabalho é majoritariamente de prompts curtos com respostas geradas longas, a saída mais barata no Qwen2.5 VL 72B Instruct pode importar mais para você.

Chamar qualquer um dos modelos através da api14 funciona da mesma forma, porque a API é compatível com OpenAI. Você aponta seu cliente OpenAI existente para a URL base da api14, envia sua chave, e define o campo model para o id que você quer. Para usar o Perceptron Mk1, defina o model como perceptron/perceptron-mk1. Para usar o Qwen2.5 VL 72B Instruct, defina o model como qwen/qwen2.5-vl-72b-instruct. Nada mais na forma da requisição precisa mudar, então alternar entre eles é uma edição de uma linha no seu config ou no corpo da sua requisição. Você pode manter duas constantes no seu código e trocá-las por chamada, ou rotear por tipo de tarefa em tempo de execução.

Ainda há casos em que o modelo que você não escolheu primeiro é o melhor. Se você começou com o Perceptron Mk1 pela sua entrada de vídeo mas sua carga de trabalho real acaba sendo texto longo sem vídeo, o Qwen2.5 VL 72B Instruct é o encaixe melhor por causa da janela de contexto maior. Se você começou com o Qwen2.5 VL 72B Instruct pelo seu tamanho de contexto mas você precisa de controles de raciocínio, o Perceptron Mk1 é o que os oferece. Verifique a tabela de preços ao vivo na página antes de se comprometer, já que o lado mais barato difere entre entrada e saída.

Troque com uma string

Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "perceptron/perceptron-mk1" para "qwen/qwen2.5-vl-72b-instruct", prompts, streaming e ferramentas continuam funcionando.

Perceptron: Perceptron Mk1: detalhes e ambiente de testes →Qwen: Qwen2.5 VL 72B Instruct: detalhes e ambiente de testes →

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/qwen2.5-vl-72b-instruct",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Perceptron: Perceptron Mk1 contra Qwen: Qwen2.5 VL 72B Instruct

Especificações

Principais diferenças

Em detalhe

Troque com uma string

Mais comparações