NVIDIA: Nemotron 3.5 Super VL mot Reflection: Beam 1.0 501B A23B
En jämförelse sida vid sida av NVIDIA: Nemotron 3.5 Super VL (0,52 US$ / 1M textdelar (≈ 5,14 kr)) och Reflection: Beam 1.0 501B A23B (1,05 US$ / 1M textdelar (≈ 10,29 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| NVIDIA: Nemotron 3.5 Super VL | Reflection: Beam 1.0 501B A23B | |
|---|---|---|
| Leverantör | NVIDIA | Reflection |
| Indata | 0,52 US$ / 1M textdelar (≈ 5,14 kr) | 1,05 US$ / 1M textdelar (≈ 10,29 kr) |
| Utdata | 1,75 US$ / 1M textdelar (≈ 17,14 kr) | 3,50 US$ / 1M textdelar (≈ 34,29 kr) |
| Cacheläsning | 0,07 US$ / 1M textdelar (≈ 0,69 kr) | 0,14 US$ / 1M textdelar (≈ 1,37 kr) |
| Kontextfönster | 1 048 576 | 1 048 576 |
| Max utdata | 943 718 | 943 718 |
| Indata | text, image, video | text |
| Utdata | text | text |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 15 okt. 2026 | 16 okt. 2026 |
Viktiga skillnader
- NVIDIA: Nemotron 3.5 Super VL är 50% billigare på indata-tokens.
- NVIDIA: Nemotron 3.5 Super VL är 50% billigare på utdata-tokens.
- Ett anrop med 1 000 indata- och 500 utdata-tokens kostar 0,00140 US$ med NVIDIA: Nemotron 3.5 Super VL och 0,00280 US$ med Reflection: Beam 1.0 501B A23B.
Mer i detalj
NVIDIA: Nemotron 3.5 Super VL tillverkas av NVIDIA, och Reflection: Beam 1.0 501B A23B tillverkas av Reflection. Båda är textmodeller i den meningen att deras utdata är text, och båda serveras via api14 sida vid sida. De två leverantörerna är olika företag, så modellerna kommer från separata träningsinsatser även om de ligger bakom samma API-yta här.
Den tydligaste skillnaden mellan dem finns i indatamodaliteter. Nemotron 3.5 Super VL accepterar text, bilder och video som indata, medan Beam 1.0 501B A23B endast accepterar text. Båda anger en kontextlängd på 1 048 576 tokens, så det finns ingen betydande skillnad i hur mycket du kan mata in. När det gäller parametrar är de två listorna nästan identiska: båda stöder frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs och top_p. Beam 1.0 501B A23B lägger till reasoning_effort utöver den uppsättningen, vilket ger dig en ratt för att ställa in resonemangsintensiteten som Nemotron 3.5 Super VL inte exponerar. Nemotron 3.5 Super VL är den billigare av de två både för indata och utdata, så om kostnad per token spelar roll är det den du bör luta dig mot.
För praktiskt val, börja med den indata du faktiskt har. Om din uppgift involverar skärmbilder, skannade dokument, diagram, foton eller videorutor är Nemotron 3.5 Super VL den enda av de två som kan ta det materialet direkt, så det är standardvalet. Om din indata är vanlig text är båda användbara, och beslutet handlar om kostnad och kontroll. Nemotron 3.5 Super VL är billigare både för indata och utdata, vilket gör den attraktiv för textarbete med hög volym såsom klassificering, extrahering, sammanfattning och massgenerering. Beam 1.0 501B A23B är den att överväga när du vill ha explicit kontroll över hur mycket resonemang modellen utför, eftersom reasoning_effort finns tillgänglig där och inte på NVIDIA-modellen. I övrigt är de två tillräckligt nära varandra i kontextlängd och stödda parametrar för att endera kan hantera långa dokument, verktygsanrop och strukturerad utdata.
Att anropa endera modellen via api14 fungerar på samma sätt, eftersom gatewayen exponerar ett OpenAI-kompatibelt API. Du pekar din klient mot samma bas-URL, skickar samma begärandekropp av chat completions-typ och ändrar endast modell-id:t. Använd "nvidia/nemotron-3.5-super-vl" när du vill ha NVIDIA-modellen, och "reflection/beam-1.0-501b-a23b" när du vill ha Reflection-modellen. Allt annat i begäran, inklusive messages, tools, response_format och samplingsparametrar, förblir som det är, med förbehåll för parameterlistorna ovan. Det betyder att du kan växla mellan dem för jämförelse eller reservlösning genom att redigera en enda sträng, utan att skriva om din integration.
Det finns ett fall där Beam 1.0 501B A23B fortfarande är det bättre valet även om den kostar mer och endast tar text. Om din arbetsbelastning är textbaserad och du specifikt behöver reasoning_effort-kontrollen för att justera hur mycket internt resonemang modellen utför, finns den parametern endast på Reflection-modellen. I den situationen spelar den extra kostnaden och avsaknaden av bild- och videoindata ingen roll, eftersom dina indata är text och din prioritet är att styra resonemangsdjupet snarare än att minimera utgifterna. För allt annat, särskilt allt som involverar bilder eller video, eller varje textarbetsbelastning där de billigare priserna är den avgörande faktorn, är Nemotron 3.5 Super VL den mer naturliga standarden.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "nvidia/nemotron-3.5-super-vl" till "reflection/beam-1.0-501b-a23b", promptar, streaming och verktyg fortsätter att fungera.
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": "reflection/beam-1.0-501b-a23b",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Fler jämförelser
- LiquidAI: LFM3-1.7B mot Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B mot Crouton Alpha
- LiquidAI: LFM3-1.7B mot Tencent: Hy4
- LiquidAI: LFM3-1.7B mot Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview mot Crouton Alpha
- Ricursive: Ripple 65B Preview mot Tencent: Hy4
- Ricursive: Ripple 65B Preview mot Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha mot Tencent: Hy4