Qwen-VL Plus vs Yi-Large
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
AlibabaのQwen-VL Plusと01.AIのYi-Largeは、注目度の高い主要AIモデルです。Qwen-VL Plusは131.1K トークンのコンテキストウィンドウを備え、API料金は100万トークンあたり入力$0.21/出力$0.63、一方のYi-Largeは32.8K トークンのコンテキストで入力$2.50/出力$2.50です。以下でベンチマーク、速度、コストを詳しく比較します。
任意のAIモデルを切り替えて比較
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Qwen-VL Plus
ネイティブ・マルチモーダルAIAlibaba の Qwen-VL Plus は、テキストと画像のネイティブ・マルチモーダル理解および図表・ドキュメント解析向けに設計されたAIモデルです。131K のコンテキストウィンドウ、毎秒 105 トークンの生成速度、知能指数 71/100（1Mトークンあたり入力$0.21・出力$0.63）を実現しています。
$0.21 / 1M
$0.63 / 1M
131.1K tokens
N/A
Yi-Large
クラシック世代モデル01.AI の Yi-Large は、安定したチャット対話、文書要約、一般的なエンタープライズ業務向けに設計されたAIモデルです。33K のコンテキストウィンドウ、毎秒 75 トークンの生成速度、知能指数 79/100（1Mトークンあたり入力$2.5・出力$2.5）を実現しています。
$2.50 / 1M
$2.50 / 1M
32.8K tokens
N/A
ひと目でわかる主な違い
- Qwen-VL Plus is 7.0x cheaper for API usage (input + output tokens combined).
- Qwen-VL Plus has a larger context window (131K vs 33K tokens).
- Qwen-VL Plus is faster at 105 tok/s vs 75 tok/s.
| Feature | Qwen-VL Plus | Yi-Large |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 71 | 79 |
Provider | Alibaba | 01.AI |
Input Price Cost per million input tokens | $0.21 / 1M | $2.50 / 1M |
Output Price Cost per million output tokens | $0.63 / 1M | $2.50 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.12 / 1M | $0.93 / 1M |
Context Window Maximum input + output tokens | 131.1K tokens~197 A4 pages of text | 32.8K tokens~49 A4 pages of text |
Max Output Tokens Per single request | 8K | 4K |
Throughput Speed Tokens generated per second | 105 tok/s | 75 tok/s |
SWE-bench Verified Real-world software engineering | N/A | N/A |
GPQA Diamond Graduate-level reasoning | N/A | 52% |
Cached Input Price Prompt caching discount per 1M tokens | $0.02 / 1M | $0.25 / 1M |
分野別勝者スコアカード
At-a-glance decision frameworkEvaluations ongoing
検証済みベンチマークスコア比較
Official evaluation metrics verified by independent third-party research labs.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Tokens emitted per second during active generation streaming.
レイテンシ＆応答時間
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
リアルタイムAPIトークン料金シミュレーター
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Qwen-VL Plus · Strengths & Key Advantages
- 131K のコンテキストウィンドウと最大 8K トークンの出力容量（MMLU-Pro 70.5% · Arena Elo 1240）
- 毎秒 105 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 480ms の低遅延
- 優れたAPI経済性（1Mトークンあたり入力$0.21・出力$0.63）に加え、プロンプトキャッシュや構造化JSON出力・関数呼び出しに完全対応
Considerations & Trade-offs
- クラウド専用のプロプライエタリモデルのため、モデル重みをダウンロードしてオフライン実行することはできません
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Yi-Large · Strengths & Key Advantages
- 33K のコンテキストウィンドウと最大 4K トークンの出力容量（GPQA Diamond 52% · MMLU-Pro 76.5%）
- 毎秒 75 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 510ms の低遅延
- 優れたAPI経済性（1Mトークンあたり入力$2.5・出力$2.5）に加え、プロンプトキャッシュや構造化JSON出力・関数呼び出しに完全対応
Considerations & Trade-offs
- クラウド専用のプロプライエタリモデルのため、モデル重みをダウンロードしてオフライン実行することはできません
- 大量のトークンを処理する本番環境では、プロンプトキャッシュや Batch API の併用によるコスト最適化が推奨されます
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Qwen-VL Plus | Yi-Large |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.05 | $0.15 |
Output Tokens / Task Tokens generated per task | 14K | 14K |
Reasoning Tokens / Task Thinking tokens burned per task | 2K | 0K |
技術仕様・スペック
Architecture, release timeline, capabilities, and modalities.
| Feature | Qwen-VL Plus | Yi-Large |
|---|---|---|
| Official API Model ID (SDK) | qwen-vl-plus-instruct | yi-large |
| API Protocol | Alibaba REST API (OpenAI-Compatible) | 01.AI REST API (OpenAI-Compatible) |
| Release Date | 2024-01 | 2024-05 |
| Knowledge Cutoff | December 2023 | March 2024 |
| Architecture | Efficient Multimodal Vision-Language Transformer | Dense Bilingual Foundation Transformer |
| Parameters | Confidential | Confidential |
| Enterprise Rate Limits (RPM / TPM) | 5,000 – 15,000 RPM (Production Tier) · 800,000 – 2,000,000 TPM | 5,000 – 15,000 RPM (Production Tier) · 800,000 – 2,000,000 TPM |
| Long-Context Tier (>128K/200K) | Flat rate ($0.21/1M in) across full 131K window | Flat rate ($2.5/1M in) across full 33K window |
| Prompt Cache Policy & TTL | Cached input at $0.021/1M tokens | Cached input at $0.25/1M tokens |
| Computer Use / GUI Agent | Supported (Screen coordinate grounding, browser & desktop GUI action loops) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | API Prompt Engineering & RAG Distillation | API Prompt Engineering & RAG Distillation |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) | Text BPE (~4 chars/token) |
| Quantization & Min GPU VRAM | Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API) | Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API) |
| Safety & Frontier Classification | Alibaba Production Safety & Alignment Verified | 01.AI Production Safety & Alignment Verified |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier | SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier |
| Input Modalities | text, vision | text |
| Output Modalities | text | text |
Qwen-VL Plus vs Yi-Large: よくある質問 (FAQ)
Which is more intelligent, Qwen-VL Plus or Yi-Large?
Yi-Large is more intelligent. It scores 79 compared with 71 on the composite Intelligence Index.
Which model is faster?
Qwen-VL Plus is faster, generating 105 tokens per second compared with 75 tokens per second.
Which model is cheaper to run?
Qwen-VL Plus is cheaper at $0.12 per 1M tokens blended, compared with $0.93 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Qwen-VL Plus has lower latency, with a time to first token of 0.48s compared with 0.51s.
Which model has a larger context window?
Qwen-VL Plus has a larger context window, supporting 131.1K tokens compared with 32.8K tokens.
総合評価
Qwen-VL Plus（テキストと画像のネイティブ・マルチモーダル理解および図表・ドキュメント解析、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）とYi-Large（安定したチャット対話、文書要約、一般的なエンタープライズ業務、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）はいずれも優れた選択肢です。高度な推論・コーディング精度ではYi-Largeがリードし、応答速度とスループットではQwen-VL Plusが優れ、APIコスト効率ではQwen-VL Plusが有利です。
よくある質問 (FAQ)
コーディングや複雑な推論には Qwen-VL Plus と Yi-Large のどちらが適していますか？+
総合知能指数およびコーディング評価では Yi-Large が優位です。上部の SWE-bench や GPQA スコアもあわせてご確認ください。
Qwen-VL Plus と Yi-Large ではどちらのAPI料金が安いですか？+
Qwen-VL Plus は100万トークンあたり入力$0.21 / 出力$0.63、Yi-Large は入力$2.50 / 出力$2.50です。総合的なコスト効率では Qwen-VL Plus がより経済的です。
コンテキスト長と生成速度はどちらが優れていますか？+
コンテキストウィンドウは Qwen-VL Plus が 131.1K トークン、Yi-Large が 32.8K トークン です。出力スピード（トークン/秒）では Qwen-VL Plus がリードしています。
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Qwen-VL Plus vs Claude 3 Opus：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Solar Pro vs Yi-Large：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Aion-Mini：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Gemini 3.6 Flash：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-Mini vs Laguna XS 2.1：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aya Expanse 32B vs Llama 3.2 90B Vision：ベンチマーク・API料金・速度の徹底比較 (2026)比較
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
公的ソース: Alibabaおよび01.AI公式APIドキュメント、システムカード、独立ベンチマーク評価 (2026)。