Aya Expanse 32B vs Llama 3.2 90B Vision
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Aya Expanse 32B da Cohere e Llama 3.2 90B Vision da Meta são dois modelos de IA de destaque. O Aya Expanse 32B oferece uma janela de contexto de 128K tokens a $0.25/$0.50 por milhão de tokens, enquanto o Llama 3.2 90B Vision oferece 128K tokens de contexto a $0.00/$0.00 por milhão de tokens. Veja abaixo a comparação completa de benchmarks, latência e custos.
Troque e Compare Qualquer Modelo
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Aya Expanse 32B
Modelo Multilíngue GlobalO Aya Expanse 32B da Cohere é um modelo de IA projetado para tradução multilíngue precisa, análise transcultural e fluxos globais, oferecendo janela de contexto de 128K, velocidade de 85 tokens/s, índice de inteligência de 44/100 e tarifa d
$0.25 / 1M
$0.50 / 1M
128K tokens
33.5%
Llama 3.2 90B Vision
IA Multimodal NativaO Llama 3.2 90B Vision da Meta é um modelo de IA projetado para compreensão multimodal nativa de texto e imagem e leitura visual de documentos, oferecendo janela de contexto de 128K, velocidade de 75 tokens/s, índice de inteligência de 44/1
$0.00 / 1M
$0.00 / 1M
128K tokens
28.5%
Principais Diferenças em Resumo
- Llama 3.2 90B Vision is 1.0x cheaper for API usage (input + output tokens combined).
- Aya Expanse 32B is faster at 85 tok/s vs 75 tok/s.
- Aya Expanse 32B leads on SWE-bench coding (33.5% vs 28.5%).
| Feature | Aya Expanse 32B | Llama 3.2 90B Vision |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 44 | 44 |
Provider | Cohere | Meta |
Input Price Cost per million input tokens | $0.25 / 1M | $0.00 / 1M |
Output Price Cost per million output tokens | $0.50 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.14 / 1M | $0.00 / 1M |
Context Window Maximum input + output tokens | 128K tokens~192 A4 pages of text | 128K tokens~192 A4 pages of text |
Max Output Tokens Per single request | 8K | 8K |
Throughput Speed Tokens generated per second | 85 tok/s | 75 tok/s |
SWE-bench Verified Real-world software engineering | 33.5% | 28.5% |
GPQA Diamond Graduate-level reasoning | 50% | 48.2% |
Cached Input Price Prompt caching discount per 1M tokens | $0.06 / 1M | $0.00 / 1M |
Quem vence em cada categoria?
At-a-glance decision frameworkPontuações de Benchmarks Verificadas
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
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.
Accuracy when reasoning over very large inputs that fill the model context window.
Tokens emitted per second during active generation streaming.
Latência e Tempo de Resposta
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulador Interativo de Custo de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Aya Expanse 32B · Strengths & Key Advantages
- Janela de contexto de 128K com limite máximo de saída de 8K tokens (SWE-bench Verified 33.5% · GPQA Diamond 50%)
- Taxa de transferência rápida de 85 tokens/segundo com latência inicial (TTFT) de 440 ms
- Pesos abertos (32B) para auto-hospedagem local ou em nuvem privada via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Requer servidores GPU com memória VRAM adequada para execução local em precisão total
- Em derivações científicas extremas, modelos pesados dedicados exclusivamente ao raciocínio oferecem maior profundidade
Llama 3.2 90B Vision · Strengths & Key Advantages
- Janela de contexto de 128K com limite máximo de saída de 8K tokens (SWE-bench Verified 28.5% · GPQA Diamond 48.2%)
- Taxa de transferência rápida de 75 tokens/segundo com latência inicial (TTFT) de 580 ms
- Pesos abertos (90B) para auto-hospedagem local ou em nuvem privada via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Requer servidores GPU com memória VRAM adequada para execução local em precisão total
- Em derivações científicas extremas, modelos pesados dedicados exclusivamente ao raciocínio oferecem maior profundidade
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Aya Expanse 32B | Llama 3.2 90B Vision |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.18 | $0.20 |
Output Tokens / Task Tokens generated per task | 28K | 24K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
Especificações Técnicas
Architecture, release timeline, capabilities, and modalities.
| Feature | Aya Expanse 32B | Llama 3.2 90B Vision |
|---|---|---|
| Official API Model ID (SDK) | aya-expanse-32b | meta-llama/Llama-3.2-90B-Vision |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2024-10 | 2024-09 |
| Knowledge Cutoff | August 2024 | December 2023 |
| Architecture | High-Capacity Multilingual Transformer | Multimodal Adapter-Fused GQA Transformer |
| Parameters | 32B | 90B |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Flat rate ($0.25/1M in) across full 128K window | Free across full context window (only KV-cache VRAM scales) |
| Prompt Cache Policy & TTL | Cached input at $0.06/1M tokens | Automatic prefix KV-caching in vLLM / SGLang (0 cost) |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | 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 | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 20 GB VRAM (4-bit Quantized) · 69 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 56 GB VRAM (4-bit Quantized) · 194 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text | text, vision |
| Output Modalities | text | text |
Aya Expanse 32B vs Llama 3.2 90B Vision: Respostas Rápidas (FAQ)
Which model is faster?
Aya Expanse 32B is faster, generating 85 tokens per second compared with 75 tokens per second.
Which model is cheaper to run?
Llama 3.2 90B Vision is cheaper at $0.00 per 1M tokens blended, compared with $0.14 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Aya Expanse 32B has lower latency, with a time to first token of 0.44s compared with 0.58s.
Veredito
Tanto Aya Expanse 32B (Indicado para tradução multilíngue precisa, análise transcultural e fluxos globais, arquiteturas RAG corporativas e integração escalável via API.) quanto Llama 3.2 90B Vision (Indicado para compreensão multimodal nativa de texto e imagem e leitura visual de documentos, arquiteturas RAG corporativas e integração escalável via API.) entregam excelente desempenho: Aya Expanse 32B lidera em inteligência geral e programação, Aya Expanse 32B oferece geração mais rápida e Llama 3.2 90B Vision apresenta o melhor custo-benefício em produção.
Perguntas Frequentes (FAQ)
Qual é melhor para programação e raciocínio, Aya Expanse 32B ou Llama 3.2 90B Vision?+
Nas avaliações de inteligência e código, Aya Expanse 32B leva vantagem. Confira os gráficos SWE-bench e GPQA acima para detalhes.
Qual modelo tem a API mais barata, Aya Expanse 32B ou Llama 3.2 90B Vision?+
O Aya Expanse 32B custa $0.25 / $0.50 por 1M de tokens (entrada/saída) e o Llama 3.2 90B Vision custa $0.00 / $0.00. No custo combinado, Llama 3.2 90B Vision é mais econômico.
Qual modelo possui maior janela de contexto e velocidade?+
O Aya Expanse 32B suporta 128K tokens de contexto contra 128K tokens do Llama 3.2 90B Vision, enquanto Aya Expanse 32B entrega maior velocidade de geração.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Command R7B vs. Aya Expanse 32B: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Llama 3.2 90B Vision vs. Llama 3.2 3B: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Pixtral Large vs. Aya Expanse 32B: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Aion-3.0 vs. Aion-Mini: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Aion-3.0 vs. Gemini 3.6 Flash: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Aion-Mini vs. Laguna XS 2.1: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
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.
Fontes oficiais: Documentação oficial de API da Cohere e Meta e benchmarks independentes (2026).