Aya Expanse 32B vs Llama 3.2 90B Vision
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Aya Expanse 32B от Cohere и Llama 3.2 90B Vision от Meta — две ключевые модели ИИ в своём классе. Aya Expanse 32B предлагает контекстное окно 128K токенов по цене $0.25/$0.50 за 1 млн токенов, а Llama 3.2 90B Vision — контекст 128K токенов по цене $0.00/$0.00 за 1 млн токенов. Ниже представлено сравнение бенчмарков, задержки и экономики.
Выбирайте и сравнивайте любые модели
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Aya Expanse 32B
Многоязычная глобальная модельAya Expanse 32B от Cohere — специализированная ИИ-модель для высокоточного многоязычного перевода и глобальных корпоративных коммуникаций, обеспечивающая контекстное окно 128K, скорость 85 ток/с и индекс интеллекта 44/100 (по цене $0.25/$0.
$0.25 / 1M
$0.50 / 1M
128K tokens
33.5%
Llama 3.2 90B Vision
Нативная мультимодальная ИИLlama 3.2 90B Vision от Meta — специализированная ИИ-модель для нативной мультимодальной обработки текста и изображений, а также анализа документов, обеспечивающая контекстное окно 128K, скорость 75 ток/с и индекс интеллекта 44/100 (бесплат
$0.00 / 1M
$0.00 / 1M
128K tokens
28.5%
Ключевые отличия кратко
- 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 |
Кто лидирует в каждой категории?
At-a-glance decision frameworkРезультаты проверенных бенчмарков
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.
Задержка и скорость ответа
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Интерактивный калькулятор стоимости токенов
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Aya Expanse 32B · Strengths & Key Advantages
- Контекстное окно 128K и генерация до 8K выходных токенов за ответ (SWE-bench Verified 33.5% · GPQA Diamond 50%)
- Высокая скорость генерации 85 токенов/сек при задержке до первого токена (TTFT) всего 440 мс
- Открытые веса модели (32B) для локального хостинга и дообучения через vLLM, SGLang или Ollama
Considerations & Trade-offs
- Для локального запуска в полной точности требуются GPU-серверы с достаточным объемом видеопамяти (VRAM)
- В сверхсложных научных доказательствах специализированные тяжелые модели рассуждения могут показывать большую глубину
Llama 3.2 90B Vision · Strengths & Key Advantages
- Контекстное окно 128K и генерация до 8K выходных токенов за ответ (SWE-bench Verified 28.5% · GPQA Diamond 48.2%)
- Высокая скорость генерации 75 токенов/сек при задержке до первого токена (TTFT) всего 580 мс
- Открытые веса модели (90B) для локального хостинга и дообучения через vLLM, SGLang или Ollama
Considerations & Trade-offs
- Для локального запуска в полной точности требуются GPU-серверы с достаточным объемом видеопамяти (VRAM)
- В сверхсложных научных доказательствах специализированные тяжелые модели рассуждения могут показывать большую глубину
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 |
Технические характеристики
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: Быстрые ответы (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.
Вердикт
И Aya Expanse 32B (Оптимально для высокоточного многоязычного перевода и глобальных корпоративных коммуникаций, корпоративных RAG-пайплайнов и масштабируемых API-сервисов.), и Llama 3.2 90B Vision (Оптимально для нативной мультимодальной обработки текста и изображений, а также анализа документов, корпоративных RAG-пайплайнов и масштабируемых API-сервисов.) отлично подходят для продакшена: Aya Expanse 32B лидирует в сложных тестах логики и кода, Aya Expanse 32B обеспечивает более высокую скорость генерации, а Llama 3.2 90B Vision выгоднее при больших объёмах API-запросов.
Часто задаваемые вопросы (FAQ)
Что лучше для программирования и логики: Aya Expanse 32B или Llama 3.2 90B Vision?+
По сводному индексу интеллекта и тестам программирования лидирует Aya Expanse 32B. Подробные баллы SWE-bench и GPQA приведены в таблице выше.
У какой модели дешевле API — Aya Expanse 32B или Llama 3.2 90B Vision?+
Тариф Aya Expanse 32B составляет $0.25 / $0.50 за 1 млн входных/выходных токенов, а Llama 3.2 90B Vision — $0.00 / $0.00. По смешанной стоимости выгоднее Llama 3.2 90B Vision.
У какой модели больше окно контекста и выше скорость?+
Aya Expanse 32B поддерживает контекст 128K токенов против 128K токенов у Llama 3.2 90B Vision, а по скорости генерации токенов лидирует Aya Expanse 32B.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Command R7B против Aya Expanse 32B: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Llama 3.2 90B Vision против Llama 3.2 3B: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Pixtral Large против Aya Expanse 32B: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Aion-3.0 против Aion-Mini: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Aion-3.0 против Gemini 3.6 Flash: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Aion-Mini против Laguna XS 2.1: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
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.
Официальные источники: Официальная документация API Cohere и Meta, системные карточки и независимые бенчмарки (2026).