Прямое сравнение Qwen3.5 397B A17B (qwen) и Qwen3.8 27B (free) (qwen) на OrcaRouter — цены, контекстное окно, задержка, пропускная способность и качество benchmark бок о бок, чтобы вы могли выбрать подходящую модель для своей нагрузки.
Итог
Для нагрузок, чувствительных к задержке, Qwen3.8 27B (free) возвращает первый token быстрее. По качеству benchmark Qwen3.5 397B A17B лидирует в сводном индексе.
Бесплатный старт · обе модели по одному ключу · оплата по цене провайдера, без наценки на токены
И Qwen3.5 397B A17B, и Qwen3.8 27B (free) доступны через один и тот же эндпоинт OrcaRouter по цене провайдера с нулевой наценкой на токены, поэтому переключение между ними — это изменение в одну строку, а цифры ниже — это то, что вы платите на самом деле.
Это сравнение подтягивает актуальные цены, опубликованное context window, а также собственные замеры latency и throughput OrcaRouter, чтобы вы могли взвесить стоимость и производительность под свою конкретную нагрузку, а не полагаться на витринный benchmark поставщика. Правильный выбор почти всегда зависит от формы вашего трафика — длины промпта, объёма генерируемого текста, того, насколько ваши пользователи чувствительны к latency, и насколько тяжело рассуждение, — поэтому разделы ниже разбирают решение по одному измерению за раз и завершаются конкретной рекомендацией. Везде, где для одной из двух моделей метрика отсутствует, соответствующая строка опускается, а не додумывается, так что каждое утверждение здесь подкреплено реальным числом.
Кратко
| Метрика | Qwen3.5 397B A17B | Qwen3.8 27B (free) | Вывод |
|---|---|---|---|
| Ввод $/млн | $0.17 | — | — |
| Вывод $/млн | $1.03 | — | — |
| Контекст | 33K | 262K | Qwen3.8 27B (free) принимает на 700% большее контекстное окно, чем Qwen3.5 397B A17B. |
| Задержка p50 | 3125 ms | 155 ms | Qwen3.8 27B (free) отвечает на 95% быстрее, чем Qwen3.5 397B A17B, по медиане. |
| Пропускная способность | 85 tok/s | — | — |
| Качество | 8.0 | 4.0 | Qwen3.5 397B A17B набирает на 100% больше, чем Qwen3.8 27B (free), по сводному индексу качества. |
Для нагрузок, чувствительных к задержке, Qwen3.8 27B (free) возвращает первый token быстрее. По качеству benchmark Qwen3.5 397B A17B лидирует в сводном индексе.
Обе модели, один API-ключ. Начните с любой и переключайтесь, изменив одну строку.
Получить API-ключВыбирать не обязательно. Обе модели доступны через один и тот же OpenAI-совместимый эндпоинт OrcaRouter и тарифицируются по цене вышестоящего провайдера без наценки на токены. Переключение — это смена имени модели: без второго аккаунта, второго SDK и отдельных учётных данных.
Именно это делает описанный выше компромисс управляемым в продакшене: направляйте основную часть трафика в модель, которая выигрывает по важному для вас параметру, оставляйте вторую для запросов, которым она действительно нужна, и меняйте пропорцию, как только меняются ваши цифры.
# Один ключ, один эндпоинт, обе модели.
curl https://api.orcarouter.ai/v1/chat/completions \
-H "Authorization: Bearer $ORCAROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen/qwen3.5-397b-a17b",
"messages": [{"role":"user","content":"..."}]
}'
# Смените модель, изменив одну строку.
# "model": "qwen/qwen3.8-27b-free"Одна или обе эти модели не раскрывают здесь цену за токен (это может быть модель с бесплатным тарифом, оплатой за вызов или ещё без цены), поэтому относитесь к колонкам стоимости
как к ориентировочным и подтвердите актуальную ставку на собственной странице каждой модели, прежде чем закладывать её в бюджет.
Qwen3.5 397B A17B принимает до 33K токенов контекста, а Qwen3.8 27B (free) принимает 262K.
Context window ограничивает, сколько исходного материала — документов, кода, предыдущего диалога — вы можете отправить в одном запросе. Более крупное окно позволяет обойтись без чанкинга и обвязки для поиска при длинных входах, но вы всё равно платите по ставке входных токенов за всё отправленное, поэтому большее окно — это возможность, а не скидка. Подбирайте окно под самый длинный одиночный запрос, который ваша нагрузка реально порождает, а не под самое большое число на странице. Учитывайте также, что на любой модели качество может ухудшаться к концу очень длинного контекста, поэтому большое окно лучше рассматривать как запас для эпизодических длинных входов, а не как разрешение забивать каждый запрос до предела.
Обе ставки — это чистая цена провайдера: OrcaRouter не добавляет наценку, поэтому рассчитанная экономия остаётся у вас.
Начать бесплатноLatency и throughput определяют, каково работать с моделью в продакшене. Медианная (p50) latency отклика — это время ожидания типичного запроса до первого токена; throughput (токенов в секунду) задаёт, как быстро ответ стримится после начала.
Для интерактивного чата и циклов agent важнее всего низкая p50 latency, потому что пользователь ждёт первый токен; для пакетной генерации и длинных выводов общее время определяет throughput, потому что ответ длинный. Графики трендов за 7 дней выше показывают, стабильна latency каждой модели или дрейфует — то, что единичное громкое число скрывает: модель с отличным средним, но шумным хвостом всё равно может не уложиться в строгий p95 SLA. Если у вашего продукта есть бюджет latency, читайте и медиану, и форму кривой, и помните, что сквозная latency включает также ваш сетевой хоп и любые запросы поиска или вызовы инструментов, которые вы делаете вокруг модели.
За последние 7 дней Qwen3.8 27B (free) удерживает более низкую медианную задержку ответа.
Оценки benchmark приближают способности, но не заменяют тестирование на ваших собственных промптах.
Показанные здесь сводные индексы агрегируют несколько публичных оценок, а перцентиль отмечает, где каждая модель находится среди всех сопоставимых моделей каталога — полезный сигнал для короткого списка, но не гарантия для вашей задачи. Модель, лидирующая по индексу общего интеллекта, всё равно может отставать в вашей области (кодинг, извлечение, многоязычность, рассуждение на длинном контексте), поэтому используйте benchmark, чтобы сузить круг, а затем прогоните обе модели на репрезентативном срезе вашего трафика. Обращайте внимание на конкретный индекс, соответствующий вашему сценарию, а не на итоговое число: продукту с упором на код стоит взвешивать индекс кодинга, исследовательскому ассистенту — индекс рассуждения. Benchmark к тому же устаревают по мере обновления моделей, поэтому относитесь к ним как к стартовой гипотезе, которую вы подтверждаете собственным набором для оценки.
Если стоимость — жёсткое ограничение, начните с более дешёвой модели на вашем реальном сочетании вход-выход и переходите выше только если не хватает качества.
Если приоритет — отзывчивость (чат для пользователей, agent, любой случай, где кто-то ждёт), придавайте p50 latency и throughput больший вес, чем небольшой разнице в цене. Если вы выжимаете самое тяжёлое рассуждение, кодинг или работу на длинном контексте, пусть ведёт победитель по benchmark и context window, и принимайте более высокую ставку там, где она себя окупает. Поскольку обе модели стоят за одним и тем же API, малорисковый ход — направить часть реального трафика на каждую и сравнить стоимость, latency и качество ответов на своих промптах, прежде чем определяться. Распространённый приём — многоуровневость (tier): отправляйте основную массу простых, высокочастотных запросов на более дешёвую или быструю модель, а более сильную модель приберегите для запросов, которым она действительно нужна, — это забирает большую часть выигрыша в качестве за долю стоимости. Что бы вы ни выбрали, держите переключение обратимым — вы вернёте трафик обратно, как только цифры или ваши требования изменятся.
Или не выбирайте — маршрутизируйте по каждому запросу между обеими, с одним ключом и одним эндпоинтом.
Получить обеЛучше подходит для
Один ключ. Обе модели. Более 40 провайдеров.
Оплата по цене провайдера, без наценки на токены. Начните бесплатно, меняйте модель одной строкой и сохраняйте решение обратимым.