Qwen2.5 VL 72B Instruct

Qu’est-ce que Qwen2.5 VL 72B Instruct ?

Qwen2.5-VL est compétent pour reconnaître des objets courants tels que les fleurs, les oiseaux, les poissons et les insectes. Il est également très capable d’analyser des textes, des graphiques, des icônes, des illustrations et des mises en page dans les images.

Pour 1M de tokens d’entrée / sortie

$0.80 / $1.00

Prix de départ

Fenêtre de contexte

128K

Jusqu’à 115K en sortie par réponse

Entrée

texte + image

Sortie : texte

Ce que Qwen2.5 VL 72B Instruct sait faire

• Sorties structurées (JSON)

• Compréhension d’images

Qwen2.5 VL 72B Instruct face à des modèles proches : prix

Ce que vous payez pour Qwen2.5 VL 72B Instruct et les modèles les plus proches : le même type de travail, issus des familles que nous mettons en avant, à un prix d’au plus trois fois environ le sien.

• Qwen2.5 VL 72B Instruct face à DeepSeek V4.1 Flash (1017)

  DeepSeek V4.1 Flash (1017) coûte $0.525 : 42 % de moins que le modèle Qwen2.5 VL 72B Instruct.

  −40 % au palier maximal

  API DeepSeek V4.1 Flash (1017) 

• Qwen2.5 VL 72B Instruct face à Gemini 3.8 Flash

  Gemini 3.8 Flash coûte $2.025 : 2.3× le prix du modèle Qwen2.5 VL 72B Instruct.

  −10 % au palier maximal

  API Gemini 3.8 Flash 

• Qwen2.5 VL 72B Instruct face à GPT-6 Luna

  GPT-6 Luna coûte $0.27 : 70 % de moins que le modèle Qwen2.5 VL 72B Instruct.

  −10 % au palier maximal

  API GPT-6 Luna 

• Qwen2.5 VL 72B Instruct face à MiniMax M3

  MiniMax M3 coûte $0.75 : 17 % de moins que le modèle Qwen2.5 VL 72B Instruct.

  API MiniMax M3 

• Qwen2.5 VL 72B Instruct face à Kimi K2.7 Code

  Kimi K2.7 Code coûte $2.475 : 2.8× le prix du modèle Qwen2.5 VL 72B Instruct.

  API Kimi K2.7 Code 

Caractéristiques : Qwen2.5 VL 72B Instruct

La fiche technique du modèle Qwen2.5 VL 72B Instruct, issue du catalogue OceanToken.

Fenêtre de contexte

128K tokens

128,000

Sortie maximale

115K tokens

115,200

Entrée

texte, image

Sortie

texte

Raisonnement

Pas encore indiqué

Appel d’outils

Pas encore indiqué

Sorties structurées

Oui

response_format

Cache de prompts

Lecture $0.40

prix officiel, à tous les paliers

Identifiant et endpoint : Qwen2.5 VL 72B Instruct

identifiant du modèle OceanToken

qwen/qwen2.5-vl-72b-instructCopié

URL de base compatible OpenAI

https://api.oceantoken.ai/v1Copié

adresse de l’endpoint

POST /v1/chat/completionsCopié

Tarifs de l’API Qwen2.5 VL 72B Instruct

Les prix viennent du catalogue OceanToken au 5 novembre 2026. Vous payez à l’usage depuis un solde prépayé, sans abonnement.

Calculateur de coût : Qwen2.5 VL 72B Instruct

Choisissez une requête type ou saisissez vos propres nombres de tokens. Le calculateur utilise les prix de départ de cette page et montre la même charge sur les modèles comparés plus haut.

Au prix de départ (palier 1). L’entrée en cache est facturée au prix de lecture du cache ; les écritures en cache sont laissées de côté, car elles dépendent de la fréquence à laquelle le début de votre prompt change. Votre console affiche le tarif de votre palier.

Ce que coûte une requête

Tokens d’entrée et de sortie au prix de départ ci-dessus, sans cache.

Utiliser Qwen2.5 VL 72B Instruct sur OceanToken

Trois étapes pour passer de zéro compte à une requête qui fonctionne. La même clé et le même solde servent pour tous les modèles du catalogue.

1. 1

   Créez un compte et obtenez une clé API

   Créez un compte OceanToken, puis une clé. Une clé sert pour tous les modèles que votre compte peut utiliser.

   Obtenir une clé API 

2. 2

   Ajouter des crédits

   OceanToken est prépayé : ajoutez des crédits, et chaque requête est facturée sur ce solde. Votre console affiche le tarif de votre palier.

   Ajouter des crédits 

3. 3

   Appelez Qwen2.5 VL 72B Instruct depuis votre code

   Pointez un SDK OpenAI vers https://api.oceantoken.ai/v1 et utilisez l’identifiant qwen/qwen2.5-vl-72b-instruct. Le code ci-dessous envoie une requête.

   from openai import OpenAI
   # Votre API Key de la console OceanToken
   client = OpenAI(base_url="https://api.oceantoken.ai/v1",
                   api_key="YOUR_API_KEY")
   reply = client.chat.completions.create(
       model="qwen/qwen2.5-vl-72b-instruct",
       messages=[{"role": "user", "content": "Hello"}])
   print(reply.choices[0].message.content)

   Caractéristiques, exemple de requête et alternatives dans la documentation