Nace.AI: Drex v2.0 vs. ScaleDown: Classify-1
Ein direkter Vergleich von Nace.AI: Drex v2.0 (0,21 $ / 1 Mio. Tokens (≈ 0,19 €)) und ScaleDown: Classify-1 (0,14 $ / 1 Mio. Tokens (≈ 0,12 €)) mit aktuellen USD-Preisen und Funktionen aus dem api14-Katalog. Beide laufen über dieselbe OpenAI-kompatible API.
Technische Daten
| Nace.AI: Drex v2.0 | ScaleDown: Classify-1 | |
|---|---|---|
| Anbieter | Nace.AI | ScaleDown |
| Eingabe | 0,21 $ / 1 Mio. Tokens (≈ 0,19 €) | 0,14 $ / 1 Mio. Tokens (≈ 0,12 €) |
| Kontextfenster | 131.072 | 1.000.000 |
| Max. Ausgabe | 117.964 | 900.000 |
| Eingabe | text | text, image, file |
| Ausgabe | decisions | decisions |
| Tool Calling | ||
| Strukturierte Ausgabe | ||
| Reasoning-Steuerung | ||
| Hinzugefügt | 12.10.2026 | 13.10.2026 |
Die wichtigsten Unterschiede
- ScaleDown: Classify-1 ist bei Eingabe-Tokens 33% günstiger.
- ScaleDown: Classify-1 liest 7.6× mehr Kontext (1.000.000 Tokens).
- Eine Anfrage mit 1.000 Eingabe- und 500 Ausgabe-Tokens kostet mit Nace.AI: Drex v2.0 0,000210 $ und mit ScaleDown: Classify-1 0,000140 $.
Im Detail
Nace.AI: Drex v2.0 ist ein Entscheidungsmodell von Nace.AI, veröffentlicht am 2026-10-12. ScaleDown: Classify-1 ist ein Entscheidungsmodell von ScaleDown, veröffentlicht am 2026-10-13. Beide gehören derselben Kategorie an, zielen also auf dieselbe grobe Aufgabe ab: eine Eingabe entgegennehmen und eine Entscheidung zurückgeben statt frei formulierten Text. Keines der Modelle stellt unterstützte Parameter bereit, Sie konfigurieren sie also über den Request-Body, den Sie ohnehin senden, nicht über eine Liste abstimmbarer Schalter.
Die deutlichste Trennung liegt beim Kontext und der Eingabebehandlung. Drex v2.0 akzeptiert nur Text und hat ein Kontextfenster von 131.072 Tokens. Classify-1 akzeptiert Text, Bilder und Dateien, und sein Kontextfenster beträgt 1.000.000 Tokens, es ist also das mit Abstand größere der beiden. Beide geben Entscheidungen als Ausgabemodalität zurück, der Unterschied liegt also beim Eingang, nicht beim Ausgang. Wenn Ihre Eingabe ein gescanntes Formular, ein Screenshot, ein PDF oder ein langes Dokumentpaket ist, kann Classify-1 es direkt entgegennehmen; Drex v2.0 erwartet, dass Sie zuerst den Text extrahieren. Beim Preis ist Classify-1 bei der Eingabe das günstigere der beiden, während die Ausgabepreise etwa gleich oder nicht nennenswert unterschiedlich sind.
Für die tägliche Arbeit folgt die Wahl meist Ihrem Eingabeformat. Wenn Sie bereits sauberen Text haben und Ihre Prompts bequem in 131.072 Tokens passen, ist Drex v2.0 eine vernünftige Standardwahl und hält Ihre Pipeline einfach, da kein Extraktionsschritt zu pflegen ist. Wenn Sie Dokumente klassifizieren, die als PDFs, Bilder oder gemischte Dateien eintreffen, oder wenn das Material lang genug ist, dass eine Aufteilung den Kontext verlieren würde, von dem die Entscheidung abhängt, beseitigt Classify-1 diese Vorverarbeitungsarbeit und gibt Ihnen mehr Spielraum, bevor Sie irgendetwas aufteilen müssen. Der Unterschied beim Eingabepreis spielt ebenfalls eine Rolle, wenn Sie hohes Volumen fahren, wobei Sie die aktuelle Preistabelle auf dieser Seite für die derzeitigen Zahlen prüfen sollten, statt sich auf eine Faustregel zu verlassen.
Beide Modelle über api14 aufzurufen funktioniert auf dieselbe Weise, da das Gateway OpenAI-kompatibel ist. Sie richten Ihren Client auf dieselbe Base-URL, senden denselben Request im Stil der Chat Completions und ändern nur die Model-ID: "nace-ai/drex-v2.0" für Drex v2.0 oder "scaledown/classify-1" für Classify-1. Ihre Authentifizierung, Wiederholungslogik, Protokollierung und Antwortauswertung bleiben unangetastet, was es günstig macht, beide gegen Ihre eigenen Daten zu testen. Ein verbreitetes Muster ist, den Request einmal zu bauen, ihn gegen beide IDs an einer Stichprobe echter Eingaben laufen zu lassen und die Entscheidungen zu vergleichen, bevor Sie sich für eines entscheiden.
Es gibt weiterhin Fälle, in denen Drex v2.0 die bessere Wahl ist. Wenn Ihre Eingaben reiner Text und kurz genug sind, um in sein Kontextfenster zu passen, bringt Ihnen die Behandlung von Bildern und Dateien nichts, und ein reines Textmodell hält die Angriffsfläche Ihrer Integration kleiner. Teams, die ihr eigenes OCR oder ihre eigene Dokumentenauswertung bereits betreiben und den Entscheidungsschritt getrennt von der Extraktion halten wollen, ziehen es vielleicht allein aus diesem Grund vor. Da die Ausgabepreise zwischen den beiden etwa gleich sind, läuft die Entscheidung oft darauf hinaus, ob multimodale Eingabe und das größere Kontextfenster für Ihre Arbeitslast den Aufwand wert sind.
Wechseln mit einem String
Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "nace-ai/drex-v2.0" auf "scaledown/classify-1", Prompts, Streaming und Tools funktionieren weiter.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.post("/decisions", { body: {
"model": "scaledown/classify-1",
"state": "Customer: I was charged twice for my order and want my money back.",
"questions": {
"team": {
"type": "choice",
"instructions": "Which team should handle this message?",
"criteria": {
"billing": "Payments, refunds, invoices",
"support": "Product questions and bugs",
"sales": "Pricing and new purchases"
}
},
"urgent": {
"type": "noul",
"instructions": "Does this need a reply today?",
"criteria": {
"true": "Money, outage or legal risk",
"false": "Can wait"
}
}
}
} });
console.log(result.answers);
Weitere Vergleiche
- LiquidAI: d1 Latest vs. LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest vs. Baseten: Joey 1
- LiquidAI: d1 Latest vs. LiquidAI: d1.1
- LiquidAI: d1 Latest vs. Morph: Reflex
- LiquidAI: d1-ultra Latest vs. Baseten: Joey 1
- LiquidAI: d1-ultra Latest vs. LiquidAI: d1.1
- LiquidAI: d1-ultra Latest vs. Morph: Reflex
- Baseten: Joey 1 vs. LiquidAI: d1.1