Google: Gemini 4 Argon contra ScaleDown: Summarize
Una comparativa lado a lado de Google: Gemini 4 Argon (7,00 US$ / 1M fragmentos (≈ 6,23 €)) y ScaleDown: Summarize (0,14 US$ / 1M fragmentos (≈ 0,12 €)) con precios actuales en USD y capacidades del catálogo de api14. Ambos funcionan a través de la misma API compatible con OpenAI.
Especificaciones
| Google: Gemini 4 Argon | ScaleDown: Summarize | |
|---|---|---|
| Proveedor | ScaleDown | |
| Entrada | 7,00 US$ / 1M fragmentos (≈ 6,23 €) | 0,14 US$ / 1M fragmentos (≈ 0,12 €) |
| Salida | 35,00 US$ / 1M fragmentos (≈ 31,17 €) | - |
| Lectura de caché | 0,35 US$ / 1M fragmentos (≈ 0,31 €) | - |
| Escritura de caché | 0,66 US$ / 1M fragmentos (≈ 0,58 €) | - |
| Razonamiento | 35,00 US$ / 1M fragmentos (≈ 31,17 €) | - |
| Entrada de audio | 7,00 US$ / 1M fragmentos (≈ 6,23 €) | - |
| Imagen | 0,000007 US$ / imagen (≈ 0,00000623 €) | - |
| Búsqueda web | 49,00 US$ / 1K búsquedas (≈ 43,63 €) | - |
| Ventana de contexto | 1.048.576 | 1.000.000 |
| Salida máxima | 943.718 | 4000 |
| Entrada | audio, file, image, text, video | text, image, file |
| Salida | text | text |
| Llamadas a herramientas | ||
| Salida estructurada | ||
| Control del razonamiento | ||
| Añadido | 13 oct 2026 | 13 oct 2026 |
Diferencias clave
- ScaleDown: Summarize es 98% más barato en tokens de entrada.
- Solo Google: Gemini 4 Argon admite llamadas a herramientas.
- Solo Google: Gemini 4 Argon admite salida JSON estructurada.
- Solo Google: Gemini 4 Argon admite control del esfuerzo de razonamiento.
- Una solicitud con 1.000 tokens de entrada y 500 de salida cuesta 0,02 US$ con Google: Gemini 4 Argon y 0,000140 US$ con ScaleDown: Summarize.
En detalle
Google: Gemini 4 Argon es un modelo de texto de Google, lanzado el 2026-10-13. ScaleDown: Summarize es un modelo de texto de ScaleDown, lanzado en la misma fecha. Ambos se sirven a través de api14 bajo los ids de modelo google/gemini-4-argon y scaledown/summarize, y ambos devuelven texto como salida.
Los dos difieren sobre todo en lo que aceptan y en lo que te permiten controlar. Gemini 4 Argon toma audio, file, image, text y video como entrada, mientras que ScaleDown: Summarize toma text, image y file. Sus ventanas de contexto son lo bastante parecidas como para que ninguna sea significativamente más grande, así que la elección no se trata de ajustar un documento más largo. Las listas de parámetros son donde realmente se separan. Gemini 4 Argon admite tools y tool choice, structured outputs, reasoning y reasoning effort, include_reasoning, response_format, seed, stop, temperature y top_p, junto con max_tokens. ScaleDown: Summarize admite max_tokens solamente. Así que Gemini 4 Argon es el indicado cuando necesitas function calling, salida con forma JSON o una pasada de reasoning, y ScaleDown: Summarize es el indicado cuando solo quieres texto de vuelta.
Para trabajo práctico, elige Gemini 4 Argon cuando la tarea implique más que texto plano, como un video o un clip de audio que quieras describir o consultar, o cuando tu pipeline dependa de tools, structured outputs o reasoning. Elige ScaleDown: Summarize cuando el trabajo sea un resumen sencillo u otra transformación de texto plano sobre text, images o files, y quieras una superficie de llamada estrecha y predecible. ScaleDown: Summarize es la opción más barata en entrada, y el precio de salida es más o menos el mismo, así que para trabajo de alto volumen con mucha entrada puede ser la elección más económica. Si tu tarea necesita cualquiera de los parámetros que solo expone Gemini 4 Argon, eso lo decide todo independientemente del precio.
Llamar a cualquiera de los dos modelos funciona igual. Ambos se exponen a través de la API compatible con OpenAI de api14, así que apuntas tu cliente de OpenAI existente a la URL base de api14, envías tu clave y estableces el campo model. Para cambiar entre ellos solo cambias ese campo, entre google/gemini-4-argon y scaledown/summarize. El manejo de tu solicitud y respuesta sigue igual, con una advertencia: si envías parámetros que ScaleDown: Summarize no admite, como tools o response_format, no surtirán efecto, así que limita esas llamadas a max_tokens.
Hay casos en los que ScaleDown: Summarize sigue siendo la mejor elección aunque Gemini 4 Argon sea más capaz. Si tu entrada es text, image o file y solo necesitas texto de salida, las modalidades y parámetros extra de Gemini 4 Argon no te aportan nada, y el precio de entrada más bajo de ScaleDown: Summarize es una ventaja real en volumen. Un trabajo de resumen que no necesita tools, structured output o reasoning es exactamente para lo que está hecho ScaleDown: Summarize, así que usarlo por defecto ahí mantiene tus llamadas simples y tus costos de entrada bajos.
Cambia con una sola cadena
Ambos modelos usan el mismo endpoint y la misma estructura de solicitud. Cambia el valor de model de "google/gemini-4-argon" a "scaledown/summarize": los prompts, el streaming y las herramientas siguen funcionando.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "scaledown/summarize",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Más comparativas
- LiquidAI: LFM3-1.7B contra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contra Crouton Alpha
- LiquidAI: LFM3-1.7B contra Tencent: Hy4
- LiquidAI: LFM3-1.7B contra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contra Crouton Alpha
- Ricursive: Ripple 65B Preview contra Tencent: Hy4
- Ricursive: Ripple 65B Preview contra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contra Tencent: Hy4