Nace.AI: Drex v2.0 contra ScaleDown: Classify-1
Una comparativa lado a lado de Nace.AI: Drex v2.0 (0,21 US$ / 1M fragmentos (≈ 0,19 €)) y ScaleDown: Classify-1 (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
| Nace.AI: Drex v2.0 | ScaleDown: Classify-1 | |
|---|---|---|
| Proveedor | Nace.AI | ScaleDown |
| Entrada | 0,21 US$ / 1M fragmentos (≈ 0,19 €) | 0,14 US$ / 1M fragmentos (≈ 0,12 €) |
| Ventana de contexto | 131.072 | 1.000.000 |
| Salida máxima | 117.964 | 900.000 |
| Entrada | text | text, image, file |
| Salida | decisions | decisions |
| Llamadas a herramientas | ||
| Salida estructurada | ||
| Control del razonamiento | ||
| Añadido | 12 oct 2026 | 13 oct 2026 |
Diferencias clave
- ScaleDown: Classify-1 es 33% más barato en tokens de entrada.
- ScaleDown: Classify-1 lee 7.6× más contexto (1.000.000 tokens).
- Una solicitud con 1.000 tokens de entrada y 500 de salida cuesta 0,000210 US$ con Nace.AI: Drex v2.0 y 0,000140 US$ con ScaleDown: Classify-1.
En detalle
Nace.AI: Drex v2.0 es un modelo de decisiones de Nace.AI, publicado el 2026-10-12. ScaleDown: Classify-1 es un modelo de decisiones de ScaleDown, publicado el 2026-10-13. Ambos están en la misma categoría, así que apuntan al mismo trabajo general: tomar una entrada y devolver una decisión en lugar de prosa de forma libre. Ninguno de los modelos expone parámetros compatibles, así que se configuran a través del cuerpo de la solicitud que ya envías, no mediante una lista de ajustes configurables.
La división más clara está en el contexto y el manejo de la entrada. Drex v2.0 acepta solo texto y tiene una ventana de contexto de 131,072 tokens. Classify-1 acepta texto, imágenes y archivos, y su ventana de contexto es de 1,000,000 tokens, así que es el más grande de los dos por un margen amplio. Ambos devuelven decisiones como su modalidad de salida, así que la diferencia está en la entrada, no en la salida. Si tu entrada es un formulario escaneado, una captura de pantalla, un PDF o un paquete de documentos largos, Classify-1 puede tomarlo directamente; Drex v2.0 espera que extraigas el texto primero. En cuanto al precio, Classify-1 es el más barato de los dos para la entrada, mientras que el precio de salida es más o menos el mismo o no es significativamente distinto entre ellos.
Para el trabajo diario, la elección normalmente sigue tu formato de entrada. Si ya tienes texto limpio y tus prompts caben cómodamente dentro de 131,072 tokens, Drex v2.0 es un valor predeterminado razonable y mantiene tu pipeline simple, ya que no hay un paso de extracción que mantener. Si estás clasificando documentos que llegan como PDFs, imágenes o archivos mixtos, o si el material es lo suficientemente largo como para que el chunking pierda el contexto del que depende la decisión, Classify-1 elimina ese trabajo de preprocesamiento y te da más espacio antes de tener que dividir algo. La diferencia de precio de entrada también importa si manejas un volumen alto, aunque deberías consultar la tabla de precios en vivo en esta página para los números actuales en lugar de confiar en una regla general.
Llamar a cualquiera de los dos modelos a través de api14 funciona de la misma manera, porque la pasarela es compatible con OpenAI. Apuntas tu cliente a la misma URL base, envías la misma solicitud estilo chat completions, y cambias solo el id del modelo: "nace-ai/drex-v2.0" para Drex v2.0, o "scaledown/classify-1" para Classify-1. Tu autenticación, lógica de reintentos, registro y análisis de respuestas permanecen intactos, lo que hace barato probar ambos con tus propios datos. Un patrón común es construir la solicitud una vez, ejecutarla contra ambos ids en una muestra de entradas reales, y comparar las decisiones antes de comprometerte con uno.
Todavía hay casos en los que Drex v2.0 es la mejor opción. Si tus entradas son texto plano y lo suficientemente cortas como para caber en su ventana de contexto, añadir manejo de imágenes y archivos no te aporta nada, y un modelo solo de texto mantiene la superficie de tu integración más pequeña. Los equipos que ya hacen su propio OCR o análisis de documentos, y quieren que el paso de decisión permanezca separado de la extracción, pueden preferirlo solo por esa razón. Dado que el precio de salida es más o menos el mismo entre los dos, la decisión a menudo se reduce a si la entrada multimodal y la ventana de contexto más grande valen la pena para tu carga de trabajo.
Cambia con una sola cadena
Ambos modelos usan el mismo endpoint y la misma estructura de solicitud. Cambia el valor de model de "nace-ai/drex-v2.0" a "scaledown/classify-1": 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.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);
Más comparativas
- LiquidAI: d1 Latest contra LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest contra Baseten: Joey 1
- LiquidAI: d1 Latest contra LiquidAI: d1.1
- LiquidAI: d1 Latest contra Morph: Reflex
- LiquidAI: d1-ultra Latest contra Baseten: Joey 1
- LiquidAI: d1-ultra Latest contra LiquidAI: d1.1
- LiquidAI: d1-ultra Latest contra Morph: Reflex
- Baseten: Joey 1 contra LiquidAI: d1.1