Recursive: Flint (free) contra XingChen: Xing4.0 29B A4B (free)
Una comparativa lado a lado de Recursive: Flint (free) (Gratis) y XingChen: Xing4.0 29B A4B (free) (Gratis) con precios actuales en USD y capacidades del catálogo de api14. Ambos funcionan a través de la misma API compatible con OpenAI.
Especificaciones
| Recursive: Flint (free) | XingChen: Xing4.0 29B A4B (free) | |
|---|---|---|
| Proveedor | Recursive | XingChen |
| Ventana de contexto | 262.144 | 262.144 |
| Salida máxima | 235.929 | 235.929 |
| Entrada | text | text |
| Salida | text | text |
| Llamadas a herramientas | ||
| Salida estructurada | ||
| Control del razonamiento | ||
| Añadido | 21 oct 2026 | 16 oct 2026 |
Diferencias clave
- Solo XingChen: Xing4.0 29B A4B (free) admite salida JSON estructurada.
En detalle
Recursivo: Flint (gratis) es un modelo de texto de Recursive, lanzado el 2026-10-21. XingChen: Xing4.0 29B A4B (gratis) es un modelo de texto de XingChen, lanzado el 2026-10-16. Ambos figuran en api14 dentro de la categoría de texto, y ambos se ofrecen como endpoints gratuitos, así que la elección entre ellos se reduce al comportamiento y al soporte de parámetros más que al precio anunciado. Ninguno de los dos modelos acepta ni devuelve nada que no sea texto, así que si tu aplicación necesita enviar o recibir imágenes, audio o archivos, ninguno de estos es la opción correcta y deberías buscar en otra parte de la pasarela.
Los dos modelos son similares en lo fundamental. Ambos exponen una ventana de contexto de 262144 tokens, así que documentos largos, bases de código grandes e historiales de conversación extensos caben igual de bien en cualquiera de los dos. Ambos admiten salida de razonamiento, y ambos aceptan tools, así que el llamamiento a funciones y los bucles estilo agente están disponibles en cada lado. La diferencia más clara está en la salida estructurada: Xing4.0 29B A4B admite salidas estructuradas, mientras que Flint no incluye esa capacidad. Los conjuntos de parámetros también divergen en su enfoque. Flint expone logprobs y top_logprobs, lo cual es útil cuando quieres señales de confianza a nivel de token, además de include_reasoning, reasoning, response_format, seed, stop, temperature, top_p, max_tokens y tools. Xing4.0 29B A4B expone una superficie de muestreo y control más amplia: frequency_penalty, presence_penalty, repetition_penalty, min_p, top_k, top_p, temperature, seed, stop, max_tokens, response_format, structured_outputs, tool_choice, tools, include_reasoning y reasoning. En resumen, Flint se inclina hacia la introspección mediante probabilidades logarítmicas, mientras que Xing4.0 29B A4B se inclina hacia el control detallado y la generación restringida por esquema.
Para el trabajo diario, elige según la forma de la salida que necesites. Si estás construyendo canalizaciones de extracción, relleno de formularios, clasificación con un conjunto fijo de etiquetas, o cualquier cosa que deba devolver JSON que coincida con un esquema, Xing4.0 29B A4B es el encaje más natural porque las salidas estructuradas se admiten directamente, y tool_choice te da control explícito sobre cuándo debe llamarse una herramienta. Sus parámetros de penalización también ayudan cuando generas texto largo y repetitivo y quieres suprimir bucles. Si en cambio estás depurando un prompt, comparando finalizaciones candidatas, o construyendo un sistema que puntúa sus propias salidas, Flint es atractivo porque logprobs y top_logprobs te permiten inspeccionar la distribución detrás de cada token. Ambos manejan tareas de razonamiento con contexto largo igual de bien sobre el papel, así que para una carga de trabajo sencilla de chat o resumen con una entrada grande, cualquiera sirve y puedes decidir según la latencia y la calidad de salida de tus propias pruebas.
Cambia con una sola cadena
Ambos modelos usan el mismo endpoint y la misma estructura de solicitud. Cambia el valor de model de "recursive/flint-v1.0:free" a "xingchen-agi/xing4.0-29b-a4b:free": 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": "xingchen-agi/xing4.0-29b-a4b:free",
"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