ScaleDown: Extract contra XingChen: Xing4.0 29B A4B (free)
Una comparativa lado a lado de ScaleDown: Extract (0,14 US$ / 1M fragmentos (≈ 0,12 €)) 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
| ScaleDown: Extract | XingChen: Xing4.0 29B A4B (free) | |
|---|---|---|
| Proveedor | ScaleDown | XingChen |
| Entrada | 0,14 US$ / 1M fragmentos (≈ 0,12 €) | - |
| Ventana de contexto | 1.000.000 | 262.144 |
| Salida máxima | 900.000 | 235.929 |
| Entrada | text, image, file | text |
| Salida | text | text |
| Llamadas a herramientas | ||
| Salida estructurada | ||
| Control del razonamiento | ||
| Añadido | 13 oct 2026 | 16 oct 2026 |
Diferencias clave
- ScaleDown: Extract lee 3.8× más contexto (1.000.000 tokens).
- Solo XingChen: Xing4.0 29B A4B (free) admite llamadas a herramientas.
- Solo XingChen: Xing4.0 29B A4B (free) admite salida JSON estructurada.
- Solo XingChen: Xing4.0 29B A4B (free) admite control del esfuerzo de razonamiento.
En detalle
ScaleDown: Extract es un modelo de texto de ScaleDown, publicado el 2026-10-13. XingChen: Xing4.0 29B A4B (free) es un modelo de texto de XingChen, publicado el 2026-10-16. Ambos se sirven a través de api14 como modelos de chat compatibles con OpenAI, y ambos figuran en la categoría de texto. El nombre indica algo sobre el posicionamiento: Extract suena a un modelo de extracción creado para un propósito específico, mientras que Xing4.0 29B A4B es un modelo general de chat y razonamiento con un nivel gratuito.
Los dos difieren sobre todo en contexto y modalidades. ScaleDown: Extract tiene una ventana de contexto de 1.000.000 de tokens, que es la mayor de las dos, y acepta entradas de texto, imagen y archivos, produciendo salida de texto. XingChen: Xing4.0 29B A4B tiene una ventana de contexto de 262.144 tokens y acepta solo texto. En parámetros, la división va en sentido contrario. XingChen expone una larga lista de parámetros de muestreo y control: frequency_penalty, presence_penalty, temperature, top_p, top_k, min_p, repetition_penalty, seed, stop, max_tokens, response_format, structured_outputs, tool_choice, tools, reasoning e include_reasoning. ScaleDown: Extract solo admite max_tokens. Así que XingChen es el único de los dos con llamada a herramientas, salidas estructuradas y razonamiento, mientras que ScaleDown es el único que acepta imágenes y archivos y el único con el contexto mayor.
Para el trabajo práctico, la elección se deriva directamente de esas diferencias. Si tu tarea implica documentos largos, entradas de imagen o archivos, o un único prompt que tiene que contener una cantidad muy grande de material, ScaleDown: Extract es la elección natural por su contexto mayor y su soporte de entrada multimodal. Si tu tarea necesita llamada a funciones, salida restringida por esquema JSON o una pasada de razonamiento visible, XingChen: Xing4.0 29B A4B es la elección, ya que esas son capacidades que ScaleDown: Extract no expone. Para generación de texto simple donde ninguna de esas características importa, cualquiera sirve, y la tabla de precios en vivo de esta página es mejor guía que cualquier cosa escrita aquí.
Llamar a cualquiera de los dos modelos a través de api14 funciona de la misma manera, porque el endpoint es compatible con OpenAI. Apuntas tu cliente a la URL base de api14, envías una solicitud de chat completions y estableces el campo model al id que quieras. Para cambiar de modelo solo cambias esa cadena, de "scaledown/extract" a "xingchen-agi/xing4.0-29b-a4b:free" o al revés. El cuerpo de tu solicitud, la cabecera de autenticación y el análisis de la respuesta se mantienen igual. La única advertencia son los parámetros: si envías campos tools, response_format o reasoning, se aplican a XingChen y no son compatibles con ScaleDown: Extract, que solo acepta max_tokens, así que mantén conjuntos de parámetros por modelo en lugar de una única carga útil compartida.
Hay casos en los que el otro modelo sigue siendo la mejor elección incluso después de eso. Si ya usas XingChen para un pipeline de llamada a herramientas o salida estructurada y solo necesitas una respuesta de texto corta, quedarte en XingChen evita una segunda integración. A la inversa, si estás en ScaleDown: Extract para trabajo con documentos y necesitas una finalización de texto simple rápida, quedarte ahí evita añadir otro id de modelo a tu configuración. Ninguno de los dos modelos es estrictamente mejor; los factores decisivos son el tamaño del contexto, la entrada multimodal y si necesitas herramientas, salida estructurada o razonamiento.
Cambia con una sola cadena
Ambos modelos usan el mismo endpoint y la misma estructura de solicitud. Cambia el valor de model de "scaledown/extract" 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