Recursive: Flint (free) contre ScaleDown: Extract
Un comparatif côte à côte de Recursive: Flint (free) (Gratuit) et ScaleDown: Extract (0,14 $US / 1M jetons (≈ 0,12 €)) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| Recursive: Flint (free) | ScaleDown: Extract | |
|---|---|---|
| Fournisseur | Recursive | ScaleDown |
| Entrée | - | 0,14 $US / 1M jetons (≈ 0,12 €) |
| Fenêtre de contexte | 262 144 | 1 000 000 |
| Sortie max. | 235 929 | 900 000 |
| Entrée | text | text, image, file |
| Sortie | text | text |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 21 oct. 2026 | 13 oct. 2026 |
Principales différences
- ScaleDown: Extract lit 3.8× plus de contexte (1 000 000 tokens).
- Seul Recursive: Flint (free) prend en charge l’appel d’outils.
- Seul Recursive: Flint (free) prend en charge le contrôle de l’effort de raisonnement.
En détail
Récursif : Flint (gratuit) est un modèle de texte de Recursive, publié le 2026-10-21. ScaleDown : Extract est un modèle de texte de ScaleDown, publié le 2026-10-13. Les deux sont servis via api14 dans la catégorie texte, et les deux prennent du texte en entrée et renvoient du texte en sortie, donc au niveau de la forme de base, ce sont le même type de point de terminaison. La différence réside dans ce pour quoi chacun est conçu pour bien fonctionner et dans quelle mesure vous pouvez le piloter.
ScaleDown : Extract a la fenêtre de contexte la plus grande des deux, avec 1 000 000 de tokens contre 262 144 pour Flint. Il accepte également des entrées d'images et de fichiers en plus du texte, tandis que Flint n'accepte que du texte. Flint, en revanche, expose un ensemble beaucoup plus large de paramètres pris en charge : include_reasoning, logprobs, max_tokens, reasoning, response_format, seed, stop, temperature, tools, top_logprobs et top_p. ScaleDown : Extract ne prend en charge que max_tokens. Donc Flint est celui qui dispose de l'appel d'outils et des contrôles de raisonnement, et c'est le seul des deux à posséder ces capacités. Aucun des deux modèles n'est signalé comme moins cher en entrée ou en sortie, donc considérez-les comme à peu près au même prix et consultez le tableau en direct pour les chiffres réels.
Si votre tâche nécessite des appels de fonctions ou d'outils, ou si vous voulez activer le raisonnement et lire les probabilités logarithmiques, Flint est le choix, car ScaleDown : Extract n'offre pas du tout ces paramètres. Si votre tâche porte sur un long document, ou si vous devez transmettre des images ou des fichiers dans la même requête, ScaleDown : Extract est le choix, car Flint ne peut pas prendre ces modalités et son contexte fait environ un quart de la taille. Pour de la génération de texte simple où vous voulez juste une complétion et un contrôle sur l'échantillonnage, les deux fonctionnent, et Flint vous donne plus de réglages (temperature, top_p, seed, stop) pour façonner la sortie.
Appeler l'un ou l'autre modèle via api14 est la même opération. L'API est compatible OpenAI, donc vous pointez votre client existant vers l'URL de base api14, envoyez une requête de complétions de chat avec vos messages, et définissez le champ model. Pour utiliser Flint, définissez model sur "recursive/flint-v1.0:free". Pour utiliser ScaleDown : Extract, définissez model sur "scaledown/extract". Rien d'autre dans le corps de la requête ne doit changer pour un appel de base. Si vous passez de l'un à l'autre, échangez l'identifiant du modèle et, si vous comptiez sur des paramètres que le nouveau modèle ne liste pas, supprimez-les, car ScaleDown : Extract n'accepte que max_tokens.
Il y a un cas où le modèle plus petit et plus restreint reste le meilleur choix : lorsque le travail est de l'extraction sur un grand corpus de texte, ou sur du texte plus des images ou des fichiers, et que vous n'avez pas besoin d'outils ni de sortie de raisonnement. ScaleDown : Extract couvre cela avec son contexte plus grand et ses modalités d'entrée supplémentaires, et vous ne payez pas pour des contrôles que vous n'utiliserez pas.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "recursive/flint-v1.0:free" par "scaledown/extract" : prompts, streaming et outils continuent de fonctionner.
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/extract",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Plus de comparatifs
- LiquidAI: LFM3-1.7B contre Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contre Crouton Alpha
- LiquidAI: LFM3-1.7B contre Tencent: Hy4
- LiquidAI: LFM3-1.7B contre Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contre Crouton Alpha
- Ricursive: Ripple 65B Preview contre Tencent: Hy4
- Ricursive: Ripple 65B Preview contre Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contre Tencent: Hy4