ScaleDown: Summarize contre XingChen: Xing4.0 29B A4B (free)
Un comparatif côte à côte de ScaleDown: Summarize (0,14 $US / 1M jetons (≈ 0,12 €)) et XingChen: Xing4.0 29B A4B (free) (Gratuit) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| ScaleDown: Summarize | XingChen: Xing4.0 29B A4B (free) | |
|---|---|---|
| Fournisseur | ScaleDown | XingChen |
| Entrée | 0,14 $US / 1M jetons (≈ 0,12 €) | - |
| Fenêtre de contexte | 1 000 000 | 262 144 |
| Sortie max. | 4 000 | 235 929 |
| Entrée | text, image, file | text |
| Sortie | text | text |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 13 oct. 2026 | 16 oct. 2026 |
Principales différences
- ScaleDown: Summarize lit 3.8× plus de contexte (1 000 000 tokens).
- Seul XingChen: Xing4.0 29B A4B (free) prend en charge l’appel d’outils.
- Seul XingChen: Xing4.0 29B A4B (free) prend en charge la sortie JSON structurée.
- Seul XingChen: Xing4.0 29B A4B (free) prend en charge le contrôle de l’effort de raisonnement.
En détail
ScaleDown: Summarize est un modèle de texte de ScaleDown, et XingChen: Xing4.0 29B A4B (free) est un modèle de texte de XingChen. Les deux sont servis via api14 en tant que modèles de type chat, et les deux acceptent du texte en entrée et renvoient du texte en sortie. Le nom indique leur forme prévue : Summarize est positionné autour du travail de summarization, tandis que Xing4.0 29B A4B est un modèle généraliste de XingChen proposé en offre gratuite. Ni l'un ni l'autre n'est un générateur multimodal, donc vous choisissez entre deux points de terminaison texte entrant, texte sortant.
La séparation la plus nette porte sur le contexte et la modalité. ScaleDown: Summarize dispose d'une fenêtre de contexte de 1 000 000 de tokens et accepte du texte, des images et des fichiers en entrée, donc vous pouvez lui confier un long document, une page scannée ou une pièce jointe en plus de votre prompt. XingChen: Xing4.0 29B A4B a une fenêtre de contexte de 262 144 tokens et n'accepte que du texte. Côté paramètres, les deux sont très différents. ScaleDown: Summarize n'expose que max_tokens, donc vous avez peu de contrôle sur l'échantillonnage. Xing4.0 29B A4B expose un large ensemble, notamment temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, response_format, structured_outputs, tools, tool_choice, include_reasoning et reasoning. Cela signifie que l'appel d'outils, la sortie structurée et les contrôles de raisonnement ne sont disponibles que sur le modèle XingChen.
Pour le travail pratique, choisissez ScaleDown: Summarize quand la tâche porte sur un long texte en entrée et que vous voulez une réponse courte en retour : condenser un contrat, un article de recherche, un long fil de discussion, ou un lot de documents que vous préférez transmettre sous forme de fichiers ou d'images plutôt que de les coller en texte brut. La grande fenêtre et l'entrée fichier et image en font le choix naturel pour ce type de tâche. Choisissez Xing4.0 29B A4B quand vous avez besoin que le modèle fasse plus que lire et condenser : appeler des outils, renvoyer du JSON conforme à un schéma, ou exposer une trace de raisonnement. C'est aussi le meilleur choix lorsque vous voulez ajuster le comportement d'échantillonnage avec temperature, des pénalités, des seeds ou des séquences stop, puisque ScaleDown: Summarize ne vous offre aucun de ces réglages.
Appeler l'un ou l'autre via api14 suit la même forme de requête, car la passerelle est compatible OpenAI. Vous pointez votre client vers l'URL de base api14, envoyez une requête chat completions avec vos messages, et définissez le champ model. Pour utiliser ScaleDown: Summarize, définissez model sur "scaledown/summarize". Pour utiliser Xing4.0 29B A4B, définissez model sur "xingchen-agi/xing4.0-29b-a4b:free". Tout le reste dans la charge utile reste identique, donc passer de l'un à l'autre est un changement d'une ligne. La seule mise en garde concerne les paramètres : si vous envoyez temperature, tools ou response_format à ScaleDown: Summarize, il ne les honorera pas, car seul max_tokens y est pris en charge. Limitez votre corps de requête au sous-ensemble commun si vous voulez que le même code fonctionne avec les deux.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "scaledown/summarize" par "xingchen-agi/xing4.0-29b-a4b:free" : 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": "xingchen-agi/xing4.0-29b-a4b:free",
"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