Free Models Router बनाम ScaleDown: Extract
api14 कैटलॉग की मौजूदा USD कीमतों और क्षमताओं के आधार पर Free Models Router (मुफ्त) और ScaleDown: Extract ($0.14 / 1M टोकन (≈ ₹13.24)) की आमने-सामने तुलना। दोनों एक ही OpenAI-compatible API से चलते हैं।
स्पेसिफिकेशन
| Free Models Router | ScaleDown: Extract | |
|---|---|---|
| प्रोवाइडर | OpenRouter | ScaleDown |
| इनपुट | - | $0.14 / 1M टोकन (≈ ₹13.24) |
| संदर्भ विंडो | 2,00,000 | 10,00,000 |
| अधिकतम आउटपुट | - | 9,00,000 |
| इनपुट | text, image | text, image, file |
| आउटपुट | text | text |
| टूल कॉलिंग | ||
| संरचित आउटपुट | ||
| Reasoning नियंत्रण | ||
| जोड़ा गया | 1 फ़र॰ 2026 | 13 अक्टू॰ 2026 |
मुख्य अंतर
- ScaleDown: Extract 5.0× ज़्यादा context पढ़ता है (10,00,000 tokens)।
- सिर्फ Free Models Router टूल कॉलिंग सपोर्ट करता है।
- सिर्फ Free Models Router संरचित JSON आउटपुट सपोर्ट करता है।
- सिर्फ Free Models Router reasoning effort नियंत्रण सपोर्ट करता है।
विस्तार से
Free Models Router, OpenRouter का एक टेक्स्ट मॉडल है, जो मॉडल आईडी openrouter/free के अंतर्गत सूचीबद्ध है। ScaleDown: Extract, ScaleDown का एक टेक्स्ट मॉडल है, जो मॉडल आईडी scaledown/extract के अंतर्गत सूचीबद्ध है। दोनों टेक्स्ट और इमेज इनपुट लेते हैं और दोनों टेक्स्ट आउटपुट लौटाते हैं, इसलिए बुनियादी ढांचे के स्तर पर वे एक ही काम कर रहे हैं: आप सामग्री भेजते हैं, आपको टेक्स्ट वापस मिलता है। अंतर इस बात में दिखता है कि आप कितना भेज सकते हैं और प्रतिक्रिया पर आपका कितना नियंत्रण है।
सबसे स्पष्ट विभाजन कॉन्टेक्स्ट का है। ScaleDown: Extract में 1,000,000 टोकन की कॉन्टेक्स्ट विंडो है, जबकि Free Models Router में 200,000 टोकन की, इसलिए जब सामग्री लंबी हो तो ScaleDown चुनना चाहिए। ScaleDown टेक्स्ट और इमेज के साथ फ़ाइल इनपुट भी स्वीकार करता है, जबकि Free Models Router केवल टेक्स्ट और इमेज स्वीकार करता है। दूसरी दिशा में, Free Models Router कई पैरामीटर उपलब्ध कराता है: temperature, top_p, top_k, min_p, frequency और presence penalties, repetition penalty, seed, stop, logprobs और top_logprobs, response_format, structured_outputs, tool_choice और tools, साथ ही reasoning, reasoning_effort और include_reasoning जैसे रीज़निंग नियंत्रण। ScaleDown: Extract केवल max_tokens का समर्थन करता है। इसलिए Free Models Router वह मॉडल है जिसमें टूल कॉलिंग, स्ट्रक्चर्ड आउटपुट और रीज़निंग नियंत्रण हैं, और ScaleDown वह मॉडल है जिसमें बड़ी विंडो और फ़ाइल इनपुट है।
व्यावहारिक काम के लिए, ScaleDown: Extract चुनें जब कार्य बहुत बड़े इनपुट पर एक्सट्रैक्शन या सारांशीकरण हो, खासकर जब वे इनपुट फ़ाइलों के रूप में आते हों, और जब आपको केवल सादा टेक्स्ट उत्तर चाहिए। Free Models Router चुनें जब कार्य के लिए फ़ंक्शन कॉलिंग, भरोसेमंद JSON स्कीमा, या स्पष्ट रीज़निंग प्रयास चाहिए, और जब इनपुट 200,000 टोकन के भीतर आराम से फिट हो जाए। यदि आपकी पाइपलाइन seed या temperature जैसे सैंपलिंग नियंत्रणों पर, या स्कोरिंग के लिए लॉग प्रायिकताओं पर निर्भर है, तो Free Models Router इन दोनों में से एकमात्र है जो ये प्रदान करता है।
api14 के माध्यम से किसी भी एक को कॉल करना एक ही कॉल है। दोनों OpenAI-संगत एंडपॉइंट के पीछे परोसे जाते हैं, इसलिए आप अपना मौजूदा क्लाइंट, अपनी messages array और अपना authentication बनाए रखते हैं, और रिक्वेस्ट बॉडी में केवल मॉडल आईडी बदलते हैं, openrouter/free और scaledown/extract के बीच। रिक्वेस्ट के ढांचे में और कुछ भी बदलने की ज़रूरत नहीं है, हालांकि आपको वे पैरामीटर हटा देने चाहिए जो लक्ष्य मॉडल सूचीबद्ध नहीं करता, क्योंकि ScaleDown: Extract केवल max_tokens स्वीकार करता है।
एक स्थिति ऐसी है जहां छोटा मॉडल फिर भी जीतता है। यदि आपका काम एक छोटा प्रॉम्प्ट है जिसे टूल्स, स्ट्रक्चर्ड आउटपुट या रीज़निंग प्रयास चाहिए, तो ScaleDown: Extract का अतिरिक्त कॉन्टेक्स्ट आपके लिए कुछ नहीं खरीदता, और Free Models Router बेहतर फिट है। इनपुट और आउटपुट के लिए गुणात्मक मूल्य फ़ील्ड दोनों के बीच अर्थपूर्ण रूप से भिन्न नहीं हैं, इसलिए लागत यहां निर्णायक कारक नहीं है; कॉन्टेक्स्ट आकार, फ़ाइल इनपुट और पैरामीटर समर्थन हैं।
एक string से बदलें
दोनों मॉडल एक ही endpoint और request ढांचा इस्तेमाल करते हैं। model की वैल्यू "openrouter/free" से "scaledown/extract" करें, prompts, streaming और tools पहले की तरह काम करते रहेंगे।
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);
और तुलनाएं
- LiquidAI: LFM3-1.7B बनाम Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B बनाम Crouton Alpha
- LiquidAI: LFM3-1.7B बनाम Tencent: Hy4
- LiquidAI: LFM3-1.7B बनाम Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview बनाम Crouton Alpha
- Ricursive: Ripple 65B Preview बनाम Tencent: Hy4
- Ricursive: Ripple 65B Preview बनाम Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha बनाम Tencent: Hy4