Recursive: Flint (free) बनाम ScaleDown: Extract
api14 कैटलॉग की मौजूदा USD कीमतों और क्षमताओं के आधार पर Recursive: Flint (free) (मुफ्त) और ScaleDown: Extract ($0.14 / 1M टोकन (≈ ₹13.24)) की आमने-सामने तुलना। दोनों एक ही OpenAI-compatible API से चलते हैं।
स्पेसिफिकेशन
| Recursive: Flint (free) | ScaleDown: Extract | |
|---|---|---|
| प्रोवाइडर | Recursive | ScaleDown |
| इनपुट | - | $0.14 / 1M टोकन (≈ ₹13.24) |
| संदर्भ विंडो | 2,62,144 | 10,00,000 |
| अधिकतम आउटपुट | 2,35,929 | 9,00,000 |
| इनपुट | text | text, image, file |
| आउटपुट | text | text |
| टूल कॉलिंग | ||
| संरचित आउटपुट | ||
| Reasoning नियंत्रण | ||
| जोड़ा गया | 21 अक्टू॰ 2026 | 13 अक्टू॰ 2026 |
मुख्य अंतर
- ScaleDown: Extract 3.8× ज़्यादा context पढ़ता है (10,00,000 tokens)।
- सिर्फ Recursive: Flint (free) टूल कॉलिंग सपोर्ट करता है।
- सिर्फ Recursive: Flint (free) reasoning effort नियंत्रण सपोर्ट करता है।
विस्तार से
Recursive: Flint (free) एक टेक्स्ट मॉडल है जो Recursive से आया है और 2026-10-21 को जारी किया गया था। ScaleDown: Extract एक टेक्स्ट मॉडल है जो ScaleDown से आया है और 2026-10-13 को जारी किया गया था। दोनों api14 के ज़रिए टेक्स्ट श्रेणी के तहत उपलब्ध कराए जाते हैं, और दोनों टेक्स्ट इनपुट लेकर टेक्स्ट आउटपुट देते हैं, इसलिए बुनियादी ढाँचे के स्तर पर ये एक ही तरह के एंडपॉइंट हैं। फ़र्क़ इस बात में है कि हर एक किस काम को अच्छे से करने के लिए बनाया गया है और आप उसे कितना नियंत्रित कर सकते हैं।
ScaleDown: Extract का कॉन्टेक्स्ट विंडो दोनों में बड़ा है, 1,000,000 टोकन बनाम Flint के 262,144 टोकन। यह टेक्स्ट के साथ-साथ इमेज और फ़ाइल इनपुट भी स्वीकार करता है, जबकि Flint केवल टेक्स्ट स्वीकार करता है। दूसरी ओर, Flint समर्थित पैरामीटरों का कहीं व्यापक सेट उजागर करता है: include_reasoning, logprobs, max_tokens, reasoning, response_format, seed, stop, temperature, tools, top_logprobs और top_p। ScaleDown: Extract केवल max_tokens का समर्थन करता है। इसलिए टूल कॉलिंग और रीज़निंग नियंत्रण वाला Flint है, और इन क्षमताओं वाला दोनों में से यही एकमात्र है। किसी भी मॉडल को इनपुट या आउटपुट पर सस्ता नहीं बताया गया है, इसलिए इन्हें लगभग एक जैसी कीमत वाला मानें और असली आँकड़ों के लिए लाइव टेबल देखें।
अगर आपके काम में फ़ंक्शन या टूल कॉल चाहिए, या आप रीज़निंग चालू करके लॉग प्रोबेबिलिटीज़ पढ़ना चाहते हैं, तो Flint चुनें, क्योंकि ScaleDown: Extract ये पैरामीटर बिल्कुल नहीं देता। अगर आपका काम लंबे दस्तावेज़ों पर है, या आपको उसी अनुरोध में इमेज या फ़ाइलें भेजनी हैं, तो ScaleDown: Extract चुनें, क्योंकि Flint उन मोडैलिटीज़ को नहीं ले सकता और उसका कॉन्टेक्स्ट लगभग एक चौथाई है। सादे टेक्स्ट जनरेशन के लिए, जहाँ आपको बस एक कम्पलीशन चाहिए और सैंपलिंग पर नियंत्रण, दोनों में से कोई भी काम करेगा, और Flint आपको आउटपुट को आकार देने के लिए ज़्यादा नॉब्स (temperature, top_p, seed, stop) देता है।
api14 के ज़रिए किसी भी मॉडल को कॉल करना एक ही क्रिया है। API OpenAI-संगत है, इसलिए आप अपने मौजूदा क्लाइंट को api14 के बेस URL पर इंगित करें, अपने messages के साथ एक chat completions अनुरोध भेजें, और model फ़ील्ड सेट करें। Flint इस्तेमाल करने के लिए, model को "recursive/flint-v1.0:free" पर सेट करें। ScaleDown: Extract इस्तेमाल करने के लिए, model को "scaledown/extract" पर सेट करें। बुनियादी कॉल के लिए अनुरोध बॉडी में और कुछ भी बदलने की ज़रूरत नहीं है। अगर आप एक से दूसरे पर जा रहे हैं, तो model id बदल दें और, अगर आप ऐसे पैरामीटरों पर निर्भर थे जो नया मॉडल सूचीबद्ध नहीं करता, तो उन्हें हटा दें, क्योंकि ScaleDown: Extract केवल max_tokens स्वीकार करता है।
एक मामला ऐसा है जहाँ छोटा, ज़्यादा सीमित मॉडल फिर भी बेहतर चुनाव है: जब काम बड़ी मात्रा में टेक्स्ट पर, या टेक्स्ट के साथ इमेज या फ़ाइलों पर एक्सट्रैक्शन हो, और आपको टूल्स या रीज़निंग आउटपुट की ज़रूरत न हो। ScaleDown: Extract अपने बड़े कॉन्टेक्स्ट और अपनी अतिरिक्त इनपुट मोडैलिटीज़ के साथ उस काम को कवर करता है, और आप उन नियंत्रणों के लिए भुगतान नहीं कर रहे होते जिन्हें आप इस्तेमाल नहीं करेंगे।
एक string से बदलें
दोनों मॉडल एक ही endpoint और request ढांचा इस्तेमाल करते हैं। model की वैल्यू "recursive/flint-v1.0: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