Rekursif: Flint (gratis) adalah model teks dari Rekursif, dirilis pada 2026-10-21. XingChen: Xing4.0 29B A4B (gratis) adalah model teks dari XingChen, dirilis pada 2026-10-16. Keduanya terdaftar di api14 di bawah kategori teks, dan keduanya ditawarkan sebagai endpoint gratis, jadi pilihan di antara keduanya bermuara pada perilaku dan dukungan parameter, bukan pada harga utama. Tidak ada model yang menerima atau mengembalikan apa pun selain teks, jadi jika aplikasi Anda perlu mengirim atau menerima gambar, audio, atau file, tidak ada dari keduanya yang tepat dan Anda harus mencari di tempat lain di gateway.
Kedua model ini berdekatan pada hal hal mendasar. Keduanya mengekspos jendela konteks 262144 token, sehingga dokumen panjang, basis kode besar, dan riwayat percakapan yang panjang muat sama baiknya di keduanya. Keduanya mendukung output penalaran, dan keduanya menerima tools, sehingga pemanggilan fungsi dan loop bergaya agen tersedia di masing masing sisi. Perbedaan paling jelas ada pada output terstruktur: Xing4.0 29B A4B mendukung output terstruktur, sedangkan Flint tidak mencantumkan kemampuan itu. Himpunan parameternya juga berbeda dalam nuansa. Flint mengekspos logprobs dan top_logprobs, yang berguna ketika Anda menginginkan sinyal keyakinan tingkat token, plus include_reasoning, reasoning, response_format, seed, stop, temperature, top_p, max_tokens dan tools. Xing4.0 29B A4B mengekspos permukaan sampling dan kontrol yang lebih luas: frequency_penalty, presence_penalty, repetition_penalty, min_p, top_k, top_p, temperature, seed, stop, max_tokens, response_format, structured_outputs, tool_choice, tools, include_reasoning dan reasoning. Singkatnya, Flint condong ke introspeksi melalui probabilitas log, sedangkan Xing4.0 29B A4B condong ke kontrol yang terperinci dan generasi yang dibatasi skema.
Untuk pekerjaan sehari hari, pilih berdasarkan bentuk output yang Anda butuhkan. Jika Anda membangun pipeline ekstraksi, pengisian formulir, klasifikasi dengan himpunan label tetap, atau apa pun yang harus mengembalikan JSON yang sesuai skema, Xing4.0 29B A4B adalah pilihan yang lebih alami karena output terstruktur didukung secara langsung, dan tool_choice memberi Anda kontrol eksplisit atas kapan sebuah tool harus dipanggil. Parameter penaltinya juga membantu ketika Anda menghasilkan teks panjang yang repetitif dan ingin menekan pengulangan. Jika sebaliknya Anda sedang men debug prompt, membandingkan kandidat penyelesaian, atau membangun sistem yang menilai outputnya sendiri, Flint menarik karena logprobs dan top_logprobs memungkinkan Anda memeriksa distribusi di balik setiap token. Keduanya menangani tugas penalaran konteks panjang sama baiknya di atas kertas, jadi untuk beban kerja obrolan atau peringkasan yang lugas dengan input besar, keduanya bisa dipakai dan Anda dapat memutuskan berdasarkan latensi dan kualitas output dari pengujian Anda sendiri.
Memanggil salah satu model melalui api14 adalah operasi yang sama. API ini kompatibel dengan OpenAI, jadi Anda mengarahkan klien yang sudah ada ke gateway, pertahankan body permintaan chat completions Anda yang biasa, dan ubah hanya id modelnya. Gunakan "recursive/flint-v1.0:free" untuk merutekan ke Rekursif: Flint (gratis), atau "xingchen-agi/xing4.0-29b-a4b:free" untuk merutekan ke XingChen: Xing4.0 29B A4B (gratis). Semua hal lain, termasuk array messages, temperature, max_tokens dan definisi tools Anda, tetap di tempatnya. Ini membuat pengujian A/B menjadi sepele: jalankan prompt yang sama terhadap kedua id, catat responsnya, dan bandingkan. Ingat saja bahwa parameter tidak sepenuhnya dapat dipertukarkan. Jika Anda mengirim logprobs ke Xing4.0 29B A4B atau structured_outputs ke Flint, perkirakan permintaan akan ditolak atau field tersebut diabaikan, jadi simpan peta parameter per model yang kecil di kode Anda daripada mengasumsikan satu konfigurasi cocok untuk keduanya.
Ada satu kasus di mana model yang kurang jelas menang. Jika tugas Anda bergantung pada probabilitas tingkat token, misalnya memberi peringkat pada beberapa jawaban kandidat, mendeteksi ketidakpastian sebelum mengeskalasi ke manusia, atau mengkalibrasi ambang batas, Flint adalah pilihan yang lebih baik karena Xing4.0 29B A4B tidak mencantumkan dukungan logprobs. Sebaliknya, jika tugas Anda bergantung pada kepatuhan skema yang ketat atau pada pemaksaan pemanggilan tool, Xing4.0 29B A4B adalah pilihan yang lebih baik. Di luar dua ceruk tersebut, model model ini cukup berdekatan sehingga evaluasi Anda sendiri pada lalu lintas nyata yang seharusnya menentukan.