Google: Gemini 4 Argon contro ScaleDown: Summarize
Un confronto fianco a fianco tra Google: Gemini 4 Argon (7,00 USD / 1M token (≈ 6,23 €)) e ScaleDown: Summarize (0,14 USD / 1M token (≈ 0,12 €)) con i prezzi in USD e le funzionalità aggiornati dal catalogo di api14. Entrambi funzionano con la stessa API compatibile OpenAI.
Specifiche
| Google: Gemini 4 Argon | ScaleDown: Summarize | |
|---|---|---|
| Fornitore | ScaleDown | |
| Ingresso | 7,00 USD / 1M token (≈ 6,23 €) | 0,14 USD / 1M token (≈ 0,12 €) |
| Uscita | 35,00 USD / 1M token (≈ 31,17 €) | - |
| Lettura cache | 0,35 USD / 1M token (≈ 0,31 €) | - |
| Scrittura cache | 0,66 USD / 1M token (≈ 0,58 €) | - |
| Ragionamento | 35,00 USD / 1M token (≈ 31,17 €) | - |
| Input audio | 7,00 USD / 1M token (≈ 6,23 €) | - |
| Immagine | 0,000007 USD / immagine (≈ 0,00000623 €) | - |
| Ricerca web | 49,00 USD / 1K ricerche (≈ 43,63 €) | - |
| Finestra di contesto | 1.048.576 | 1.000.000 |
| Output massimo | 943.718 | 4000 |
| Ingresso | audio, file, image, text, video | text, image, file |
| Uscita | text | text |
| chiamata di strumenti | ||
| Output strutturato | ||
| Controllo del ragionamento | ||
| Aggiunto | 13 ott 2026 | 13 ott 2026 |
Differenze principali
- ScaleDown: Summarize costa il 98% in meno sui token di input.
- Solo Google: Gemini 4 Argon supporta chiamata di strumenti.
- Solo Google: Gemini 4 Argon supporta output JSON strutturato.
- Solo Google: Gemini 4 Argon supporta controllo del livello di ragionamento.
- Una richiesta con 1.000 token di input e 500 di output costa 0,02 USD con Google: Gemini 4 Argon e 0,000140 USD con ScaleDown: Summarize.
Nel dettaglio
Google: Gemini 4 Argon è un modello testuale di Google, rilasciato il 2026-10-13. ScaleDown: Summarize è un modello testuale di ScaleDown, rilasciato alla stessa data. Entrambi sono serviti tramite api14 con gli id modello google/gemini-4-argon e scaledown/summarize, ed entrambi restituiscono testo come output.
I due differiscono soprattutto in ciò che accettano e in ciò che permettono di controllare. Gemini 4 Argon accetta audio, file, immagini, testo e video come input, mentre ScaleDown: Summarize accetta testo, immagini e file. Le loro finestre di contesto sono abbastanza vicine che nessuno dei due è significativamente più grande, quindi la scelta non riguarda la possibilità di inserire un documento più lungo. Le liste di parametri sono il punto in cui si separano davvero. Gemini 4 Argon supporta tools e tool choice, structured outputs, reasoning e reasoning effort, include_reasoning, response_format, seed, stop, temperature e top_p, insieme a max_tokens. ScaleDown: Summarize supporta solo max_tokens. Quindi Gemini 4 Argon è quello da scegliere quando serve function calling, output in formato JSON o un passaggio di reasoning, e ScaleDown: Summarize è quello da scegliere quando si vuole semplicemente testo indietro.
Per il lavoro pratico, scegli Gemini 4 Argon quando il compito coinvolge più che semplice testo, come una clip video o audio che vuoi descrivere o su cui fare domande, o quando la tua pipeline dipende da tools, structured outputs o reasoning. Scegli ScaleDown: Summarize quando il lavoro è una summarization semplice o un'altra trasformazione di testo puro su testo, immagini o file, e vuoi una superficie di chiamata ristretta e prevedibile. ScaleDown: Summarize è l'opzione più economica sull'input, e il prezzo dell'output è più o meno lo stesso, quindi per lavori ad alto volume con molto input può essere la scelta più economica. Se il tuo compito richiede uno qualsiasi dei parametri che solo Gemini 4 Argon espone, questo decide la questione indipendentemente dal prezzo.
Chiamare l'uno o l'altro modello funziona allo stesso modo. Entrambi sono esposti tramite l'API compatibile con OpenAI di api14, quindi punti il tuo client OpenAI esistente all'URL base di api14, invii la tua chiave e imposti il campo model. Per passare dall'uno all'altro cambi solo quel campo, tra google/gemini-4-argon e scaledown/summarize. La gestione della richiesta e della risposta resta la stessa, con una avvertenza: se invii parametri che ScaleDown: Summarize non supporta, come tools o response_format, non avranno effetto, quindi limita quelle chiamate a max_tokens.
Ci sono casi in cui ScaleDown: Summarize è comunque la scelta migliore anche se Gemini 4 Argon è più capace. Se il tuo input è testo, immagini o file e ti serve solo testo in output, le modalità e i parametri extra di Gemini 4 Argon non ti danno nulla, e il prezzo di input più basso di ScaleDown: Summarize è un vero vantaggio su grandi volumi. Un lavoro di summarization che non richiede tools, structured output o reasoning è esattamente ciò per cui ScaleDown: Summarize è costruito, quindi usarlo come predefinito in quel caso mantiene le tue chiamate semplici e i costi di input bassi.
Cambia modello con una stringa
Entrambi i modelli usano lo stesso endpoint e la stessa struttura di richiesta. Cambia il valore di model da "google/gemini-4-argon" a "scaledown/summarize", prompt, streaming e tool continuano a funzionare.
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/summarize",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Altri confronti
- LiquidAI: LFM3-1.7B contro Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contro Crouton Alpha
- LiquidAI: LFM3-1.7B contro Tencent: Hy4
- LiquidAI: LFM3-1.7B contro Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contro Crouton Alpha
- Ricursive: Ripple 65B Preview contro Tencent: Hy4
- Ricursive: Ripple 65B Preview contro Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contro Tencent: Hy4