Nace.AI: Drex v2.0 è un modello di decisioni di Nace.AI, rilasciato il 2026-10-12. ScaleDown: Classify-1 è un modello di decisioni di ScaleDown, rilasciato il 2026-10-13. Entrambi appartengono alla stessa categoria, quindi sono pensati per lo stesso tipo di compito generale: prendere un input e restituire una decisione invece di prosa libera. Nessuno dei due modelli espone parametri supportati, quindi li configuri tramite il corpo della richiesta che invii già, non tramite un elenco di parametri regolabili.
La differenza più netta è nella gestione del contesto e dell'input. Drex v2.0 accetta solo testo e ha una finestra di contesto di 131.072 token. Classify-1 accetta testo, immagini e file, e la sua finestra di contesto è di 1.000.000 di token, quindi è il più grande dei due con un ampio margine. Entrambi restituiscono decisioni come modalità di output, quindi la differenza è in ingresso, non in uscita. Se il tuo input è un modulo scansionato, uno screenshot, un PDF o un insieme di documenti lunghi, Classify-1 può prenderlo direttamente; Drex v2.0 si aspetta che tu estragga prima il testo. Sul prezzo, Classify-1 è il più economico dei due per l'input, mentre il prezzo dell'output è più o meno lo stesso o non significativamente diverso tra i due.
Per il lavoro quotidiano, la scelta di solito segue il formato del tuo input. Se hai già testo pulito e i tuoi prompt rientrano comodamente in 131.072 token, Drex v2.0 è un default ragionevole e mantiene semplice la tua pipeline, dato che non c'è alcuno step di estrazione da mantenere. Se stai classificando documenti che arrivano come PDF, immagini o file misti, o se il materiale è abbastanza lungo che suddividerlo perderebbe il contesto da cui dipende la decisione, Classify-1 elimina quel lavoro di preprocessamento e ti dà più spazio prima di dover dividere qualcosa. La differenza di prezzo sull'input conta anche se gestisci grandi volumi, anche se dovresti controllare la tabella dei prezzi aggiornata su questa pagina per i numeri attuali invece di affidarti a una regola empirica.
Chiamare uno dei due modelli tramite api14 funziona allo stesso modo, perché il gateway è compatibile con OpenAI. Punti il tuo client allo stesso base URL, invii la stessa richiesta in stile chat completions e cambi solo l'id del modello: "nace-ai/drex-v2.0" per Drex v2.0, oppure "scaledown/classify-1" per Classify-1. La tua autenticazione, la logica di retry, il logging e il parsing delle risposte restano invariati, il che rende economico testare entrambi sui tuoi dati. Un pattern comune è costruire la richiesta una volta, eseguirla contro entrambi gli id su un campione di input reali e confrontare le decisioni prima di sceglierne uno.
Ci sono ancora casi in cui Drex v2.0 è la scelta migliore. Se i tuoi input sono testo semplice e abbastanza corti da rientrare nella sua finestra di contesto, aggiungere la gestione di immagini e file non ti dà nulla, e un modello solo testo mantiene più piccola la superficie della tua integrazione. I team che fanno già il proprio OCR o parsing dei documenti, e vogliono che lo step decisionale resti separato dall'estrazione, potrebbero preferirlo solo per questo motivo. Dato che il prezzo dell'output è più o meno lo stesso tra i due, la decisione spesso si riduce a se l'input multimodale e la finestra di contesto più grande valgono la pena per il tuo carico di lavoro.