Usiamo i cookie. Cookie e memoria del browser ti mantengono connesso e ricordano le tue preferenze. Con il tuo consenso misuriamo anche come viene usato il sito. Puoi in qualsiasi momento. Consulta la nostra cookie policy.

Sei nuovo? Scopri come funziona Un tour di 1 minuto tra banco di prova, modelli e la tua chiave API.

Extract vs Xing4.0 29B A4B (free): prezzo API, contesto e funzionalità · api14

ScaleDown: Extract contro XingChen: Xing4.0 29B A4B (free)

Un confronto fianco a fianco tra ScaleDown: Extract (0,14 USD / 1M token (≈ 0,12 €)) e XingChen: Xing4.0 29B A4B (free) (Gratis) con i prezzi in USD e le funzionalità aggiornati dal catalogo di api14. Entrambi funzionano con la stessa API compatibile OpenAI.

Specifiche

	ScaleDown: Extract	XingChen: Xing4.0 29B A4B (free)
Fornitore	ScaleDown	XingChen
Ingresso	0,14 USD / 1M token (≈ 0,12 €)	-
Finestra di contesto	1.000.000	262.144
Output massimo	900.000	235.929
Ingresso	text, image, file	text
Uscita	text	text
chiamata di strumenti
Output strutturato
Controllo del ragionamento
Aggiunto	13 ott 2026	16 ott 2026

Differenze principali

ScaleDown: Extract legge 3.8× più contesto (1.000.000 token).
Solo XingChen: Xing4.0 29B A4B (free) supporta chiamata di strumenti.
Solo XingChen: Xing4.0 29B A4B (free) supporta output JSON strutturato.
Solo XingChen: Xing4.0 29B A4B (free) supporta controllo del livello di ragionamento.

Nel dettaglio

ScaleDown: Extract è un modello di testo di ScaleDown, rilasciato il 2026-10-13. XingChen: Xing4.0 29B A4B (free) è un modello di testo di XingChen, rilasciato il 2026-10-16. Entrambi sono serviti tramite api14 come modelli di chat compatibili con OpenAI, ed entrambi sono elencati nella categoria testo. Il naming dice qualcosa sul posizionamento: Extract suona come un modello di estrazione pensato per uno scopo specifico, mentre Xing4.0 29B A4B è un modello generale di chat e reasoning con un tier gratuito.

I due differiscono soprattutto per contesto e modalità. ScaleDown: Extract ha una finestra di contesto di 1.000.000 di token, che è la più ampia delle due, e accetta input di testo, immagini e file, producendo output di testo. XingChen: Xing4.0 29B A4B ha una finestra di contesto di 262.144 token e accetta solo testo. Sul fronte dei parametri la divisione è opposta. XingChen espone una lunga lista di parametri di campionamento e controllo: frequency_penalty, presence_penalty, temperature, top_p, top_k, min_p, repetition_penalty, seed, stop, max_tokens, response_format, structured_outputs, tool_choice, tools, reasoning e include_reasoning. ScaleDown: Extract supporta solo max_tokens. Quindi XingChen è l'unico dei due con tool calling, structured outputs e reasoning, mentre ScaleDown è l'unico che accetta immagini e file e l'unico con il contesto più ampio.

Per il lavoro pratico, la scelta deriva direttamente da queste differenze. Se il tuo compito coinvolge documenti lunghi, input di immagini o file, o un singolo prompt che deve contenere una quantità molto grande di materiale, ScaleDown: Extract è la scelta naturale per via del suo contesto più ampio e del supporto agli input multimodali. Se il tuo compito richiede function calling, output vincolato a uno schema JSON, o una passata di reasoning visibile, XingChen: Xing4.0 29B A4B è la scelta, dato che sono capacità che ScaleDown: Extract non espone. Per la semplice generazione di testo in cui nessuna di queste funzionalità conta, va bene l'uno o l'altro, e la tabella dei prezzi aggiornata su questa pagina è una guida migliore di qualsiasi cosa scritta qui.

Chiamare l'uno o l'altro modello tramite api14 funziona allo stesso modo, perché l'endpoint è compatibile con OpenAI. Punti il tuo client all'URL di base di api14, invii una richiesta di chat completions e imposti il campo model all'id che vuoi. Per cambiare modello cambi solo quella stringa, da "scaledown/extract" a "xingchen-agi/xing4.0-29b-a4b:free" o viceversa. Il corpo della richiesta, l'header di autenticazione e il parsing della risposta restano come sono. L'unica avvertenza sono i parametri: se invii i campi tools, response_format o reasoning, si applicano a XingChen e non sono supportati da ScaleDown: Extract, che accetta solo max_tokens, quindi mantieni insiemi di parametri per modello invece di un unico payload condiviso.

Ci sono casi in cui l'altro modello resta comunque la scelta migliore anche dopo questo. Se stai già usando XingChen per una pipeline di tool calling o structured output e ti serve solo una breve risposta di testo, restare su XingChen evita una seconda integrazione. Viceversa, se sei su ScaleDown: Extract per il lavoro sui documenti e ti serve un rapido completamento in testo semplice, restare lì evita di aggiungere un altro id di modello alla tua configurazione. Nessuno dei due modelli è strettamente migliore; i fattori decisivi sono la dimensione del contesto, l'input multimodale, e se ti servono tools, structured output o reasoning.

Cambia modello con una stringa

Entrambi i modelli usano lo stesso endpoint e la stessa struttura di richiesta. Cambia il valore di model da "scaledown/extract" a "xingchen-agi/xing4.0-29b-a4b:free", prompt, streaming e tool continuano a funzionare.

ScaleDown: Extract: dettagli e banco di prova →XingChen: Xing4.0 29B A4B (free): dettagli e banco di prova →

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": "xingchen-agi/xing4.0-29b-a4b:free",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

ScaleDown: Extract contro XingChen: Xing4.0 29B A4B (free)

Specifiche

Differenze principali

Nel dettaglio

Cambia modello con una stringa

Altri confronti