Cookieを使用しています. Cookieとブラウザストレージは、ログイン状態の維持と設定の保存に使われます。許可いただいた場合は、サイトの利用状況も計測します。はいつでも変更できます。詳しくはCookieポリシーをご覧ください。
api14カタログの最新のUSD料金と機能をもとに、Recursive: Flint (free)（無料）とXingChen: Xing4.0 29B A4B (free)（無料）を並べて比較します。どちらも同じOpenAI互換APIで動作します。
| Recursive: Flint (free) | XingChen: Xing4.0 29B A4B (free) | |
|---|---|---|
| プロバイダー | Recursive | XingChen |
| コンテキストウィンドウ | 262,144 | 262,144 |
| 最大出力 | 235,929 | 235,929 |
| 入力 | text | text |
| 出力 | text | text |
| ツール呼び出し | ||
| 構造化出力 | ||
| 推論の調整 | ||
| 追加日 | 2026/10/21 | 2026/10/16 |
再帰的: Flint (無料) は Recursive のテキストモデルで、2026-10-21 にリリースされました。XingChen: Xing4.0 29B A4B (無料) は XingChen のテキストモデルで、2026-10-16 にリリースされました。どちらも api14 のテキストカテゴリに掲載されており、どちらも無料のエンドポイントとして提供されているため、両者の選択は、価格の見出しではなく、振る舞いとパラメータ対応で決まります。どちらのモデルもテキスト以外を受け取ったり返したりしないので、アプリケーションが画像、音声、ファイルを送受信する必要があるなら、どちらも正しい選択ではなく、ゲートウェイの別の場所を探すべきです。
この 2 つのモデルは基本的な点では近接しています。どちらも 262144 トークンのコンテキストウィンドウを公開しているため、長い文書、大規模なコードベース、拡張された会話履歴はどちらにも等しく収まります。どちらも推論出力をサポートし、どちらもツールを受け付けるため、関数呼び出しとエージェント形式のループは双方で利用できます。最も明確な違いは構造化出力にあります。Xing4.0 29B A4B は構造化出力をサポートしますが、Flint はその機能を記載していません。パラメータ群も趣が異なります。Flint は logprobs と top_logprobs を公開しており、これはトークンレベルの信頼度シグナルが必要なときに有用です。さらに include_reasoning、reasoning、response_format、seed、stop、temperature、top_p、max_tokens、tools があります。Xing4.0 29B A4B はより広いサンプリングと制御の面を公開しています。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、reasoning です。要するに、Flint は対数確率による内省寄りであり、Xing4.0 29B A4B は細かい制御とスキーマ制約付き生成寄りです。
日々の作業では、必要な出力の形に基づいて選んでください。抽出パイプライン、フォーム入力、固定ラベル集合による分類、あるいはスキーマに一致する JSON を返す必要があるものを作っているなら、Xing4.0 29B A4B のほうが自然に適合します。構造化出力が直接サポートされており、tool_choice によってツールをいつ必ず呼び出すかを明示的に制御できるからです。そのペナルティパラメータは、長く反復的なテキストを生成していてループを抑制したいときにも役立ちます。逆に、プロンプトをデバッグしたり、候補の補完を比較したり、自身の出力を採点するシステムを構築したりするなら、Flint が魅力的です。logprobs と top_logprobs によって各トークンの背後にある分布を検査できるからです。どちらも紙の上では長いコンテキストの推論タスクを等しく扱えるので、大きな入力を伴う単純なチャットや要約のワークロードではどちらでもよく、レイテンシと出力品質は自分のテストから決められます。
どちらのモデルを api14 経由で呼び出すのも同じ操作です。API は OpenAI 互換なので、既存のクライアントをゲートウェイに向け、通常の chat completions リクエストボディを保ち、変更するのはモデル id だけです。Recursive: Flint (無料) にルーティングするには "recursive/flint-v1.0:free" を使い、XingChen: Xing4.0 29B A4B (無料) にルーティングするには "xingchen-agi/xing4.0-29b-a4b:free" を使います。それ以外のすべて、つまり messages 配列、temperature、max_tokens、tools 定義はそのままです。これにより A/B テストは簡単になります。同じプロンプトを両方の id に対して実行し、応答を記録して比較するだけです。ただし、パラメータが完全に互換というわけではない点に注意してください。Xing4.0 29B A4B に logprobs を送ったり、Flint に structured_outputs を送ったりすると、リクエストが拒否されるか、そのフィールドが無視されると予想してください。そのため、1 つの設定が両方に適合すると仮定するのではなく、コード内にモデルごとの小さなパラメータマップを保持してください。
あまり明白でないモデルが勝つケースが 1 つあります。タスクがトークンレベルの確率に依存する場合、たとえば複数の候補回答を順位付けする、人間にエスカレーションする前に不確実性を検出する、しきい値を較正するといった場合、Flint のほうが良い選択です。Xing4.0 29B A4B は logprobs サポートを記載していないからです。逆に、タスクが厳密なスキーマ準拠やツール呼び出しの強制に依存する場合、Xing4.0 29B A4B のほうが良い選択です。これら 2 つのニッチ以外では、モデルは十分に近接しているため、実際のトラフィックでの自分の評価が決定すべきです。
どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"recursive/flint-v1.0:free"から"xingchen-agi/xing4.0-29b-a4b:free"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。
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);