ScaleDown: Extract は ScaleDown のテキストモデルで、2026-10-13 にリリースされました。XingChen: Xing4.0 29B A4B (free) 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 を通じて OpenAI 互換のチャットモデルとして提供されており、どちらもテキストカテゴリに掲載されています。名前から位置づけがある程度わかります。Extract は専用の抽出モデルのように聞こえ、Xing4.0 29B A4B は無料枠のある汎用チャットおよび推論モデルです。
両者が最も異なるのはコンテキストとモダリティです。ScaleDown: Extract のコンテキストウィンドウは 1,000,000 トークンで、これは両者の中で大きい方であり、テキスト、画像、ファイルの入力を受け付けてテキストを出力します。XingChen: Xing4.0 29B A4B のコンテキストウィンドウは 262,144 トークンで、受け付けるのはテキストのみです。パラメータでは分かれ方が逆になります。XingChen は多数のサンプリングおよび制御パラメータを公開しています。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、include_reasoning です。ScaleDown: Extract がサポートするのは max_tokens のみです。したがって、ツール呼び出し、構造化出力、推論を備えているのは XingChen だけであり、画像とファイルを受け付け、より大きなコンテキストを持つのは ScaleDown だけです。
実務では、選択はこれらの違いから直接導かれます。タスクが長い文書、画像やファイルの入力、あるいは非常に大量の素材を保持する必要がある単一のプロンプトを扱うなら、ScaleDown: Extract が自然な選択です。より大きなコンテキストとマルチモーダル入力のサポートがあるからです。タスクが関数呼び出し、JSON スキーマで制約された出力、または可視化された推論パスを必要とするなら、XingChen: Xing4.0 29B A4B が選択肢です。これらは ScaleDown: Extract が公開していない機能だからです。これらの機能がいずれも重要でない単純なテキスト生成なら、どちらでもよく、このページのライブ価格表の方がここに書かれていることより良い指針になります。
どちらのモデルを api14 経由で呼び出しても方法は同じです。エンドポイントが OpenAI 互換だからです。クライアントを api14 のベース URL に向け、チャット補完リクエストを送り、model フィールドを使いたい id に設定します。モデルを切り替えるには、その文字列を "scaledown/extract" から "xingchen-agi/xing4.0-29b-a4b:free" へ、またはその逆へ変更するだけです。リクエストボディ、認証ヘッダー、レスポンスの解析はそのままです。唯一の注意点はパラメータです。tools、response_format、reasoning のフィールドを送る場合、それらは XingChen に適用され、ScaleDown: Extract ではサポートされません。ScaleDown: Extract が受け付けるのは max_tokens のみなので、1 つの共有ペイロードではなくモデルごとのパラメータセットを保ってください。
それでもなお、もう一方のモデルの方が依然として良い選択である場合があります。すでにツール呼び出しや構造化出力のパイプラインで XingChen を使っており、短いテキスト回答だけが必要なら、XingChen に留まることで 2 つ目の統合を避けられます。逆に、文書作業で ScaleDown: Extract を使っており、素早いプレーンテキストの補完が必要なら、そこに留まることで設定に別のモデル id を追加せずに済みます。どちらのモデルも厳密に優れているわけではありません。決め手となる要素は、コンテキストサイズ、マルチモーダル入力、そしてツール、構造化出力、推論が必要かどうかです。