Nace.AI: Drex v2.0 대 ScaleDown: Classify-1
api14 카탈로그의 최신 USD 가격과 기능을 바탕으로 Nace.AI: Drex v2.0(US$0.21 / 100만 토큰 (≈ ₩283))와(과) ScaleDown: Classify-1(US$0.14 / 100만 토큰 (≈ ₩189))를 나란히 비교합니다. 두 모델 모두 같은 OpenAI 호환 API로 실행됩니다.
사양
| Nace.AI: Drex v2.0 | ScaleDown: Classify-1 | |
|---|---|---|
| 제공업체 | Nace.AI | ScaleDown |
| 입력 | US$0.21 / 100만 토큰 (≈ ₩283) | US$0.14 / 100만 토큰 (≈ ₩189) |
| 컨텍스트 윈도우 | 131,072 | 1,000,000 |
| 최대 출력 | 117,964 | 900,000 |
| 입력 | text | text, image, file |
| 출력 | decisions | decisions |
| 도구 호출 | ||
| 구조화된 출력 | ||
| 추론 조절 | ||
| 추가일 | 2026. 10. 12. | 2026. 10. 13. |
주요 차이점
- ScaleDown: Classify-1의 입력 토큰 가격이 33% 더 저렴합니다.
- ScaleDown: Classify-1는(은) 7.6배 더 긴 컨텍스트(1,000,000 토큰)를 읽습니다.
- 입력 1,000 토큰, 출력 500 토큰 요청의 비용은 Nace.AI: Drex v2.0에서 US$0.000210, ScaleDown: Classify-1에서 US$0.000140입니다.
자세히 보기
Nace.AI: Drex v2.0은 Nace.AI의 decisions 모델로, 2026-10-12에 출시되었습니다. ScaleDown: Classify-1은 ScaleDown의 decisions 모델로, 2026-10-13에 출시되었습니다. 둘 다 같은 카테고리에 속하므로, 입력을 받아 자유 형식의 산문이 아니라 결정을 반환한다는 같은 넓은 작업을 목표로 합니다. 두 모델 모두 지원되는 파라미터를 노출하지 않으므로, 조정 가능한 손잡이 목록이 아니라 이미 보내고 있는 요청 본문을 통해 구성합니다.
가장 명확한 차이는 컨텍스트와 입력 처리에 있습니다. Drex v2.0은 텍스트만 받고 131,072 토큰의 컨텍스트 윈도우를 가집니다. Classify-1은 텍스트, 이미지, 파일을 받으며 컨텍스트 윈도우가 1,000,000 토큰이므로 둘 중 훨씬 더 큰 쪽입니다. 둘 다 출력 모달리티로 결정을 반환하므로, 차이는 나가는 쪽이 아니라 들어오는 쪽에 있습니다. 입력이 스캔한 양식, 스크린샷, PDF 또는 긴 문서 묶음이라면 Classify-1이 그것을 직접 받을 수 있습니다. Drex v2.0은 먼저 텍스트를 추출할 것을 기대합니다. 가격에서는 Classify-1이 입력에서 둘 중 더 저렴하고, 출력 가격은 둘 사이에 거의 같거나 의미 있게 다르지 않습니다.
일상적인 작업에서는 보통 입력 형식에 따라 선택이 달라집니다. 이미 깨끗한 텍스트가 있고 프롬프트가 131,072 토큰 안에 여유 있게 들어간다면, Drex v2.0은 합리적인 기본값이며 유지할 추출 단계가 없으므로 파이프라인을 단순하게 유지합니다. PDF, 이미지 또는 혼합 파일로 도착하는 문서를 분류하거나, 자료가 길어서 청킹하면 결정이 의존하는 컨텍스트를 잃을 정도라면, Classify-1은 그 전처리 작업을 없애고 무엇이든 나누기 전에 더 많은 여유를 줍니다. 입력 가격 차이는 대량으로 실행할 경우에도 중요하지만, 경험칙에 의존하지 말고 현재 수치는 이 페이지의 실시간 가격표를 확인해야 합니다.
api14를 통해 어느 모델을 호출하든 방식은 같습니다. 게이트웨이가 OpenAI 호환 방식이기 때문입니다. 클라이언트를 같은 base URL로 향하게 하고, 같은 chat completions 스타일 요청을 보내며, 모델 id만 바꾸면 됩니다. Drex v2.0에는 "nace-ai/drex-v2.0", Classify-1에는 "scaledown/classify-1"입니다. 인증, 재시도 로직, 로깅, 응답 파싱은 그대로 유지되므로, 두 모델을 자체 데이터로 저렴하게 테스트할 수 있습니다. 흔한 패턴은 요청을 한 번 작성하고, 실제 입력 샘플에 대해 두 id로 실행한 뒤, 하나를 확정하기 전에 결정을 비교하는 것입니다.
Drex v2.0이 더 나은 선택인 경우도 여전히 있습니다. 입력이 일반 텍스트이고 컨텍스트 윈도우에 들어갈 만큼 짧다면, 이미지와 파일 처리를 추가해도 얻는 것이 없으며, 텍스트 전용 모델은 통합의 표면적을 더 작게 유지합니다. 이미 자체 OCR이나 문서 파싱을 수행하고 있으며 결정 단계를 추출과 분리해 유지하고 싶은 팀은 그 이유만으로도 이를 선호할 수 있습니다. 두 모델 간 출력 가격이 거의 같으므로, 결정은 종종 멀티모달 입력과 더 큰 컨텍스트 윈도우가 자신의 워크로드에 가치가 있는지에 달려 있습니다.
문자열 하나로 전환
두 모델은 같은 엔드포인트와 요청 형식을 사용합니다. model 값을 "nace-ai/drex-v2.0"에서 "scaledown/classify-1"로 바꾸기만 하면 프롬프트, 스트리밍, 도구가 그대로 작동합니다.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.post("/decisions", { body: {
"model": "scaledown/classify-1",
"state": "Customer: I was charged twice for my order and want my money back.",
"questions": {
"team": {
"type": "choice",
"instructions": "Which team should handle this message?",
"criteria": {
"billing": "Payments, refunds, invoices",
"support": "Product questions and bugs",
"sales": "Pricing and new purchases"
}
},
"urgent": {
"type": "noul",
"instructions": "Does this need a reply today?",
"criteria": {
"true": "Money, outage or legal risk",
"false": "Can wait"
}
}
}
} });
console.log(result.answers);
더 많은 비교
- LiquidAI: d1 Latest 대 LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest 대 Baseten: Joey 1
- LiquidAI: d1 Latest 대 LiquidAI: d1.1
- LiquidAI: d1 Latest 대 Morph: Reflex
- LiquidAI: d1-ultra Latest 대 Baseten: Joey 1
- LiquidAI: d1-ultra Latest 대 LiquidAI: d1.1
- LiquidAI: d1-ultra Latest 대 Morph: Reflex
- Baseten: Joey 1 대 LiquidAI: d1.1