Recursive: Flint (free) 대 XingChen: Xing4.0 29B A4B (free)
api14 카탈로그의 최신 USD 가격과 기능을 바탕으로 Recursive: Flint (free)(무료)와(과) XingChen: Xing4.0 29B A4B (free)(무료)를 나란히 비교합니다. 두 모델 모두 같은 OpenAI 호환 API로 실행됩니다.
사양
| Recursive: Flint (free) | XingChen: Xing4.0 29B A4B (free) | |
|---|---|---|
| 제공업체 | Recursive | XingChen |
| 컨텍스트 윈도우 | 262,144 | 262,144 |
| 최대 출력 | 235,929 | 235,929 |
| 입력 | text | text |
| 출력 | text | text |
| 도구 호출 | ||
| 구조화된 출력 | ||
| 추론 조절 | ||
| 추가일 | 2026. 10. 21. | 2026. 10. 16. |
주요 차이점
- 구조화된 JSON 출력은(는) XingChen: Xing4.0 29B A4B (free)만 지원합니다.
자세히 보기
Recursive: Flint (free)는 Recursive의 텍스트 모델로, 2026-10-21에 출시되었습니다. XingChen: Xing4.0 29B A4B (free)는 XingChen의 텍스트 모델로, 2026-10-16에 출시되었습니다. 둘 다 api14에 텍스트 카테고리로 등록되어 있고, 둘 다 무료 엔드포인트로 제공되므로, 둘 사이의 선택은 대표 가격이 아니라 동작과 파라미터 지원에 달려 있습니다. 두 모델 모두 텍스트 외에는 아무것도 받거나 반환하지 않으므로, 애플리케이션에서 이미지, 오디오 또는 파일을 보내거나 받아야 한다면 이 둘 중 어느 것도 정답이 아니며 게이트웨이의 다른 곳을 살펴봐야 합니다.
두 모델은 기본적인 부분에서 비슷합니다. 둘 다 262144 토큰의 컨텍스트 윈도우를 제공하므로, 긴 문서, 대규모 코드베이스, 확장된 대화 기록이 어느 쪽에도 똑같이 잘 들어갑니다. 둘 다 추론 출력을 지원하고, 둘 다 도구를 받아들이므로, 양쪽 모두에서 함수 호출과 에이전트 스타일 루프를 사용할 수 있습니다. 가장 명확한 차이는 구조화된 출력에 있습니다. Xing4.0 29B A4B는 구조화된 출력을 지원하지만, Flint는 그 기능을 나열하지 않습니다. 파라미터 집합도 성격이 다릅니다. Flint는 logprobs와 top_logprobs를 제공하는데, 이는 토큰 수준 신뢰도 신호를 원할 때 유용하며, 여기에 include_reasoning, reasoning, response_format, seed, stop, temperature, top_p, max_tokens, tools도 제공합니다. Xing4.0 29B A4B는 더 넓은 샘플링 및 제어 표면을 제공합니다: 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. 요컨대 Flint는 로그 확률을 통한 내성 쪽에 기울고, Xing4.0 29B A4B는 세밀한 제어와 스키마 제약 생성 쪽에 기울어 있습니다.
일상적인 작업에서는 필요한 출력의 형태에 따라 선택하세요. 추출 파이프라인, 양식 채우기, 고정된 레이블 집합을 사용한 분류, 또는 스키마에 맞는 JSON을 반환해야 하는 모든 것을 만들고 있다면, Xing4.0 29B A4B가 더 자연스러운 선택입니다. 구조화된 출력이 직접 지원되고, tool_choice가 도구를 언제 반드시 호출해야 하는지에 대한 명시적 제어를 제공하기 때문입니다. 또한 페널티 파라미터는 길고 반복적인 텍스트를 생성할 때 루프를 억제하는 데 도움이 됩니다. 반대로 프롬프트를 디버깅하거나, 후보 완성들을 비교하거나, 자체 출력을 채점하는 시스템을 만들고 있다면, Flint가 매력적입니다. logprobs와 top_logprobs를 통해 각 토큰 뒤의 분포를 검사할 수 있기 때문입니다. 둘 다 서류상으로는 긴 컨텍스트 추론 작업을 똑같이 잘 처리하므로, 큰 입력이 있는 단순한 채팅이나 요약 워크로드라면 어느 쪽이든 되며, 자체 테스트를 통해 지연 시간과 출력 품질을 기준으로 결정할 수 있습니다.
api14를 통해 어느 모델을 호출하든 동일한 작업입니다. API는 OpenAI 호환 방식이므로, 기존 클라이언트를 게이트웨이로 지정하고, 평소의 chat completions 요청 본문을 유지하며, 모델 id만 바꾸면 됩니다. Recursive: Flint (free)로 라우팅하려면 "recursive/flint-v1.0:free"를 사용하고, XingChen: Xing4.0 29B A4B (free)로 라우팅하려면 "xingchen-agi/xing4.0-29b-a4b:free"를 사용하세요. messages 배열, temperature, max_tokens, tools 정의를 포함한 나머지 모든 것은 그대로 둡니다. 이 덕분에 A/B 테스트가 간단해집니다. 동일한 프롬프트를 두 id에 대해 실행하고, 응답을 기록한 뒤 비교하면 됩니다. 다만 파라미터가 완벽하게 호환되는 것은 아니라는 점을 기억하세요. Xing4.0 29B A4B에 logprobs를 보내거나 Flint에 structured_outputs를 보내면, 요청이 거부되거나 해당 필드가 무시될 것으로 예상해야 하므로, 하나의 설정이 둘 다 맞을 것이라고 가정하지 말고 코드에 모델별 파라미터 맵을 작게 유지하세요.
덜 명확한 모델이 이기는 경우가 하나 있습니다. 작업이 토큰 수준 확률에 의존한다면, 예를 들어 여러 후보 답변의 순위를 매기거나, 사람에게 에스컬레이션하기 전에 불확실성을 감지하거나, 임계값을 보정하는 경우에는 Flint가 더 나은 선택입니다. Xing4.0 29B A4B는 logprobs 지원을 나열하지 않기 때문입니다. 반대로 작업이 엄격한 스키마 준수나 도구 호출 강제에 의존한다면 Xing4.0 29B A4B가 더 나은 선택입니다. 이 두 영역을 벗어나면 두 모델은 충분히 비슷하므로, 실제 트래픽에 대한 자체 평가가 결정을 내려야 합니다.
문자열 하나로 전환
두 모델은 같은 엔드포인트와 요청 형식을 사용합니다. model 값을 "recursive/flint-v1.0:free"에서 "xingchen-agi/xing4.0-29b-a4b:free"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.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);
더 많은 비교
- LiquidAI: LFM3-1.7B 대 Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B 대 Crouton Alpha
- LiquidAI: LFM3-1.7B 대 Tencent: Hy4
- LiquidAI: LFM3-1.7B 대 Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview 대 Crouton Alpha
- Ricursive: Ripple 65B Preview 대 Tencent: Hy4
- Ricursive: Ripple 65B Preview 대 Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha 대 Tencent: Hy4