Recursive: Flint (free) tegen ScaleDown: Extract
Een vergelijking naast elkaar van Recursive: Flint (free) (Gratis) en ScaleDown: Extract (US$ 0,14 / 1M tekstdelen (≈ € 0,12)) met actuele USD-prijzen en mogelijkheden uit de catalogus van api14. Beide werken via dezelfde OpenAI-compatibele API.
Specificaties
| Recursive: Flint (free) | ScaleDown: Extract | |
|---|---|---|
| Aanbieder | Recursive | ScaleDown |
| Invoer | - | US$ 0,14 / 1M tekstdelen (≈ € 0,12) |
| Contextvenster | 262.144 | 1.000.000 |
| Maximale output | 235.929 | 900.000 |
| Invoer | text | text, image, file |
| Uitvoer | text | text |
| tool-aanroepen | ||
| Gestructureerde output | ||
| Instelbaar redeneren | ||
| Toegevoegd | 21 okt 2026 | 13 okt 2026 |
Belangrijkste verschillen
- ScaleDown: Extract leest 3.8× meer context (1.000.000 tokens).
- Alleen Recursive: Flint (free) ondersteunt tool-aanroepen.
- Alleen Recursive: Flint (free) ondersteunt instelbare redeneerinspanning.
In detail
Recursive: Flint (free) is een tekstmodel van Recursive, uitgebracht op 2026-10-21. ScaleDown: Extract is een tekstmodel van ScaleDown, uitgebracht op 2026-10-13. Beide worden aangeboden via api14 onder de categorie tekst, en beide nemen tekst aan en geven tekst terug, dus op het niveau van de basisvorm zijn het hetzelfde soort endpoint. Het verschil zit in waar elk model goed in is gebouwd en hoeveel je eraan kunt sturen.
ScaleDown: Extract heeft het grotere contextvenster van de twee, met 1.000.000 tokens tegenover 262.144 voor Flint. Het accepteert ook afbeeldingen en bestanden als invoer naast tekst, terwijl Flint alleen tekst accepteert. Flint daarentegen biedt een veel bredere set ondersteunde parameters: include_reasoning, logprobs, max_tokens, reasoning, response_format, seed, stop, temperature, tools, top_logprobs en top_p. ScaleDown: Extract ondersteunt alleen max_tokens. Dus Flint is degene met tool calling en reasoning-besturing, en het is de enige van de twee met die mogelijkheden. Geen van beide modellen is gemarkeerd als goedkoper op invoer of uitvoer, dus behandel ze als ongeveer dezelfde prijs en raadpleeg de live tabel voor de werkelijke cijfers.
Als je taak functieaanroepen of tool calls nodig heeft, of als je reasoning wilt inschakelen en log probabilities wilt lezen, dan is Flint de keuze, omdat ScaleDown: Extract die parameters helemaal niet biedt. Als je taak langdurig documentwerk is, of als je afbeeldingen of bestanden in hetzelfde verzoek moet meesturen, dan is ScaleDown: Extract de keuze, omdat Flint die modaliteiten niet aankan en de context ongeveer een kwart zo groot is. Voor gewone tekstgeneratie waarbij je alleen een completion wilt en controle over sampling, werkt elk van beide, en Flint geeft je meer knoppen (temperature, top_p, seed, stop) om de uitvoer vorm te geven.
Het aanroepen van een van beide modellen via api14 is dezelfde handeling. De API is OpenAI-compatibel, dus je richt je bestaande client op de api14 base URL, stuurt een chat completions-verzoek met je messages, en stelt het model-veld in. Om Flint te gebruiken, stel je model in op "recursive/flint-v1.0:free". Om ScaleDown: Extract te gebruiken, stel je model in op "scaledown/extract". Niets anders in de request body hoeft te veranderen voor een basale aanroep. Als je van het ene naar het andere overstapt, verwissel je het model-id en, als je vertrouwde op parameters die het nieuwe model niet vermeldt, laat je ze weg, aangezien ScaleDown: Extract alleen max_tokens accepteert.
Er is één geval waarin het kleinere, meer beperkte model toch de betere keuze is: wanneer de taak extractie is over een grote hoeveelheid tekst, of over tekst plus afbeeldingen of bestanden, en je geen tools of reasoning-uitvoer nodig hebt. ScaleDown: Extract dekt dat met zijn grotere context en zijn extra invoermodaliteiten, en je betaalt niet voor besturing die je niet zult gebruiken.
Wissel met één string
Beide modellen gebruiken hetzelfde endpoint en dezelfde verzoekstructuur. Verander de waarde van model van "recursive/flint-v1.0:free" naar "scaledown/extract", prompts, streaming en tools blijven werken.
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": "scaledown/extract",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Meer vergelijkingen
- LiquidAI: LFM3-1.7B tegen Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B tegen Crouton Alpha
- LiquidAI: LFM3-1.7B tegen Tencent: Hy4
- LiquidAI: LFM3-1.7B tegen Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview tegen Crouton Alpha
- Ricursive: Ripple 65B Preview tegen Tencent: Hy4
- Ricursive: Ripple 65B Preview tegen Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha tegen Tencent: Hy4