ScaleDown: Extract is een tekstmodel van ScaleDown, uitgebracht op 2026-10-13. XingChen: Xing4.0 29B A4B (free) is een tekstmodel van XingChen, uitgebracht op 2026-10-16. Beide worden aangeboden via api14 als OpenAI-compatibele chatmodellen, en beide staan in de categorie tekst. De naamgeving zegt iets over de positionering: Extract klinkt als een speciaal gebouwd extractiemodel, terwijl Xing4.0 29B A4B een algemeen chat- en redeneermodel is met een gratis laag.
De twee verschillen het meest in context en modaliteiten. ScaleDown: Extract heeft een contextvenster van 1.000.000 tokens, wat de grootste van de twee is, en het accepteert tekst-, afbeeldings- en bestandsinvoer, en produceert tekstuitvoer. XingChen: Xing4.0 29B A4B heeft een contextvenster van 262.144 tokens en accepteert alleen tekst. Op het gebied van parameters loopt de verdeling de andere kant op. XingChen biedt een lange lijst met sampling- en regelparameters: 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 en include_reasoning. ScaleDown: Extract ondersteunt alleen max_tokens. Dus XingChen is de enige van de twee met tool calling, structured outputs en reasoning, terwijl ScaleDown de enige is die afbeeldingen en bestanden accepteert en de enige met de grotere context.
Voor praktisch werk volgt de keuze direct uit die verschillen. Als je taak lange documenten, afbeeldings- of bestandsinvoer, of een enkele prompt die een zeer grote hoeveelheid materiaal moet bevatten omvat, is ScaleDown: Extract de natuurlijke keuze vanwege de grotere context en de ondersteuning voor multimodale invoer. Als je taak functieaanroepen, door JSON-schema beperkte uitvoer, of een zichtbare redeneerpass nodig heeft, is XingChen: Xing4.0 29B A4B de keuze, aangezien dat mogelijkheden zijn die ScaleDown: Extract niet biedt. Voor gewone tekstgeneratie waarbij geen van die functies van belang is, voldoet elk van beide, en de actuele prijstabel op deze pagina is een betere gids dan wat hier ook staat.
Het aanroepen van een van beide modellen via api14 werkt op dezelfde manier, omdat het endpoint OpenAI-compatibel is. Je richt je client op de api14 base URL, stuurt een chat completions-verzoek en stelt het model-veld in op de id die je wilt. Om van model te wisselen verander je alleen die string, van "scaledown/extract" naar "xingchen-agi/xing4.0-29b-a4b:free" of terug. Je request body, authenticatieheader en het parsen van de response blijven zoals ze zijn. De enige kanttekening zijn parameters: als je tools-, response_format- of reasoning-velden stuurt, gelden die voor XingChen en worden ze niet ondersteund door ScaleDown: Extract, dat alleen max_tokens accepteert, dus houd per-model parametersets aan in plaats van een gedeelde payload.
Er zijn gevallen waarin het andere model toch de betere keuze is, zelfs daarna. Als je XingChen al gebruikt voor een pipeline met tool calling of structured output en je alleen een kort tekstantwoord nodig hebt, voorkomt blijven bij XingChen een tweede integratie. Omgekeerd, als je op ScaleDown: Extract zit voor documentwerk en je hebt een snelle plain-text completion nodig, voorkomt blijven daar het toevoegen van nog een model-id aan je configuratie. Geen van beide modellen is strikt beter; de beslissende factoren zijn contextgrootte, multimodale invoer, en of je tools, structured output of reasoning nodig hebt.