Recursive: Flint (free) kontra ScaleDown: Extract
Porównanie Recursive: Flint (free) (Za darmo) i ScaleDown: Extract (0,14 USD / 1M tokenów (≈ 0,55 zł)) obok siebie na podstawie aktualnych cen w USD i możliwości z katalogu api14. Oba działają przez to samo API zgodne z OpenAI.
Specyfikacja
| Recursive: Flint (free) | ScaleDown: Extract | |
|---|---|---|
| Dostawca | Recursive | ScaleDown |
| Wejście | - | 0,14 USD / 1M tokenów (≈ 0,55 zł) |
| Okno kontekstu | 262 144 | 1 000 000 |
| Maks. wyjście | 235 929 | 900 000 |
| Wejście | text | text, image, file |
| Wyjście | text | text |
| Wywołania narzędzi | ||
| Ustrukturyzowane wyjście | ||
| Sterowanie rozumowaniem | ||
| Dodano | 21 paź 2026 | 13 paź 2026 |
Najważniejsze różnice
- ScaleDown: Extract przyjmuje 3.8× więcej kontekstu (1 000 000 tokenów).
- Tylko Recursive: Flint (free) obsługuje wywołania narzędzi.
- Tylko Recursive: Flint (free) obsługuje sterowanie intensywnością rozumowania.
Szczegółowo
Recursive: Flint (free) to model tekstowy od Recursive, wydany 2026-10-21. ScaleDown: Extract to model tekstowy od ScaleDown, wydany 2026-10-13. Oba są udostępniane przez api14 w kategorii text i oba przyjmują tekst na wejściu oraz zwracają tekst na wyjściu, więc na poziomie podstawowej formy są tym samym rodzajem endpointu. Różnica polega na tym, do czego każdy z nich jest dobrze przystosowany i jak bardzo można nim sterować.
ScaleDown: Extract ma większe okno kontekstu z tych dwóch, wynoszące 1,000,000 tokenów w porównaniu do 262,144 dla Flint. Przyjmuje także obrazy i pliki jako dane wejściowe obok tekstu, podczas gdy Flint przyjmuje wyłącznie tekst. Z drugiej strony Flint udostępnia znacznie szerszy zestaw obsługiwanych parametrów: include_reasoning, logprobs, max_tokens, reasoning, response_format, seed, stop, temperature, tools, top_logprobs oraz top_p. ScaleDown: Extract obsługuje tylko max_tokens. Zatem to Flint ma wywoływanie narzędzi i kontrolę rozumowania i jako jedyny z tych dwóch ma te możliwości. Żaden z modeli nie jest oznaczony jako tańszy na wejściu lub wyjściu, więc traktuj je jako mniej więcej w tej samej cenie i sprawdź aktualną tabelę, aby poznać rzeczywiste liczby.
Jeśli Twoje zadanie wymaga wywołań funkcji lub narzędzi albo chcesz włączyć rozumowanie i odczytywać logarytmiczne prawdopodobieństwa, wybierz Flint, ponieważ ScaleDown: Extract w ogóle nie oferuje tych parametrów. Jeśli Twoje zadanie polega na pracy z długimi dokumentami albo musisz przekazać obrazy lub pliki w tym samym żądaniu, wybierz ScaleDown: Extract, ponieważ Flint nie przyjmuje tych modalności, a jego kontekst jest około cztery razy mniejszy. W przypadku zwykłego generowania tekstu, gdy chcesz tylko uzupełnienie i kontrolę nad próbkowaniem, oba się nadają, a Flint daje więcej pokręteł (temperature, top_p, seed, stop) do kształtowania wyniku.
Wywołanie któregokolwiek z tych modeli przez api14 to ta sama operacja. API jest zgodne z OpenAI, więc kierujesz swojego istniejącego klienta na bazowy URL api14, wysyłasz żądanie chat completions ze swoimi wiadomościami i ustawiasz pole model. Aby użyć Flint, ustaw model na "recursive/flint-v1.0:free". Aby użyć ScaleDown: Extract, ustaw model na "scaledown/extract". Nic innego w treści żądania nie musi się zmieniać w przypadku podstawowego wywołania. Jeśli przechodzisz z jednego na drugi, podmień identyfikator modelu i, jeśli polegałeś na parametrach, których nowy model nie wymienia, usuń je, ponieważ ScaleDown: Extract przyjmuje tylko max_tokens.
Jest jeden przypadek, w którym mniejszy, bardziej ograniczony model wciąż jest lepszym wyborem: gdy zadaniem jest ekstrakcja z dużego zbioru tekstu albo z tekstu plus obrazów lub plików, a nie potrzebujesz narzędzi ani wyników rozumowania. ScaleDown: Extract pokrywa to swoim większym kontekstem i dodatkowymi modalnościami wejściowymi, a nie płacisz za mechanizmy sterowania, których nie użyjesz.
Zmień jednym ciągiem znaków
Oba modele używają tego samego endpointu i tej samej struktury żądania. Zmień wartość model z "recursive/flint-v1.0:free" na "scaledown/extract", prompty, streaming i narzędzia działają dalej.
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);
Więcej porównań
- LiquidAI: LFM3-1.7B kontra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B kontra Crouton Alpha
- LiquidAI: LFM3-1.7B kontra Tencent: Hy4
- LiquidAI: LFM3-1.7B kontra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview kontra Crouton Alpha
- Ricursive: Ripple 65B Preview kontra Tencent: Hy4
- Ricursive: Ripple 65B Preview kontra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha kontra Tencent: Hy4