Recursive: Flint (free) contra ScaleDown: Extract
Uma comparação lado a lado entre Recursive: Flint (free) (Grátis) e ScaleDown: Extract (US$ 0,14 / 1M fragmentos (≈ R$ 0,77)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| Recursive: Flint (free) | ScaleDown: Extract | |
|---|---|---|
| Provedor | Recursive | ScaleDown |
| Entrada | - | US$ 0,14 / 1M fragmentos (≈ R$ 0,77) |
| Janela de contexto | 262.144 | 1.000.000 |
| Saída máxima | 235.929 | 900.000 |
| Entrada | text | text, image, file |
| Saída | text | text |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 21 de out. de 2026 | 13 de out. de 2026 |
Principais diferenças
- ScaleDown: Extract lê 3.8× mais contexto (1.000.000 tokens).
- Só o Recursive: Flint (free) suporta chamada de ferramentas.
- Só o Recursive: Flint (free) suporta controle do esforço de raciocínio.
Em detalhe
Recursive: Flint (free) é um modelo de texto da Recursive, lançado em 2026-10-21. ScaleDown: Extract é um modelo de texto da ScaleDown, lançado em 2026-10-13. Ambos são servidos através da api14 na categoria de texto, e ambos recebem texto e devolvem texto, portanto, ao nível da forma básica, são o mesmo tipo de endpoint. A diferença está naquilo para que cada um foi construído para fazer bem e quanto o pode orientar.
ScaleDown: Extract tem a maior janela de contexto dos dois, com 1.000.000 de tokens contra 262.144 do Flint. Também aceita entradas de imagem e ficheiro juntamente com texto, enquanto o Flint aceita apenas texto. O Flint, por outro lado, expõe um conjunto muito mais amplo de parâmetros suportados: include_reasoning, logprobs, max_tokens, reasoning, response_format, seed, stop, temperature, tools, top_logprobs e top_p. O ScaleDown: Extract suporta apenas max_tokens. Assim, o Flint é o que tem chamadas de ferramentas e controlos de raciocínio, e é o único dos dois com essas capacidades. Nenhum dos modelos está assinalado como mais barato na entrada ou na saída, por isso trate-os como tendo aproximadamente o mesmo preço e consulte a tabela em tempo real para os números reais.
Se a sua tarefa precisa de chamadas de função ou de ferramentas, ou se quer ativar o raciocínio e ler probabilidades de log, o Flint é a escolha, porque o ScaleDown: Extract não oferece esses parâmetros de todo. Se a sua tarefa é trabalho com documentos longos, ou se precisa de passar imagens ou ficheiros no mesmo pedido, o ScaleDown: Extract é a escolha, porque o Flint não consegue receber essas modalidades e o seu contexto é cerca de um quarto do tamanho. Para geração de texto simples, em que só quer uma conclusão e controlo sobre a amostragem, qualquer um serve, e o Flint dá-lhe mais opções (temperature, top_p, seed, stop) para moldar a saída.
Chamar qualquer um dos modelos através da api14 é a mesma operação. A API é compatível com OpenAI, por isso aponta o seu cliente existente para o URL base da api14, envia um pedido de chat completions com as suas mensagens e define o campo model. Para usar o Flint, defina model como "recursive/flint-v1.0:free". Para usar o ScaleDown: Extract, defina model como "scaledown/extract". Nada mais no corpo do pedido tem de mudar para uma chamada básica. Se estiver a passar de um para o outro, troque o id do modelo e, se estava a contar com parâmetros que o novo modelo não lista, remova-os, uma vez que o ScaleDown: Extract só aceita max_tokens.
Há um caso em que o modelo menor e mais restrito continua a ser a melhor escolha: quando o trabalho é extração sobre um grande volume de texto, ou sobre texto mais imagens ou ficheiros, e não precisa de ferramentas nem de saída de raciocínio. O ScaleDown: Extract cobre isso com o seu contexto maior e as suas modalidades de entrada extra, e não está a pagar por controlos que não vai usar.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "recursive/flint-v1.0:free" para "scaledown/extract", prompts, streaming e ferramentas continuam funcionando.
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);
Mais comparações
- LiquidAI: LFM3-1.7B contra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contra Crouton Alpha
- LiquidAI: LFM3-1.7B contra Tencent: Hy4
- LiquidAI: LFM3-1.7B contra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contra Crouton Alpha
- Ricursive: Ripple 65B Preview contra Tencent: Hy4
- Ricursive: Ripple 65B Preview contra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contra Tencent: Hy4