ScaleDown: Summarize contra XingChen: Xing4.0 29B A4B (free)
Uma comparação lado a lado entre ScaleDown: Summarize (US$ 0,14 / 1M fragmentos (≈ R$ 0,77)) e XingChen: Xing4.0 29B A4B (free) (Grátis) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| ScaleDown: Summarize | XingChen: Xing4.0 29B A4B (free) | |
|---|---|---|
| Provedor | ScaleDown | XingChen |
| Entrada | US$ 0,14 / 1M fragmentos (≈ R$ 0,77) | - |
| Janela de contexto | 1.000.000 | 262.144 |
| Saída máxima | 4.000 | 235.929 |
| Entrada | text, image, file | text |
| Saída | text | text |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 13 de out. de 2026 | 16 de out. de 2026 |
Principais diferenças
- ScaleDown: Summarize lê 3.8× mais contexto (1.000.000 tokens).
- Só o XingChen: Xing4.0 29B A4B (free) suporta chamada de ferramentas.
- Só o XingChen: Xing4.0 29B A4B (free) suporta saída JSON estruturada.
- Só o XingChen: Xing4.0 29B A4B (free) suporta controle do esforço de raciocínio.
Em detalhe
ScaleDown: Summarize é um modelo de texto da ScaleDown, e XingChen: Xing4.0 29B A4B (free) é um modelo de texto da XingChen. Ambos são servidos através do api14 como modelos de estilo chat, e ambos aceitam texto como entrada e retornam texto como saída. A nomenclatura sugere a sua forma pretendida: Summarize está posicionado em torno de trabalho de sumarização, enquanto Xing4.0 29B A4B é um modelo de propósito geral da XingChen oferecido num nível gratuito. Nenhum deles é um gerador multimodal, portanto está a escolher entre dois endpoints de texto-entrada, texto-saída.
A divisão mais clara é contexto e modalidade. ScaleDown: Summarize tem uma janela de contexto de 1.000.000 de tokens e aceita texto, imagens e ficheiros como entrada, pelo que pode entregar-lhe um documento longo, uma página digitalizada ou um anexo juntamente com o seu prompt. XingChen: Xing4.0 29B A4B tem uma janela de contexto de 262.144 tokens e aceita apenas texto. Do lado dos parâmetros, os dois são muito diferentes. ScaleDown: Summarize expõe apenas max_tokens, pelo que tem pouco controlo sobre a amostragem. Xing4.0 29B A4B expõe um conjunto amplo, incluindo temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, response_format, structured_outputs, tools, tool_choice, include_reasoning e reasoning. Isso significa que a chamada de ferramentas, a saída estruturada e os controlos de raciocínio estão disponíveis apenas no modelo XingChen.
Para trabalho prático, escolha ScaleDown: Summarize quando a tarefa é texto de entrada longo e quer uma resposta curta de volta: condensar um contrato, um artigo de investigação, uma thread longa, ou um lote de documentos que prefere passar como ficheiros ou imagens em vez de colar como texto simples. A janela grande e a entrada de ficheiros e imagens tornam-no o encaixe natural para esse tipo de tarefa. Escolha Xing4.0 29B A4B quando precisa que o modelo faça mais do que ler e condensar: chamar ferramentas, retornar JSON que corresponde a um esquema, ou expor um traço de raciocínio. É também a melhor escolha quando quer ajustar o comportamento de amostragem com temperature, penalizações, seeds ou sequências de paragem, uma vez que ScaleDown: Summarize não lhe dá nenhum desses controlos.
Chamar qualquer um deles através do api14 tem a mesma forma de pedido, porque o gateway é compatível com OpenAI. Aponta o seu cliente para o URL base do api14, envia um pedido de chat completions com as suas mensagens, e define o campo model. Para usar ScaleDown: Summarize, defina model como "scaledown/summarize". Para usar Xing4.0 29B A4B, defina model como "xingchen-agi/xing4.0-29b-a4b:free". Tudo o resto no payload permanece igual, pelo que alternar entre eles é uma alteração de uma linha. A única ressalva são os parâmetros: se enviar temperature, tools ou response_format para ScaleDown: Summarize, ele não os honrará, porque apenas max_tokens é suportado aí. Mantenha o corpo do seu pedido no subconjunto comum se quiser que o mesmo código funcione contra ambos.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "scaledown/summarize" para "xingchen-agi/xing4.0-29b-a4b:free", 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": "xingchen-agi/xing4.0-29b-a4b:free",
"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