Nace.AI: Drex v2.0 mot ScaleDown: Classify-1
En jämförelse sida vid sida av Nace.AI: Drex v2.0 (0,21 US$ / 1M textdelar (≈ 2,06 kr)) och ScaleDown: Classify-1 (0,14 US$ / 1M textdelar (≈ 1,37 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| Nace.AI: Drex v2.0 | ScaleDown: Classify-1 | |
|---|---|---|
| Leverantör | Nace.AI | ScaleDown |
| Indata | 0,21 US$ / 1M textdelar (≈ 2,06 kr) | 0,14 US$ / 1M textdelar (≈ 1,37 kr) |
| Kontextfönster | 131 072 | 1 000 000 |
| Max utdata | 117 964 | 900 000 |
| Indata | text | text, image, file |
| Utdata | decisions | decisions |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 12 okt. 2026 | 13 okt. 2026 |
Viktiga skillnader
- ScaleDown: Classify-1 är 33% billigare på indata-tokens.
- ScaleDown: Classify-1 läser 7.6× mer kontext (1 000 000 tokens).
- Ett anrop med 1 000 indata- och 500 utdata-tokens kostar 0,000210 US$ med Nace.AI: Drex v2.0 och 0,000140 US$ med ScaleDown: Classify-1.
Mer i detalj
Nace.AI: Drex v2.0 är en beslutsmodell från Nace.AI, släppt 2026-10-12. ScaleDown: Classify-1 är en beslutsmodell från ScaleDown, släppt 2026-10-13. Båda tillhör samma kategori, så de riktar sig mot samma breda uppgift: att ta en indata och returnera ett beslut snarare än fritext. Ingen av modellerna exponerar några parametrar som stöds, så du konfigurerar dem via den förfrågningskropp du redan skickar, inte via en lista med justerbara reglage.
Den tydligaste skillnaden ligger i kontext och hantering av indata. Drex v2.0 accepterar endast text och har ett kontextfönster på 131 072 tokens. Classify-1 accepterar text, bilder och filer, och dess kontextfönster är 1 000 000 tokens, så den är den större av de två med bred marginal. Båda returnerar beslut som sin utdatamodalitet, så skillnaden ligger på vägen in, inte på vägen ut. Om din indata är ett skannat formulär, en skärmbild, en PDF eller ett långt dokumentpaket kan Classify-1 ta det direkt; Drex v2.0 förväntar sig att du extraherar text först. Vad gäller pris är Classify-1 den billigare av de två för indata, medan utdatapriset är ungefär detsamma eller inte meningsfullt annorlunda mellan dem.
För det dagliga arbetet följer valet vanligtvis ditt indataformat. Om du redan har ren text och dina prompter ryms bekvämt inom 131 072 tokens är Drex v2.0 ett rimligt standardval och håller din pipeline enkel, eftersom det inte finns något extraheringssteg att underhålla. Om du klassificerar dokument som kommer som PDF:er, bilder eller blandade filer, eller om materialet är tillräckligt långt för att chunkning skulle förlora det sammanhang som beslutet beror på, tar Classify-1 bort det förbearbetningsarbetet och ger dig mer utrymme innan du behöver dela upp något. Skillnaden i indatapris spelar också roll om du kör hög volym, men du bör kontrollera den aktuella pristabellen på den här sidan för de aktuella siffrorna snarare än att lita på en tumregel.
Att anropa endera modellen via api14 fungerar på samma sätt, eftersom gatewayen är OpenAI-kompatibel. Du pekar din klient mot samma bas-URL, skickar samma förfrågan i chat completions-stil och ändrar bara modell-id:t: "nace-ai/drex-v2.0" för Drex v2.0, eller "scaledown/classify-1" för Classify-1. Din autentisering, återförsökslogik, loggning och svarsanalys förblir orörda, vilket gör det billigt att testa båda mot dina egna data. Ett vanligt mönster är att bygga förfrågan en gång, köra den mot båda id:na på ett urval av verkliga indata och jämföra besluten innan du bestämmer dig för en.
Det finns fortfarande fall där Drex v2.0 är det bättre valet. Om dina indata är ren text och tillräckligt kort för att rymmas i dess kontextfönster ger hantering av bilder och filer dig ingenting, och en textbaserad modell håller ytan av din integration mindre. Team som redan gör sin egen OCR eller dokumenttolkning, och vill att beslutssteget ska förbli separat från extrahering, kan föredra den av just den anledningen. Eftersom utdatapriset är ungefär detsamma mellan de två handlar beslutet ofta om huruvida multimodal indata och det större kontextfönstret är värda det för din arbetsbelastning.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "nace-ai/drex-v2.0" till "scaledown/classify-1", promptar, streaming och verktyg fortsätter att fungera.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.post("/decisions", { body: {
"model": "scaledown/classify-1",
"state": "Customer: I was charged twice for my order and want my money back.",
"questions": {
"team": {
"type": "choice",
"instructions": "Which team should handle this message?",
"criteria": {
"billing": "Payments, refunds, invoices",
"support": "Product questions and bugs",
"sales": "Pricing and new purchases"
}
},
"urgent": {
"type": "noul",
"instructions": "Does this need a reply today?",
"criteria": {
"true": "Money, outage or legal risk",
"false": "Can wait"
}
}
}
} });
console.log(result.answers);
Fler jämförelser
- LiquidAI: d1 Latest mot LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest mot Baseten: Joey 1
- LiquidAI: d1 Latest mot LiquidAI: d1.1
- LiquidAI: d1 Latest mot Morph: Reflex
- LiquidAI: d1-ultra Latest mot Baseten: Joey 1
- LiquidAI: d1-ultra Latest mot LiquidAI: d1.1
- LiquidAI: d1-ultra Latest mot Morph: Reflex
- Baseten: Joey 1 mot LiquidAI: d1.1