ScaleDown: Summarize mot XingChen: Xing4.0 29B A4B (free)
En jämförelse sida vid sida av ScaleDown: Summarize (0,14 US$ / 1M textdelar (≈ 1,37 kr)) och XingChen: Xing4.0 29B A4B (free) (Gratis) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| ScaleDown: Summarize | XingChen: Xing4.0 29B A4B (free) | |
|---|---|---|
| Leverantör | ScaleDown | XingChen |
| Indata | 0,14 US$ / 1M textdelar (≈ 1,37 kr) | - |
| Kontextfönster | 1 000 000 | 262 144 |
| Max utdata | 4 000 | 235 929 |
| Indata | text, image, file | text |
| Utdata | text | text |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 13 okt. 2026 | 16 okt. 2026 |
Viktiga skillnader
- ScaleDown: Summarize läser 3.8× mer kontext (1 000 000 tokens).
- Endast XingChen: Xing4.0 29B A4B (free) stöder verktygsanrop.
- Endast XingChen: Xing4.0 29B A4B (free) stöder strukturerad JSON-utdata.
- Endast XingChen: Xing4.0 29B A4B (free) stöder styrning av resonemangsnivå.
Mer i detalj
ScaleDown: Summarize är en textmodell från ScaleDown, och XingChen: Xing4.0 29B A4B (free) är en textmodell från XingChen. Båda serveras via api14 som chattstilmodeller, och båda tar text som indata och returnerar text som utdata. Namngivningen antyder deras avsedda form: Summarize är positionerad kring sammanfattningsarbete, medan Xing4.0 29B A4B är en allmän modell från XingChen som erbjuds på en gratisnivå. Ingen av dem är en multimodell generator, så du väljer mellan två text-in, text-ut-endpoints.
Den tydligaste uppdelningen är kontext och modalitet. ScaleDown: Summarize har ett kontextfönster på 1 000 000 tokens och accepterar text, bilder och filer som indata, så du kan ge den ett långt dokument, en skannad sida eller en bilaga tillsammans med din prompt. XingChen: Xing4.0 29B A4B har ett kontextfönster på 262 144 tokens och accepterar endast text. På parametersidan är de två mycket olika. ScaleDown: Summarize exponerar endast max_tokens, så du får liten kontroll över sampling. Xing4.0 29B A4B exponerar en bred uppsättning, inklusive temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, response_format, structured_outputs, tools, tool_choice, include_reasoning och reasoning. Det betyder att verktygsanrop, strukturerad utdata och reasoning-kontroller endast är tillgängliga på XingChen-modellen.
För praktiskt arbete, välj ScaleDown: Summarize när jobbet är lång indata i text och du vill ha ett kort svar tillbaka: kondensera ett kontrakt, en forskningsartikel, en lång tråd eller en batch dokument som du hellre skickar som filer eller bilder än klistrar in som ren text. Det stora fönstret och fil- och bildindata gör den till det naturliga valet för den formen av uppgift. Välj Xing4.0 29B A4B när du behöver att modellen gör mer än att läsa och kondensera: anropa verktyg, returnera JSON som matchar ett schema eller exponera en reasoning-spårning. Den är också det bättre valet när du vill finjustera samplingbeteende med temperature, penalties, seeds eller stop-sekvenser, eftersom ScaleDown: Summarize inte ger dig några sådana reglage.
Att anropa endera via api14 är samma förfrågningsform, eftersom gatewayen är OpenAI-kompatibel. Du pekar din klient mot api14:s bas-URL, skickar en chat completions-förfrågan med dina meddelanden och anger model-fältet. För att använda ScaleDown: Summarize, ange model till "scaledown/summarize". För att använda Xing4.0 29B A4B, ange model till "xingchen-agi/xing4.0-29b-a4b:free". Allt annat i nyttolasten förblir detsamma, så att byta mellan dem är en enradsändring. Den enda varningen är parametrar: om du skickar temperature, tools eller response_format till ScaleDown: Summarize kommer den inte att följa dem, eftersom endast max_tokens stöds där. Håll din förfrågningskropp till den gemensamma delmängden om du vill att samma kod ska fungera mot båda.
Det finns fortfarande ett skäl för XingChen-modellen vid själva sammanfattningen. Om dina sammanfattningar behöver komma tillbaka som strukturerad JSON, eller du vill att modellen ska anropa ett verktyg för att hämta dokumentet först, eller du vill kontrollera sampling och reasoning, då är Xing4.0 29B A4B det bättre valet även om dess kontextfönster är mindre. Det omvända gäller också: om du behöver mata in en bild eller en fil, eller din indata går över en kvarts miljon tokens, är ScaleDown: Summarize den enda av de två som kan ta emot det.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "scaledown/summarize" till "xingchen-agi/xing4.0-29b-a4b:free", 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.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);
Fler jämförelser
- LiquidAI: LFM3-1.7B mot Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B mot Crouton Alpha
- LiquidAI: LFM3-1.7B mot Tencent: Hy4
- LiquidAI: LFM3-1.7B mot Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview mot Crouton Alpha
- Ricursive: Ripple 65B Preview mot Tencent: Hy4
- Ricursive: Ripple 65B Preview mot Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha mot Tencent: Hy4