ScaleDown Classify مقابل Microsoft-Decision-1: أحدهما ينشر الأرقام، والآخر ينشر المنهج

ScaleDown Classify وMicrosoft-Decision-1 هما الخياران المغلقان والمستضافان في هذه المقارنة. لا يوفّر أيّ منهما الأوزان، ولا يمكن تنزيل أيّ منهما، وكلاهما مبنيان على الفرضية نفسها: أن القرار — أيّ فئة، أيّ خيار، أيّ واحد من هذه — ينبغي أن يُقرأ من احتمالات النموذج بدلًا من أن يُكتب نصًا بواسطة حلقة توليد. أصبح Microsoft-Decision-1 متاحًا عمومًا على Microsoft Foundry منذ 8 أكتوبر 2026 بوصفه فاكّ ترميز كثيفًا ذا 9 مليارات معامل، دربته Microsoft تدريبًا لاحقًا، مع دعمه لـ25 لغة وسياق من 32,768 رمزًا. أما ScaleDown Classify فهو محرك معايير مستضاف بتكلفة 0.05 دولار لكل مليون رمز إدخال و0 دولار لكل مليون رمز إخراج، مع حد إدخال يبلغ مليون رمز وسقف قدره عشرون وسمًا. الشيء الذي يفصل بينهما ليس القدرة. بل ما ترغب كل شركة في نشره عن نموذجها الخاص، وقد اختارتا نصفين متقابلين.

انقلاب الإفصاح

يصف توثيق Foundry الخاص بـ Microsoft-Decision-1 تقييمه بتفصيل غير معتاد. اختبارات معيارية للقرار عامة ومجتمعية، إضافة إلى مجموعات داخلية محتجزة. ومقاييس تشمل الدقة وخطأ المعايرة. وتم تنويع ترتيب الخيارات. واختبارات إحصائية مقترنة. وإطار اختبار متطابق لكل نموذج تتم المقارنة به. ثم يذكر أن النموذج «يؤدي بمستوى مماثل لنماذج القرار الرائدة ويتقدّم على نماذج القرار المفتوحة الأخرى التي قُيّمت بالمنهجية نفسها» — ولا يطبع أي أرقام على الإطلاق. لا رقم دقة، ولا خطأ معايرة، ولا جدول لكل اختبار معياري.

ما تنشره Microsoft فعلاً هو قائمة قيود، وهي قائمة جيدة. تتغير الدرجات حسب الصياغة وترتيب الخيارات. السؤال سيئ الصياغة يظل يعيد درجة. تكون المعايرة أقوى في أنواع المهام المألوفة. لا تُنتَج أي تفسيرات. نقاط القوة المذكورة للنموذج هي الاستدلال، وتطبيق القواعد، والمتانة تجاه تنسيق المطالبات؛ ونقاط الضعف المذكورة له هي المعرفة المتخصصة في المجالات، والأداء في غير الإنجليزية.

تشغّل ScaleDown Classify الصورة المعكوسة لتلك السياسة. تدخل وثائقها في تفاصيل تشغيلية حول كيفية كتابة الطلب — إذ يوصَف المعيار بأنه الجزء الأهم في طلب تصنيف، ويُصاغ كسؤال مباشر بنعم/لا، مع تجنّب النفي، ويُحافَظ على عدم تقاطعه حتى لا تُقسَّم كتلة الاحتمال على نحو غير متوقّع — كما يحمل تسويق المورّد ادعاءات بالدقة والتكلفة، بما في ذلك نموذج بنحو نصف مليار معامل يبلغ 91.7% في مهمة تصنيف بسيطة مقابل 88.6% لنموذج بـ72 مليار معامل. لا يرتبط أي من ذلك بمنهجية موصوفة، ولا تحمل ScaleDown Classify أي خطأ معايرة متوقّع منشور على أي منصة اختبار عامة.

إذن، الاختيار بين مورّد يخبرك كيف قاس وليس بما وجده، ومورّد يخبرك بما وجده وليس كيف قاس. لا يُعد أي منهما إفصاحًا كاملًا، ولا ينبغي التعامل مع أي منهما على أنه كذلك.

اللغات: إحداها تنشر عددًا، والأخرى لا تنشر شيئًا.

تسرد Microsoft-Decision-1 25 لغة مدعومة، وتذكر بصراحة أن التغطية والجودة والمعايرة "قد تختلف حسب اللغة"، وتسمّي اللغات غير الإنجليزية، وخصوصًا اللغات الأقل موارد، مجالات دون المستوى المطلوب. هذا إفصاح مفيد: يخبرك أن النموذج متعدد اللغات، ويخبرك تقريبًا إلى أي مدى هو متعدد اللغات، ويخبرك بأين لا ينبغي الوثوق به.

لا تنشر وثائق Classify من ScaleDown قائمة باللغات. ولا يذكر أي شيء في مرجع واجهة API اللغاتِ التي يتعامل معها التقييم وفق المعيار، أو ما إذا كانت صياغة المعيار بلغة غير الإنجليزية تتصرف بالطريقة نفسها، كما أن إرشادات المعيار — صِغْه كسؤال مباشر بنعم/لا، وتجنّب النفي — مكتوبة بطريقة تفترض ضمناً جهةً مستدعية ناطقة بالإنجليزية تكتب معايير بالإنجليزية. وبالنسبة لمصنِّف سيُوجَّه عملياً إلى تذاكر دعم دولية، فهذه هي الفجوة التي يجب سدّها قبل أن تلتزم، وهي فجوة لا يستطيع سدّها سوى تقييمك الخاص.

إذا كنت بحاجة إلى بصمة لغوية موثّقة، فإن هذه المقارنة تنتهي هنا وتفوز Microsoft تلقائيًا. وإذا كنت تستخدم الإنجليزية فقط، فإن العدد ليس عاملًا، وما تبقى من القرار يتعلق بطول الإدخال والحدود.

السياق: 32,768 رمزًا مقابل مليون

تذكر Microsoft في وثائقها استدعاءً واحدًا يصل إلى 32,768 رمزًا. وتذكر ScaleDown حدًا للمدخلات يبلغ 1M رمز، وتوضح أن المعايرة لكل جزء متطابقة سواء أُرسل الجزء بمفرده أو كجزء من دفعة من خمسين جزءًا، على أن تُحتسب رسوم الملف التعريفي المشترك مرة واحدة لكل طلب. وبالنظر إلى الرقم الخام، يمثل ذلك فرقًا مقداره ثلاثون ضعفًا، وهو أكبر فجوة فردية بين المنتجين.

ما يمنحه ليس معدل المعالجة — بل ما إذا كنت تحتاج إلى طبقة تقطيع. محادثة دعم، أو تذكرة مع سجلّها، أو مقطع مسترجع قصير: كل ذلك يتّسع داخل 32k مع مساحة لمخطط أسئلة، والموديلان متكافئان تقريبًا عند هذا الحجم. عقد كامل، أو مستند سياسة متعدد الصفحات، أو سياق مسترجع طويل، أو نموذج ممسوح ضوئيًا: لا شيء من ذلك يتّسع في 32k، ومسار المستندات في Classify — base64 JPEG أو PNG أو TIFF أو PDF، أحادي أو متعدد الصفحات، مع إعادة النص المستخرج في حقل ocr_text — يعني أن المستند يمكن إدخاله كبايتات بدلًا من نص مُعالج مسبقًا.

كلا الرقمين من مزوّدي الخدمة أنفسهم. لم يتم التحقق من ادّعاء ScaleDown بمليون رمز بشكل مستقل، كما تُظهر قوائم الكتالوجات الخارجية الخاصة بالنموذج طول السياق على أنه غير منطبق بدلاً من تكرار الرقم، وهو قيد في الكتالوج وليس تناقضًا.

التفسيرات: أحدهما يرفض، والآخر يتقاضى ضعف المبلغ

لا يُصدر Microsoft-Decision-1 أي تفسيرات، وتُدرج صفحة النموذج ذلك كقيد بدلًا من كونه خيارًا تصميميًا. سيُرجع ScaleDown Classify تفسيرًا من جملة واحدة للتسمية الأعلى، والتوثيق دقيق بشأن ماهية تلك الجملة: فهي تُولَّد بعد تثبيت التسمية الأعلى، لذا تشرح القرار بدلًا من التشكيك فيه، وهي حرة الصياغة، وتعيد إرسال التسميات والمعايير بمعدل 2x من رموز الإدخال المفوترة. وهي متاحة فقط للطلبات أحادية التسمية مع إدخال نصي أو مستندي واحد — أما الطلبات متعددة التسميات والطلبات المجمعة فلا تُرجعها أبدًا.

بالنسبة إلى قائمة انتظار المراجعة البشرية، كثيرًا ما تكون تلك الجملة هي الفارق بين قبول المراجع لتصنيف ما وإعادة المراجع إجرائه، وهو ما يجعل تبرير الرسوم الإضافية المضاعفة سهلًا على الجزء من حركة البيانات الذي يصل إلى مراجع بشري. أما بالنسبة إلى خط أنابيب آلي، فهي عبء لا طائل منه على الفاتورة، ويجب أن تكون معطّلة.

كلاهما مغلق، وهذا يغيّر ما يمكنك اختباره

• الأوزان — لا يوفّر أيٌّ منهما شحنها؛ إذ تقدّم ScaleDown استضافةً ذاتية للمؤسسات وترخيصًا عند الطلب، فيما لا توثّق صفحة مايكروسوفت أي مسار للضبط الدقيق على الإطلاق

• الحد الأقصى للخيارات — ScaleDown: 20 تسمية لكل طلب، و16 في وضع التسميات المتعددة، تُقيَّم بشكل مستقل؛ لم يُذكر الحد الأقصى لمجموعة الخيارات لنموذج Microsoft-Decision-1 على صفحة النموذج

• الاستدلال بالدفعات — توثّق ScaleDown ما يصل إلى 50 جزءًا لكل طلب مقابل ملف تعريف تسميات مشترك؛ وتُدرج صفحة Microsoft الاستدلال بالدفعات على أنه معطّل

• إفصاح الفوترة — معدل Classify مطبوع، عند 0.05 دولار لكل مليون رمز إدخال و0 دولار لكل مليون رمز إخراج؛ أما معدل Foundry لكل رمز فلا يظهر في صفحة النموذج

• شكل السعر — يتضاعف Classify بعدد التسميات لديك في الوضع متعدد التسميات، ويتضاعف عند تمكين الاستدلال؛ معدل Foundry لكل رمز دون مُضاعِف تسميات مُعلن

• إجابة فارغة — تُعيد Classify فائزًا حتى عندما لا يناسب أي شيء، لذا أنت من يكتب العتبة؛ السلوك المعلَن من Microsoft هو أن سؤالًا سيئ الصياغة يظل يُعيد درجة

نتيجة إغلاق كليهما هي نفسها في الحالتين: لا يمكنك فحص المخرج، لذا فإن التحقق الوحيد المتاح لك سلوكي. وهذا يجعل وجود مجموعة محجوزة من بياناتك الموسومة أمرًا غير اختياري، ويجعل تكلفة تبديل المزوّدين إعادة تشغيل ذلك التقييم بدلًا من تغيير في الشيفرة.

أين يقع OrcaRouter في خط أنابيب مبني على أيٍّ منهما

لا يوجد أيٌّ من هذين النموذجين في كتالوجنا، ولا شيء هنا يُعدّ ادّعاءً بالإتاحة — فكلاهما نقطتا نهاية تقييم مُهيكلتان وليسا هدفين من أهداف chat-completions، وطبقة التوجيه ليست ما يحتاجه أيٌّ منهما. ما نوفّره هو الطبقة الأعلى منهما: أكثر من 200 نموذج توليدي خلف مفتاح واحد متوافق مع OpenAI تنتج المسودة التي يقيّمها المصنّف، بسعر قائمة المزوّد مُمرَّرًا كما هو بهامش ربح 0%، مع لغة توجيه DSL لتجميع عدة نماذج في نداء واحد وتحويل تلقائي عند الفشل عندما يتدهور مسار الخدمة. إذا كان نموذج القرار يحدّد ما يُسمح لطبقة التوليد لديك بإطلاقه، فإن طبقة التوليد هي موضع خطر الجاهزية لديك، وهذا هو النصف الذي يمكن لمفتاح واحد أن يوحّده.

أي واحدة تختار؟

اختر Microsoft-Decision-1 إذا كنت بحاجة إلى بصمة لغوية موثّقة، أو إذا كنت بالفعل داخل Azure، أو إذا كان وضع الامتثال لدى مورّد كبير يهمّ عمليات الشراء لديك أكثر من رقم دقة منشور. تقبّل أنك ستقيّمه بالكامل بناءً على بياناتك الخاصة، لأن Microsoft اختارت ألا تمنحك أي شيء آخر.

اختر ScaleDown Classify إذا تجاوزت مدخلاتك 32 ألف توكن، أو إذا أردت دمج خطوة الاستخراج في استدعاء التصنيف، أو إذا أردت معيار تقييم لكل وسم يمكنك إعادة كتابته دون إعادة تدريب أي شيء. تقبّل أن حجة الدقة خاصة بالبائع وغير مُعاد إنتاجها، وأنه لا يُنشر أي رقم معايرة، وأنك ستكتب عتبة الثقة الخاصة بك ووسمًا جامعًا.

القياس الذي سيحسم هذا الأمر — كلا النموذجين على مدخلات متطابقة، وبنفس ترتيب الخيارات، وبنفس مسح العتبة، يُجريه شخص لا مصلحة له — لم تنشره أي من الشركتين. وإلى أن يُجريه أحدهما، فالقراءة الصادقة هي أن Microsoft هي الخيار الافتراضي الأكثر أمانًا، وأن ScaleDown هي الأداة الأكثر قدرة.

المقارنات مثل هذه هي أيضًا حيث تظهر أنماط الفشل: الحوادث الموثّقة للذكاء الاصطناعي وإخفاقات الوكلاء الكامنة وراء النماذج في هذه الفئة تُجمع في OrcaRouter AI Incident Archive، حيث يحمل كل مُدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.