ScaleDowns kleine Modelle für Routineaufgaben in der App: Klassifizieren, Extrahieren, Zusammenfassen

Am 13. Oktober 2026 lüftete ScaleDown den Vorhang für drei kleine, aufgabenspezifische Modelle, die es als eine einzige Idee verkauft: Classify, Extract und Summarize – jedes gebaut für die repetitive Arbeit, die einen LLM-Aufruf in der Produktion umgibt, und nicht für Konversation. Alle drei nehmen eine Eingabe von 1 Mio. Token entgegen, alle drei akzeptieren Text oder Bilder, und alle drei sind über ScaleDowns eigene API erreichbar – und genau hier wird die Preisfrage interessant, denn die drei haben völlig unterschiedliche Kostenprofile. Das vierte Modell der Familie, ScaleDown Compress, wird in der Dokumentation des Anbieters als Werkzeug zum Kontext-Kürzen geführt und nicht als eines der drei neuen. Was folgt, ist das, was der Anbieter dokumentiert – getrennt gehalten von dem, was bislang noch niemand reproduziert hat.

Was wurde am 13. Oktober tatsächlich ausgeliefert?

ScaleDown betreibt seit einiger Zeit einen Decisions-Endpunkt – eine Schnittstelle zur strukturierten Bewertung, die ein Zustandsobjekt plus eine Map typisierter Fragen entgegennimmt und kalibrierte Wahrscheinlichkeiten zurückgibt. Die Ankündigung vom 13. Oktober ist der Punkt, an dem das Unternehmen begann, die zugrunde liegenden Modelle als eigenständige Produkte statt als einen einzigen Endpunkt zu verkaufen, und an dem es begann, sie als Allzweckkomponenten für In-App-Arbeit zu beschreiben.

Die drei Modelle und ihre Verträge, wie der Anbieter sie dokumentiert:

• ScaleDown Classify — ordnet Text einem vom Aufrufer bereitgestellten Label-Set zu. Jedes Label trägt einen Namen und eine Rubrik, die die Dokumentation als „eine Ja/Nein-Frage, die das Modell zur Bewertung des Labels verwendet“ bezeichnet und die laut Doku der wichtigste Teil der Anfrage ist. Der Single-Label-Modus gibt eine Softmax-Verteilung zurück, die sich zu 1,0 summiert, sowie ein Top-Label; der Multi-Label-Modus bewertet jedes Label unabhängig anhand eines vom Aufrufer festgelegten Schwellenwerts.

• ScaleDown Extract — extrahiert strukturierte Felder aus unstrukturiertem Text. In der Dokumentation der Familie ist dies das Modell, das ein Dokument in einen Datensatz umwandelt, den Ihr Code indexieren kann.

• ScaleDown Summarize — kurze abstraktive Zusammenfassungen langer Eingaben, also genau die Aufgabe, auf die das 1M-Token-Fenster am offensichtlichsten abzielt.

Der gemeinsame Vertrag über alle drei hinweg ist der Teil, den man festhalten sollte. Eine Million Eingabe-Token pro Anfrage liegt ungefähr eine Größenordnung über dem, was gängige mittelgroße APIs aufnehmen, und es ist die Zahl, die Summarize und Extract für die Arbeit mit ganzen Dokumenten ohne eine Chunking-Schicht plausibel macht. Die Text-oder-Bild-Eingabe ist speziell für Extract wichtig: eine gescannte Rechnung oder ein Screenshot eines Formulars geht hinein, Felder kommen heraus, und dazwischen liegt kein OCR-Schritt. Alle drei werden von ScaleDowns eigener API bereitgestellt, deren Dokumentation die Basis-URL als span>api.scaledown.xyz/span> angibt und ausdrücklich sagt, dass span>api.scaledown.ai/span> kein API-Host ist.

Die eine Zahl, die nicht wie die anderen ist

Die Preisgestaltung ist der Punkt, an dem diese drei nicht mehr austauschbar sind. Classify ist mit 0,05 $ pro Million Input-Tokens und 0 $ pro Million Output-Tokens gelistet, und die Listung des Modells in Katalogen von Drittanbietern zeigt denselben Preis, wobei zeitweise ein Aktionsrabatt angewendet wird; der Rabatt ist keine Zusage von ScaleDown und sollte nicht zur Planungsgrundlage gemacht werden. Der Nullpreis für Output ist kein Marketingtrick – ein per Rubrik bewerteter Klassifikator gibt Labels und Wahrscheinlichkeiten aus, keinen generierten Text, sodass es nichts abzurechnen gibt. Extract und Summarize erzeugen tatsächlich Output, daher sind ihre Kostenprofile nicht mit denen von Classify vergleichbar und sollten direkt beim Anbieter bepreist werden, statt aus dem Tarif des Klassifikators abgeleitet zu werden.

Die Abrechnungsdetails von Classify sind schwieriger zu durchschauen als der beworbene Tarif. Im Single-Label-Modus gehen jedes Label und seine Bewertungsrubrik in einen einzigen Modellaufruf ein, sodass jedes hinzugefügte Label die abgerechneten Eingabe-Tokens erhöht; fordert man eine Erklärung der Entscheidung in einem Satz an, werden sie mit dem Zweifachen erneut gesendet, und die Dokumentation sagt unmissverständlich, dass die Erklärung erst erzeugt wird, nachdem das Top-Label feststeht, sodass sie die Antwort rechtfertigt, statt sie infrage zu stellen. Im Multi-Label-Modus ist jedes Label ein separater Modellaufruf, und jeder Chunk wird separat bewertet. Eine Taxonomie mit sechzig Labels und aktiviertem Reasoning ist daher keine $0.05-pro-Million-Tokens-Operation in dem Sinne, den ein Leser annimmt; sie ist dieser Satz multipliziert mit der Label-Menge und dann verdoppelt, wenn Reasoning aktiviert ist. Die dokumentierten Obergrenzen — 20 Labels pro Anfrage, 16 im Multi-Label-Modus, 50 Chunks pro Batch — sind die praktischen Beschränkungen, gegen die man planen muss.

Es gibt noch ein weiteres dokumentiertes Verhalten, das wichtiger ist als alle diese Obergrenzen. Der Klassifikator „liefert immer einen Gewinner“, selbst wenn kein Label passt. Die Konfidenzfilterung wird vollständig dem Aufrufer überlassen. Bei einer Anfrage mit 10 Labels kann ein Spitzenwert von 0,4 immer noch die richtige Antwort sein, da die Werte relativ innerhalb des Label-Sets und nicht absolut sind. Jede Produktionsnutzung dieses Modells benötigt eine eigene Schwellenwertrichtlinie, und ein Catch-all-Label – die Dokumentation empfiehlt die Bezeichnung span>Sonstiges/span> – ist in der Praxis nicht optional.

Warum ein 1M-Token-Fenster bei einem Klassifikator der interessante Teil ist

Klassifikatormodelle verwenden üblicherweise kurze Eingaben. Der Grund ist mechanisch: Ein anhand von Rubriken bewerteter Klassifikator muss die gesamte Eingabe gegen die Ja/Nein-Frage jedes Labels abwägen, und die Kosten für die Bewertung eines Dokuments mit hunderttausend Token gegen zwanzig Rubriken betragen zwanzig vollständige Durchläufe über dieses Dokument. ScaleDowns Antwort ist das 1M-Fenster plus die Batching-Ebene – bis zu 50 Chunks, die in einer einzigen Anfrage gegen ein gemeinsames Profil bewertet werden – und die Behauptung des Anbieters lautet, dass die Kalibrierung pro Chunk dieselbe ist, egal ob Sie einen Chunk oder fünfzig senden, wobei der einzige Unterschied darin besteht, dass das gemeinsame Profil einmal pro Anfrage abgerechnet wird.

Diese Behauptung ist die, die es zu prüfen gilt, bevor Sie darauf aufbauen. Sie ist auch die Behauptung, die das Modell interessant macht: Der eigentliche Grund, innerhalb der Anwendung statt am Edge zu klassifizieren, ist, dass die Entscheidung den vollständigen Kontext sehen kann — den gesamten Support-Thread, den gesamten Vertrag, das vollständige abgerufene Dokument — statt eines abgeschnittenen Fensters. Wenn das 1M-Fenster bei Ihren Eingabegrößen standhält, verschwindet die Architekturfrage („Brauche ich ein Chunking- und Voting-Schema?“) weitgehend. Wenn nicht, haben Sie einen sehr kostengünstigen Klassifikator für kurze Eingaben und ein zweites Problem zu lösen.

Die Ansprüche, die eine zweite Meinung benötigen

Das Marketing von ScaleDown argumentiert, dass aufgabenspezifische kleine Sprachmodelle Frontier-Modelle bei Kosten, Geschwindigkeit und Genauigkeit für hochvolumige, repetitive Arbeit schlagen, und führt Zahlen an, darunter ein Modell mit rund einer halben Milliarde Parametern, das bei einer einfachen Klassifizierungsaufgabe 91,7 % erreicht, gegenüber 88,6 % bei einem Modell mit 72 Milliarden Parametern. Das sind die eigenen Zahlen des Anbieters, und sie wurden nicht unabhängig reproduziert: ScaleDown Classify steht derzeit ohne Bewertung in den öffentlichen Ranglisten, und es wurden keine Benchmark-Einträge von Drittanbietern veröffentlicht. Behandeln Sie das Genauigkeitsargument als Hypothese mit einem plausiblen Mechanismus – die Sample-Effizienz-Lücke zwischen einem zwecktrainierten kleinen Modell und einem großen Allzweckmodell bei einer engen Taxonomie ist real und gut dokumentiert –, nicht als etabliertes Ergebnis.

Die Angabe von 1 Mio. Token für die Eingabe ist ebenfalls vom Anbieter angegeben. Drittanbieter-Katalogeinträge für das Modell weisen die Kontextlänge als nicht zutreffend aus, statt die Million-Token-Zahl wiederzugeben; das ist eher eine Einschränkung des Katalogs als ein Widerspruch, bedeutet aber, dass das Fenster außerhalb von ScaleDowns Dokumentation nicht bestätigt wurde.

Wo das passt, wenn Sie bereits eine Pipeline betreiben

Das Muster, auf das diese drei Modelle abzielen, ist eine Schleife, kein einzelner Aufruf: ein Dokument abrufen, es klassifizieren, Felder extrahieren, es zusammenfassen und dann die Zusammenfassung an ein generatives Modell weitergeben, das die Antwort schreibt. Schritt vier ist der kostspielige, was die Kosten pro Token angeht, und er ist der Schritt, den OrcaRouter abdeckt – mehr als 200 Modelle hinter einem OpenAI-kompatiblen Schlüssel zum Anbieter-Listenpreis mit 0 % Aufschlag durchgereicht, mit automatischem Failover, wenn ein Serving-Pfad degradiert. Wir hosten ScaleDown Classify, Extract oder Summarize nicht; sie sind nicht in unserem Katalog und kein Ziel für Chat-Completions, und die Routing-Schicht hier ist die Generierungshälfte des Musters und nicht die Bewertungshälfte.

Diese Trennung lohnt es sich, klar auszusprechen, weil der Kostenvergleich, zu dem man greifen wird, irreführend ist. Ein nach Rubrik bewerteter Klassifikator für ein paar Cent pro Million Eingabe-Tokens und ein generatives Modell für ein paar Dollar pro Million sind keine Konkurrenten; sie sind unterschiedliche Posten, und der Grund, ein kleines Modell für den Klassifizierungsschritt einzusetzen, ist, dass man sich dadurch ein besseres Modell für den Schritt leisten kann, der tatsächlich etwas schreibt.

Was würde diese Einschätzung ändern?

Drei Dinge, geordnet danach, wie sehr sie das Bild verändern würden. Eine unabhängige Bewertung der nach Bewertungsraster bewerteten Klassifizierungsaufgabe auf einem öffentlichen Benchmark würde das Genauigkeitsargument von einer Anbieterbehauptung in einen Datenpunkt verwandeln. Eine veröffentlichte Latenzangabe – der Anbieter dokumentiert Kostentreiber, aber keine Serving-Latenz – würde klären, ob das 1M-Fenster im Durchsatzbetrieb oder nur im Batchbetrieb nutzbar ist. Und eine Reproduktion der Behauptung zur Kalibrierung pro Chunk durch Dritte würde entscheiden, ob ein Batch mit fünfzig Chunks eine Kostenoptimierung oder ein anderes Modell ist. Bis mindestens eines davon vorliegt, lautet die ehrliche Zusammenfassung, dass ScaleDown drei Modelle mit ungewöhnlich klaren Verträgen und ungewöhnlich großen Eingabegrenzen auf den Markt gebracht hat, zu Preisen, die eine schwellenwertbasierte Klassifizierungsstufe günstig genug machen, um sie in Betracht zu ziehen, und dass die Zahlen, die sie stützen, vom Anbieter selbst stammen.

Die Kurzfassung

Wenn Sie eine Klassifizierungs- oder Extraktionsphase mit hohem Volumen, einer stabilen Taxonomie und Text- oder Bildeingabe haben, lohnt es sich, ScaleDowns drei Modelle diese Woche an Ihren eigenen Daten zu benchmarken, denn der Vertrag ist einfach und das Eingabelimit großzügig. Planen Sie die Label-Vervielfachung und den 2x-Reasoning-Zuschlag ein, bevor Sie sich auf eine Taxonomie festlegen, und rechnen Sie damit, Ihren eigenen Konfidenzschwellenwert schreiben zu müssen. Wenn Ihre Aufgabe die offene Generierung ist, richtet sich nichts davon an Sie.

Die Wahl von Modellen ist auch eine Frage dessen, was zuvor schiefgelaufen ist: Die dokumentierten KI-Vorfälle und Agentenfehler hinter Modellen dieser Klasse sind in dem OrcaRouter AI Incident Archive gesammelt, wobei jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seine Konfidenzstufe und sein Disputed-Flag trägt.