Les petits modèles de ScaleDown pour les tâches courantes dans l'application : classer, extraire, résumer

Le 13 octobre 2026, ScaleDown a levé le voile sur trois petits modèles spécialisés dans des tâches précises, qu'elle vend comme une idée unique : Classify, Extract et Summarize, chacun conçu pour le travail répétitif qui entoure un appel LLM en production plutôt que pour la conversation. Tous les trois prennent en entrée 1M de jetons, tous les trois acceptent du texte ou des images, et tous les trois sont accessibles via l'API propre à ScaleDown — et c'est là que la question tarifaire devient intéressante, car les trois ont des profils de coûts complètement différents. Le quatrième modèle de la famille, ScaleDown Compress, est répertorié dans la documentation du fournisseur comme un outil de réduction du contexte plutôt que comme l'un des trois nouveaux. Ce qui suit est ce que documente le fournisseur, tenu à l'écart de ce que personne n'a encore reproduit.

Ce qui a réellement été livré le 13 octobre

ScaleDown exploite depuis un certain temps un point de terminaison Decisions — une interface de notation structurée qui prend un objet d’état ainsi qu’une table associative de questions typées et renvoie des probabilités calibrées. L’annonce du 13 octobre marque le moment où l’entreprise a commencé à vendre les modèles sous-jacents comme des produits à part entière plutôt que comme un simple point de terminaison, et où elle a commencé à les présenter comme des composants polyvalents destinés à un usage intégré aux applications.

Les trois modèles et leurs contrats, tels que le fournisseur les documente :

• ScaleDown Classify — attribue un texte à un ensemble d'étiquettes fourni par l'appelant. Chaque étiquette comporte un nom et une rubrique, que la documentation appelle « une question par oui ou non que le modèle utilise pour noter l'étiquette », et que la documentation décrit comme la partie la plus importante de la requête. Le mode mono-étiquette renvoie une distribution softmax dont la somme vaut 1,0, plus une étiquette principale ; le mode multi-étiquettes évalue chaque étiquette indépendamment par rapport à un seuil défini par l'appelant.

• ScaleDown Extract — extrait des champs structurés à partir de texte non structuré. Dans la documentation de la famille, c'est le modèle qui transforme un document en un enregistrement que votre code peut indexer.

• ScaleDown Summarize — de courts résumés abstractifs de longues entrées, ce pour quoi la fenêtre de 1 M de jetons est le plus manifestement conçue.

Le contrat partagé entre les trois est la partie qui mérite d'être consignée par écrit. Un million de tokens d'entrée par requête représente environ un ordre de grandeur de plus que ce qu'acceptent les API de taille moyenne courantes, et c'est ce chiffre qui rend Summarize et Extract plausibles pour le travail sur des documents entiers sans couche de découpage. L'entrée texte ou image compte tout particulièrement pour Extract : une facture numérisée ou une capture d'écran de formulaire entre, des champs ressortent, et aucune étape d'OCR ne s'intercale entre les deux. Tous les trois sont servis depuis l'API propre de ScaleDown, dont la documentation indique l'URL de base sous la forme span>api.scaledown.xyz/span> et précise explicitement que span>api.scaledown.ai/span> n'est pas un hôte d'API.

Le seul nombre qui n'est pas comme les autres

La tarification est le point où ces trois produits cessent d’être interchangeables. Classify est affiché à 0,05 $ par million de jetons d’entrée et à 0 $ par million de jetons de sortie, et la fiche du modèle sur des catalogues tiers indique ce même tarif, avec parfois une remise promotionnelle appliquée ; cette remise ne constitue pas un engagement de ScaleDown et il ne faut pas planifier en fonction d’elle. Le prix nul de la sortie n’est pas un coup marketing — un classifieur évalué par rubrique émet des étiquettes et des probabilités, pas du texte généré, donc il n’y a rien à facturer. Extract et Summarize génèrent bien une sortie, donc la structure de leurs coûts n’est pas comparable à celle de Classify et leurs tarifs doivent être obtenus directement auprès du fournisseur plutôt que déduits du tarif du classifieur.

Le détail de facturation de Classify est plus difficile à appréhender que le tarif affiché. En mode mono-étiquette, chaque étiquette et sa grille d’évaluation entrent dans un seul appel au modèle, donc chaque étiquette ajoutée augmente les tokens d’entrée facturés ; demander une explication du choix en une phrase les renvoie à un tarif 2x, et la documentation indique clairement que l’explication est générée après que l’étiquette principale a été fixée, de sorte qu’elle justifie la réponse plutôt que de la remettre en question. En mode multi-étiquettes, chaque étiquette fait l’objet d’un appel au modèle distinct, et chaque segment est évalué séparément. Une taxonomie de soixante étiquettes avec le raisonnement activé n’est donc pas une opération à 0,05 $ par million de tokens au sens où un lecteur le suppose ; c’est ce tarif multiplié par l’ensemble d’étiquettes, puis doublé si le raisonnement est activé. Les plafonds documentés — 20 étiquettes par requête, 16 en mode multi-étiquettes, 50 segments par lot — sont les contraintes pratiques à prendre en compte dès la conception.

Il existe un comportement documenté supplémentaire qui compte davantage que n'importe lequel de ces plafonds. Le classifieur « renvoie toujours un gagnant », même lorsqu'aucune étiquette ne convient. Le filtrage par confiance est entièrement laissé à l'appelant. Sur une requête comportant 10 étiquettes, un score maximal de 0,4 peut encore être la bonne réponse, car les scores sont relatifs au sein de l'ensemble d'étiquettes plutôt qu'absolus. Chaque utilisation en production de ce modèle a besoin de sa propre politique de seuil, et une étiquette attrape-tout — la documentation suggère de la nommer span>other/span> — n'est pas facultative en pratique.

Pourquoi une fenêtre de 1M de tokens sur un classifieur est la partie intéressante

Les modèles de classification prennent conventionnellement des entrées courtes. La raison est mécanique : un classificateur noté par grille d'évaluation doit évaluer l'intégralité de l'entrée par rapport à la question oui/non de chaque étiquette, et le coût de notation d'un document de cent mille jetons par rapport à vingt grilles d'évaluation équivaut à vingt passes complètes sur ce document. La réponse de ScaleDown est la fenêtre de 1 M plus la couche de traitement par lots — jusqu'à 50 segments évalués par rapport à un profil partagé en une seule requête — et l'affirmation du fournisseur est que la calibration par segment est la même que vous envoyiez un segment ou cinquante, la seule différence étant que le profil partagé est facturé une fois par requête.

Cette affirmation est celle qu'il faut tester avant de vous appuyer dessus. C'est aussi l'affirmation qui rend le modèle intéressant : la raison même de classifier à l'intérieur de l'application plutôt qu'en périphérie est que la décision peut voir le contexte complet — le fil d'assistance entier, le contrat entier, le document récupéré complet — plutôt qu'une fenêtre tronquée. Si la fenêtre de 1 M tient pour vos tailles d'entrée, la question d'architecture (« ai-je besoin d'un schéma de découpage et de vote ? ») disparaît en grande partie. Si ce n'est pas le cas, vous avez un classifieur très peu coûteux pour entrées courtes et un second problème à résoudre.

Les demandes qui nécessitent un second avis

L'argumentaire marketing de ScaleDown soutient que les petits modèles de langue spécialisés par tâche surpassent les modèles de pointe en termes de coût, de vitesse et de précision pour les travaux répétitifs à fort volume, et cite des chiffres, notamment un modèle d'environ un demi-milliard de paramètres atteignant 91,7 % sur une tâche de classification simple, contre 88,6 % pour un modèle de 72 milliards de paramètres. Ce sont les chiffres du fournisseur lui-même, et ils n'ont pas été reproduits de manière indépendante : ScaleDown Classify n'est actuellement pas évalué dans les classements publics, et aucune ligne de référence tierce n'a été publiée. Il convient de considérer l'argument de précision comme une hypothèse assortie d'un mécanisme plausible — l'écart d'efficacité d'échantillonnage entre un petit modèle entraîné à cette fin et un grand modèle polyvalent sur une taxonomie étroite est réel et bien documenté — et non comme un résultat établi.

Le chiffre de 1 M de tokens en entrée est également déclaré par le fournisseur. Les fiches de catalogues tiers pour le modèle indiquent la longueur de contexte comme non applicable plutôt que de reprendre le chiffre d’un million de tokens, ce qui constitue une limitation de catalogue plutôt qu’une contradiction, mais cela signifie bel et bien que la fenêtre n’a pas été corroborée en dehors de la documentation de ScaleDown.

Où cela s’intègre si vous exécutez déjà un pipeline

Le schéma que visent ces trois modèles est une boucle, pas un appel unique : récupérer un document, le classer, extraire des champs, le résumer, puis confier le résumé à un modèle génératif qui rédige la réponse. La quatrième étape est la plus coûteuse par token, et c’est l’étape que couvre OrcaRouter — plus de 200 modèles derrière une seule clé compatible OpenAI au prix catalogue du fournisseur, répercuté avec 0 % de marge, avec bascule automatique en cas de dégradation d’un chemin de service. Nous n’hébergeons pas ScaleDown Classify, Extract ou Summarize ; ils ne figurent pas dans notre catalogue et ne sont pas une cible de chat-completions, et la couche de routage ici est la partie génération du schéma plutôt que la partie scoring.

Cette distinction mérite d’être énoncée clairement, car la comparaison des coûts à laquelle les gens vont se raccrocher est trompeuse. Un classifieur noté selon une grille, à quelques centimes par million de tokens d’entrée, et un modèle génératif, à quelques dollars par million, ne sont pas concurrents ; ce sont des postes de coûts distincts, et la raison de mettre un petit modèle à l’étape de classification est qu’il permet de s’offrir un meilleur modèle à l’étape qui écrit réellement quelque chose.

Qu’est-ce qui changerait cette évaluation ?

Trois choses, par ordre de l’effet qu’elles auraient sur la donne. Une évaluation indépendante de la tâche de classification notée selon une grille d’évaluation sur un benchmark public ferait passer l’argument de précision du statut d’allégation de fournisseur à celui de donnée. Un chiffre de latence publié — le fournisseur documente les facteurs de coût mais aucune latence de service — permettrait de trancher si la fenêtre 1M est exploitable en débit ou seulement en traitement par lots. Et une reproduction par un tiers de l’affirmation de calibration par segment déciderait si un lot de cinquante segments relève d’une optimisation de coût ou d’un modèle différent. Tant qu’au moins l’un de ces éléments ne se matérialise pas, le résumé honnête est que ScaleDown a livré trois modèles avec des contrats inhabituellement clairs et des limites d’entrée inhabituellement grandes, à des prix qui rendent une étape de classification fondée sur un seuil suffisamment abordable pour être envisagée, et que les chiffres qui les étayent sont ceux du fournisseur lui-même.

La version courte

Si vous avez une étape de classification ou d’extraction à gros volume avec une taxonomie stable et une entrée textuelle ou image, les trois modèles de ScaleDown valent la peine d’être évalués sur vos propres données cette semaine, car le contrat est simple et la limite d’entrée est généreuse. Prévoyez la multiplication des libellés et le supplément de 2x pour le raisonnement avant de vous engager sur une taxonomie, et attendez-vous à écrire votre propre seuil de confiance. Si votre tâche est de la génération ouverte, rien de tout cela ne s’adresse à vous.

Le choix d'un modèle est aussi une question de ce qui a mal tourné par le passé : les incidents d'IA et les défaillances d'agents documentés derrière les modèles de cette catégorie sont recensés dans the OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, son degré de gravité, sa note de confiance et son indicateur de contestation.