Model Kecil ScaleDown untuk Tugas Rutin di Dalam Aplikasi: Klasifikasi, Ekstraksi, Peringkasan

Pada 13 Oktober 2026, ScaleDown membuka selubung tiga model kecil khusus tugas yang dijualnya sebagai satu gagasan: Classify, Extract, dan Summarize, masing-masing dibuat untuk pekerjaan berulang yang mengelilingi panggilan LLM produksi alih-alih untuk percakapan. Ketiganya menerima input 1M token, ketiganya menerima teks atau gambar, dan ketiganya dapat diakses melalui API ScaleDown sendiri — di sinilah pertanyaan harga menjadi menarik, karena ketiganya memiliki bentuk biaya yang sepenuhnya berbeda. Model keempat dalam keluarga ini, ScaleDown Compress, tercantum dalam dokumentasi vendor sebagai alat pemangkas konteks, bukan salah satu dari tiga model baru. Yang berikut ini adalah apa yang didokumentasikan vendor, dipisahkan dari apa yang belum direproduksi siapa pun.

Apa yang sebenarnya dirilis pada 13 Oktober

ScaleDown telah mengoperasikan endpoint Decisions selama beberapa waktu — antarmuka penilaian terstruktur yang menerima objek status plus peta pertanyaan bertipe dan mengembalikan probabilitas terkalibrasi. Pengumuman 13 Oktober adalah titik ketika perusahaan mulai menjual model-model yang mendasarinya sebagai produk tersendiri alih-alih sebagai satu endpoint, dan ketika perusahaan mulai menggambarkannya sebagai komponen serbaguna untuk pekerjaan di dalam aplikasi.

Ketiga model dan kontraknya, sebagaimana didokumentasikan oleh vendor:

• ScaleDown Classify — menetapkan teks ke kumpulan label yang disediakan pemanggil. Setiap label membawa nama dan rubrik, yang oleh dokumentasi disebut "pertanyaan ya/tidak yang digunakan model untuk menilai label," dan yang dijelaskan dokumentasi sebagai bagian terpenting dari permintaan. Mode label tunggal mengembalikan distribusi softmax yang berjumlah 1,0 ditambah label teratas; mode multi-label menilai setiap label secara independen terhadap ambang batas yang ditetapkan pemanggil.

• ScaleDown Extract — menarik bidang terstruktur dari teks tak terstruktur. Dalam dokumentasi keluarga ini, ini adalah model yang mengubah dokumen menjadi rekaman yang dapat diindeks oleh kode Anda.

• ScaleDown Summarize — ringkasan abstraktif singkat dari input panjang, yang merupakan tugas yang paling jelas menjadi sasaran jendela 1M-token.

Kontrak bersama di antara ketiganya adalah bagian yang layak dicatat. Satu juta token input per permintaan kira-kira satu orde besaran melampaui apa yang diterima API kelas menengah arus utama, dan angka itulah yang membuat Summarize dan Extract masuk akal untuk pekerjaan dokumen utuh tanpa lapisan chunking. Input teks-atau-gambar penting khususnya untuk Extract: faktur hasil pindai atau tangkapan layar formulir masuk, bidang-bidang keluar, dan tidak ada langkah OCR di antara keduanya. Ketiganya dilayani dari API milik ScaleDown sendiri, yang dokumentasinya memberikan URL dasar sebagai span>api.scaledown.xyz/span> dan secara eksplisit menyatakan bahwa span>api.scaledown.ai/span> bukan host API.

Satu angka yang tidak sama dengan yang lain

Penetapan harga adalah titik ketika ketiganya tidak lagi dapat saling menggantikan. Classify terdaftar pada $0,05 per juta token masukan dan $0 per juta token keluaran, dan pencantuman model di katalog pihak ketiga menunjukkan tarif yang sama dengan diskon promosi yang kadang-kadang diterapkan; diskon tersebut bukan komitmen ScaleDown dan tidak boleh dijadikan dasar perencanaan. Harga keluaran nol bukan trik pemasaran — pengklasifikasi yang dinilai dengan rubrik mengeluarkan label dan probabilitas, bukan teks yang dihasilkan, jadi tidak ada yang perlu ditagih. Extract dan Summarize memang menghasilkan keluaran, jadi struktur biaya keduanya tidak dapat dibandingkan dengan Classify dan harus dihargai langsung dari vendor, bukan disimpulkan dari tarif pengklasifikasi tersebut.

Detail penagihan Classify lebih sulit dicerna daripada tarif utamanya. Dalam mode label tunggal, setiap label dan rubriknya masuk ke satu panggilan model, sehingga setiap label yang Anda tambahkan meningkatkan token masukan yang ditagih; meminta penjelasan satu kalimat tentang pilihan tersebut akan mengirimkannya ulang pada 2x, dan dokumentasinya menyatakan secara gamblang bahwa penjelasan dihasilkan setelah label teratas ditetapkan, jadi penjelasan itu membenarkan jawabannya alih-alih meragukannya. Dalam mode multi-label, setiap label adalah panggilan model terpisah, dan setiap potongan dinilai secara terpisah. Taksonomi enam puluh label dengan penalaran aktif karena itu bukan operasi $0,05 per juta token dalam pengertian yang diasumsikan pembaca; itu adalah tarif tersebut dikalikan dengan kumpulan label, lalu digandakan jika penalaran aktif. Batas yang didokumentasikan — 20 label per permintaan, 16 dalam mode multi-label, 50 potongan per batch — adalah kendala praktis yang harus menjadi dasar perancangan.

Ada satu lagi perilaku terdokumentasi yang lebih penting daripada semua batasan ini. Pengklasifikasi "selalu mengembalikan pemenang," bahkan ketika tidak ada label yang cocok. Pemfilteran keyakinan sepenuhnya diserahkan kepada pemanggil. Pada permintaan 10 label, skor teratas 0,4 masih bisa menjadi jawaban yang benar, karena skor tersebut relatif di dalam kumpulan label, bukan absolut. Setiap penggunaan produksi model ini membutuhkan kebijakan ambang batasnya sendiri, dan label catch-all — dokumentasi menyarankan untuk menamai salah satunya span>other/span> — tidak opsional dalam praktik.

Mengapa jendela 1M-token pada sebuah pengklasifikasi adalah bagian yang menarik

Model classifier secara konvensional menerima input pendek. Alasannya bersifat mekanis: classifier yang dinilai dengan rubrik harus menimbang seluruh input terhadap pertanyaan ya/tidak setiap label, dan biaya untuk menilai dokumen seratus ribu token terhadap dua puluh rubrik adalah dua puluh kali lintasan penuh atas dokumen tersebut. Jawaban ScaleDown adalah jendela 1M plus lapisan batching — hingga 50 chunk dinilai terhadap satu profil bersama dalam satu permintaan — dan klaim vendor adalah bahwa kalibrasi per chunk sama saja apakah Anda mengirim satu chunk atau lima puluh, dengan satu-satunya perbedaan adalah bahwa profil bersama ditagih sekali per permintaan.

Klaim itu adalah yang perlu diuji sebelum Anda membangun di atasnya. Ini juga klaim yang membuat model menjadi menarik: alasan utama untuk mengklasifikasikan di dalam aplikasi alih-alih di edge adalah bahwa keputusan dapat melihat konteks penuh — seluruh thread dukungan, seluruh kontrak, seluruh dokumen yang diambil — bukan jendela yang terpotong. Jika jendela 1M tetap berfungsi pada ukuran input Anda, pertanyaan arsitektur ("apakah saya perlu skema chunking dan voting?") sebagian besar hilang. Jika tidak, Anda memiliki pengklasifikasi input pendek yang sangat murah dan masalah kedua yang harus dipecahkan.

Klaim yang memerlukan pendapat kedua

Pemasaran ScaleDown berargumen bahwa model bahasa kecil yang khusus tugas mengalahkan model frontier dalam hal biaya, kecepatan, dan akurasi untuk pekerjaan repetitif bervolume tinggi, dan menyebutkan angka-angka termasuk model dengan sekitar setengah miliar parameter yang mencapai 91,7% pada tugas klasifikasi sederhana versus 88,6% untuk model 72 miliar parameter. Itu adalah angka milik vendor sendiri dan belum direproduksi secara independen: ScaleDown Classify saat ini tidak memiliki skor di papan peringkat publik, tanpa baris benchmark pihak ketiga yang dipublikasikan. Perlakukan argumen akurasi sebagai hipotesis dengan mekanisme yang masuk akal — kesenjangan efisiensi sampel antara model kecil yang dilatih khusus dan model besar serbaguna pada taksonomi yang sempit itu nyata dan terdokumentasi dengan baik — bukan sebagai hasil yang sudah mapan.

Angka input 1 juta token juga dinyatakan oleh vendor. Daftar katalog pihak ketiga untuk model tersebut menampilkan panjang konteks sebagai tidak berlaku, bukan mengulang angka satu juta token, yang merupakan keterbatasan katalog dan bukan kontradiksi, tetapi ini berarti jendela tersebut belum dikonfirmasi di luar dokumentasi ScaleDown.

Di mana ini cocok jika Anda sudah menjalankan pipeline

Pola yang dituju ketiga model ini adalah sebuah loop, bukan panggilan tunggal: mengambil dokumen, mengklasifikasikannya, mengekstrak bidang, meringkasnya, lalu menyerahkan ringkasan itu ke model generatif yang menulis balasan. Langkah keempat adalah yang mahal secara per-token, dan langkah itulah yang ditangani OrcaRouter — lebih dari 200 model di balik satu kunci yang kompatibel dengan OpenAI pada harga daftar penyedia diteruskan dengan markup 0%, dengan failover otomatis saat jalur penyajian mengalami degradasi. Kami tidak menghosting ScaleDown Classify, Extract, atau Summarize; ketiganya tidak ada dalam katalog kami dan bukan target chat-completions, dan lapisan routing di sini adalah separuh generasi dari pola tersebut, bukan separuh penilaian.

Pembagian itu layak dinyatakan secara gamblang karena perbandingan biaya yang akan orang pakai justru menyesatkan. Pengklasifikasi yang dinilai dengan rubrik seharga beberapa sen per juta token masukan dan model generatif seharga beberapa dolar per juta bukanlah pesaing; keduanya pos anggaran yang berbeda, dan alasan untuk menempatkan model kecil pada langkah klasifikasi adalah bahwa hal itu memungkinkan Anda membiayai model yang lebih baik pada langkah yang benar-benar menulis sesuatu.

Apa yang akan mengubah penilaian ini?

Tiga hal, dalam urutan seberapa besar pengaruhnya terhadap gambaran keseluruhan. Evaluasi independen atas tugas klasifikasi yang dinilai dengan rubrik pada tolok ukur publik akan mengubah argumen akurasi dari klaim vendor menjadi data. Angka latensi yang dipublikasikan — vendor mendokumentasikan pemicu biaya tetapi tidak ada latensi penyajian — akan menentukan apakah jendela 1M dapat digunakan pada throughput atau hanya pada batch. Dan reproduksi pihak ketiga atas klaim kalibrasi per potongan akan menentukan apakah batch lima puluh potongan merupakan optimasi biaya atau model yang berbeda. Sampai setidaknya salah satu dari hal-hal itu terwujud, ringkasan yang jujur adalah bahwa ScaleDown telah merilis tiga model dengan kontrak yang luar biasa jelas dan batas input yang luar biasa besar, pada harga yang membuat tahap klasifikasi berbasis ambang batas cukup murah untuk dipertimbangkan, dan bahwa angka-angka yang mendukungnya berasal dari vendor sendiri.

Versi singkatnya

Jika Anda memiliki tahap klasifikasi atau ekstraksi bervolume tinggi dengan taksonomi yang stabil serta input teks atau gambar, ketiga model ScaleDown layak dijadikan tolok ukur pada data Anda sendiri minggu ini, karena kontraknya sederhana dan batas inputnya longgar. Siapkan anggaran untuk perkalian label dan biaya tambahan penalaran 2x sebelum Anda berkomitmen pada suatu taksonomi, dan perkirakan akan menulis ambang keyakinan Anda sendiri. Jika tugas Anda adalah generasi terbuka, tidak ada satu pun dari ini yang ditujukan untuk Anda.

Pilihan model juga merupakan soal apa yang pernah gagal sebelumnya: insiden AI yang terdokumentasi dan kegagalan agen di balik model di kelas ini dikumpulkan di the OrcaRouter AI Incident Archive , di mana setiap entri mencantumkan sumbernya sendiri, tingkat keparahan, nilai keyakinan, dan penanda yang diperdebatkan.