I piccoli modelli di ScaleDown per le attività di routine in-app: Classificare, Estrarre, Riassumere

Il 13 ottobre 2026, ScaleDown ha svelato tre piccoli modelli specifici per attività che vende come un'unica idea: Classify, Extract e Summarize, ciascuno progettato per il lavoro ripetitivo che circonda una chiamata a un LLM in produzione anziché per la conversazione. Tutti e tre accettano un input da 1M token, tutti e tre accettano testo o immagini, e tutti e tre sono raggiungibili tramite l'API proprietaria di ScaleDown — ed è qui che la questione del prezzo diventa interessante, perché i tre hanno strutture di costo completamente diverse. Il quarto modello della famiglia, ScaleDown Compress, è elencato nella documentazione del fornitore come strumento di riduzione del contesto anziché come uno dei tre nuovi. Quanto segue è ciò che documenta il fornitore, tenuto separato da ciò che nessuno ha ancora riprodotto.

Cosa è stato effettivamente rilasciato il 13 ottobre

ScaleDown gestisce da qualche tempo un endpoint Decisions — un'interfaccia di scoring strutturato che accetta un oggetto di stato più una mappa di domande tipizzate e restituisce probabilità calibrate. L'annuncio del 13 ottobre è il momento in cui l'azienda ha iniziato a vendere i modelli sottostanti come prodotti a sé stanti anziché come un singolo endpoint, e in cui ha iniziato a descriverli come componenti di uso generale per il lavoro in-app.

I tre modelli e i loro contratti, così come li documenta il fornitore:

• ScaleDown Classify — assegna il testo a un insieme di etichette fornito dal chiamante. Ogni etichetta ha un nome e una rubrica, che la documentazione definisce "una domanda sì/no che il modello usa per valutare l'etichetta", e che i documenti descrivono come la parte più importante della richiesta. La modalità a etichetta singola restituisce una distribuzione softmax la cui somma è 1,0, più un'etichetta principale; la modalità multi-etichetta valuta ogni etichetta in modo indipendente rispetto a una soglia impostata dal chiamante.

• ScaleDown Extract — estrae campi strutturati da testo non strutturato. Nella documentazione della famiglia, questo è il modello che trasforma un documento in un record che il tuo codice può indicizzare.

• ScaleDown Summarize — brevi riassunti astrattivi di input lunghi, che è il compito a cui la finestra di 1M di token è più ovviamente destinata.

Il contratto condiviso tra tutti e tre è la parte che vale la pena mettere per iscritto. Un milione di token di input per richiesta è circa un ordine di grandezza in più rispetto a ciò che accettano le API di medie dimensioni più diffuse, ed è il numero che rende Summarize ed Extract plausibili per lavorare su interi documenti senza un livello di chunking. L'input testo o immagine conta in particolare per Extract: entra una fattura scansionata o lo screenshot di un modulo, escono i campi, e nessun passaggio OCR si interpone tra di essi. Tutti e tre sono serviti dall'API proprietaria di ScaleDown, la cui documentazione indica l'URL di base come span>api.scaledown.xyz/span> e specifica esplicitamente che span>api.scaledown.ai/span> non è un host API.

L'unico numero che non è come gli altri

È sul prezzo che questi tre smettono di essere intercambiabili. Classify è elencato a 0,05 $ per milione di token di input e 0 $ per milione di token di output, e la scheda del modello su cataloghi di terze parti mostra la stessa tariffa con talvolta applicato uno sconto promozionale; lo sconto non è un impegno da parte di ScaleDown e non andrebbe considerato nella pianificazione. Il prezzo zero per l'output non è un trucco di marketing — un classificatore con valutazione a rubriche emette etichette e probabilità, non testo generato, quindi non c'è nulla da fatturare. Extract e Summarize generano output, quindi i loro profili di costo non sono comparabili a quelli di Classify e dovrebbero essere prezzati direttamente dal fornitore anziché dedotti dalla tariffa del classificatore.

Il dettaglio di fatturazione di Classify è più difficile da interpretare rispetto alla tariffa principale. In modalità a etichetta singola, ogni etichetta e la sua rubrica entrano in un'unica chiamata al modello, quindi ogni etichetta che aggiungi aumenta i token di input fatturati; chiedere una spiegazione di una frase della scelta li reinvia a un costo doppio, e la documentazione dice chiaramente che la spiegazione viene generata dopo che l'etichetta principale è fissata, quindi giustifica la risposta anziché rimetterla in discussione. In modalità multi-etichetta, ogni etichetta è una chiamata separata al modello e ogni chunk viene valutato separatamente. Una tassonomia di sessanta etichette con il ragionamento attivo non è quindi un'operazione da 0,05 $ per milione di token nel senso in cui un lettore presume; è quella tariffa moltiplicata per l'insieme delle etichette, e poi raddoppiata se il ragionamento è attivo. I limiti massimi documentati — 20 etichette per richiesta, 16 in modalità multi-etichetta, 50 chunk per batch — sono i vincoli pratici in base ai quali progettare.

C'è un ulteriore comportamento documentato che conta più di ognuno di questi tetti. Il classificatore "restituisce sempre un vincitore", anche quando nessuna etichetta è adatta. Il filtraggio basato sulla confidenza è lasciato interamente al chiamante. In una richiesta con 10 etichette, un punteggio massimo di 0,4 può comunque essere la risposta corretta, perché i punteggi sono relativi all'insieme di etichette anziché assoluti. Ogni utilizzo in produzione di questo modello necessita di una propria politica di soglia, e un'etichetta catch-all — la documentazione suggerisce di chiamarne una span>other/span> — non è facoltativa nella pratica.

Perché una finestra da 1 milione di token su un classificatore è la parte interessante

I modelli di classificazione tradizionalmente accettano input brevi. Il motivo è meccanico: un classificatore valutato con rubriche deve soppesare l'intero input rispetto alla domanda sì/no di ciascuna etichetta, e il costo di valutare un documento da centomila token rispetto a venti rubriche equivale a venti passaggi completi su quel documento. La risposta di ScaleDown è la finestra da 1M più il livello di batching — fino a 50 chunk valutati rispetto a un unico profilo condiviso in una singola richiesta — e l'affermazione del fornitore è che la calibrazione per chunk è la stessa sia che si invii un chunk o cinquanta, con l'unica differenza che il profilo condiviso viene fatturato una volta per richiesta.

Quella affermazione è quella da verificare prima di costruirci sopra. È anche l'affermazione che rende interessante il modello: l'intera ragione per classificare all'interno dell'applicazione anziché al margine è che la decisione può vedere il contesto completo — l'intero thread di supporto, l'intero contratto, l'intero documento recuperato — anziché una finestra troncata. Se la finestra da 1M regge per le dimensioni dei tuoi input, la questione architetturale ("mi serve uno schema di chunking e votazione?") in gran parte scompare. Se non regge, hai un classificatore per input brevi molto economico e un secondo problema da risolvere.

Le affermazioni che necessitano di un secondo parere

Il marketing di ScaleDown sostiene che i piccoli modelli linguistici specifici per un'attività battono i modelli di frontiera su costo, velocità e accuratezza nel lavoro ripetitivo ad alto volume, e cita cifre tra cui un modello da circa mezzo miliardo di parametri che raggiunge il 91,7% su un semplice compito di classificazione, contro l'88,6% di un modello da 72 miliardi di parametri. Quelli sono i numeri del fornitore e non sono stati riprodotti in modo indipendente: ScaleDown Classify al momento non ha alcun punteggio nelle classifiche pubbliche, e non è stata pubblicata nessuna riga di benchmark di terze parti. Considera l'argomento sull'accuratezza come un'ipotesi con un meccanismo plausibile — il divario di efficienza campionaria tra un modello piccolo addestrato per uno scopo specifico e uno grande di uso generale su una tassonomia ristretta è reale e ben documentato — non come un risultato consolidato.

Il valore di input di 1M token è anch'esso dichiarato dal fornitore. Le schede di catalogo di terze parti per il modello indicano la lunghezza del contesto come non applicabile anziché riprendere il numero di un milione di token, il che è una limitazione di catalogo più che una contraddizione, ma significa comunque che la finestra non è stata confermata al di fuori della documentazione di ScaleDown.

Dove si inserisce se stai già eseguendo una pipeline

Il pattern a cui puntano questi tre modelli è un ciclo, non una singola chiamata: recuperare un documento, classificarlo, estrarre campi, riassumerlo e poi passare il riassunto a un modello generativo che scrive la risposta. Il quarto passo è quello costoso su base per-token, ed è il passo che OrcaRouter copre — più di 200 modelli dietro un'unica chiave compatibile con OpenAI a prezzo di listino del provider passato con markup 0%, con failover automatico quando un percorso di servizio si degrada. Non ospitiamo ScaleDown Classify, Extract o Summarize; non sono nel nostro catalogo e non sono un target chat-completions, e il livello di routing qui è la metà generativa del pattern piuttosto che la metà di scoring.

Questa distinzione vale la pena di essere enunciata chiaramente, perché il confronto dei costi a cui le persone ricorreranno è fuorviante. Un classificatore valutato con una rubrica a pochi centesimi per milione di token di input e un modello generativo a pochi dollari per milione non sono concorrenti; sono voci diverse, e il motivo per usare un modello piccolo nella fase di classificazione è che così puoi permetterti un modello migliore nella fase che scrive davvero qualcosa.

Cosa cambierebbe questa valutazione?

Tre cose, in ordine di quanto sposterebbero il quadro. Una valutazione indipendente del compito di classificazione con punteggio basato su rubrica su un benchmark pubblico trasformerebbe l'argomento sull'accuratezza da una dichiarazione del fornitore a un dato. Un valore di latenza pubblicato — il fornitore documenta i fattori di costo ma nessuna latenza di servizio — chiarirebbe se la finestra da 1M è utilizzabile in termini di throughput o solo in modalità batch. E una riproduzione di terze parti dell'affermazione di calibrazione per chunk deciderebbe se un batch di cinquanta chunk è un'ottimizzazione dei costi o un modello diverso. Finché almeno una di queste non si concretizza, la sintesi onesta è che ScaleDown ha rilasciato tre modelli con contratti insolitamente chiari e limiti di input insolitamente ampi, a prezzi che rendono una fase di classificazione basata su soglie abbastanza economica da poter essere presa in considerazione, e che i numeri che li supportano sono quelli del fornitore stesso.

La versione breve

Se hai uno stadio di classificazione o estrazione ad alto volume con una tassonomia stabile e input di testo o immagini, i tre modelli di ScaleDown valgono un benchmark sui tuoi dati questa settimana, perché il contratto è semplice e il limite di input è generoso. Metti in budget la moltiplicazione delle etichette e il sovrapprezzo di 2x per il ragionamento prima di impegnarti in una tassonomia, e aspettati di scrivere la tua soglia di confidenza. Se il tuo compito è la generazione aperta, nulla di tutto ciò è rivolto a te.

La scelta del modello è anche una questione di ciò che è andato storto in precedenza: gli incidenti AI documentati e i fallimenti degli agenti dietro i modelli di questa classe sono raccolti in OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, gravità, livello di confidenza e flag di contestazione.