ScaleDown Classify vs Microsoft-Decision-1: Uno pubblica i numeri, l'altro pubblica il metodo

ScaleDown Classify e Microsoft-Decision-1 sono le due opzioni proprietarie e ospitate in questo confronto. Nessuna delle due distribuisce i pesi, nessuna è qualcosa da scaricare, ed entrambe si basano sulla stessa premessa: che una decisione — quale categoria, quale opzione, quale di questi — debba essere ricavata dalle probabilità di un modello invece che scritta come testo da un ciclo di generazione. Microsoft-Decision-1 è in disponibilità generale su Microsoft Foundry dall'8 ottobre 2026 come decoder denso da 9 miliardi di parametri post-addestrato da Microsoft, con 25 lingue supportate e un contesto di 32.768 token. ScaleDown Classify è un motore di rubriche ospitato a $0,05 per milione di token in input e $0 per milione di token in output, con un limite di input di 1 M di token e un tetto di venti etichette. Ciò che li separa non è la capacità. È ciò che ciascuna azienda è disposta a pubblicare sul proprio modello, e hanno scelto metà opposte.

L'inversione della divulgazione

La documentazione Foundry di Microsoft-Decision-1 descrive la sua valutazione con un dettaglio insolito. Benchmark decisionali pubblici e della community più set interni tenuti da parte. Metriche tra cui accuratezza ed errore di calibrazione. Ordine delle opzioni variato. Test statistici appaiati. Un identico harness per ogni modello con cui viene confrontato. E poi riferisce che il modello "si colloca allo stesso livello dei principali modelli decisionali e davanti ad altri modelli decisionali aperti valutati con la stessa metodologia" — e non riporta alcun numero. Nessun valore di accuratezza, nessun errore di calibrazione, nessuna tabella per singolo benchmark.

Quello che Microsoft pubblica effettivamente è un elenco di limitazioni, ed è un buon elenco. I punteggi variano in base alla formulazione e all'ordine delle opzioni. Una domanda formulata male restituisce comunque un punteggio. La calibrazione è più solida sui tipi di attività familiari. Non viene prodotta alcuna spiegazione. I punti di forza dichiarati del modello sono il ragionamento, l'applicazione di regole e la robustezza alla formattazione dei prompt; i suoi punti deboli dichiarati sono la conoscenza specialistica del dominio e le prestazioni in lingue diverse dall'inglese.

ScaleDown Classify esegue l'immagine speculare di quella politica. La sua documentazione entra nei dettagli operativi su come scrivere una richiesta — la rubrica è descritta come la parte più importante di una richiesta di classificazione, formulata come una domanda diretta sì/no, evitando negazioni, mantenuta non sovrapposta così che la massa di probabilità non venga divisa in modo imprevedibile — e il marketing del fornitore porta affermazioni di accuratezza e costo, incluso 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. Nessuno di questi è collegato a una metodologia descritta, e ScaleDown Classify non riporta alcun errore di calibrazione atteso pubblicato su alcun harness pubblico.

Quindi la scelta è tra un fornitore che ti dice come ha misurato e non cosa ha trovato, e un fornitore che ti dice cosa ha trovato e non come ha misurato. Nessuno dei due è una divulgazione completa, e nessuno dei due dovrebbe essere trattato come tale.

Lingue: una pubblica un conteggio, l'altra non pubblica nulla

Microsoft-Decision-1 elenca 25 lingue supportate e afferma chiaramente che copertura, qualità e calibrazione "possono variare a seconda della lingua", indicando le lingue non inglesi e soprattutto quelle a basse risorse come aree di sottoperformance. Questa è un'informativa utilizzabile: ti dice che il modello è multilingue, ti dice all'incirca quanto sia multilingue e ti dice dove non fidarti di esso.

La documentazione di Classify di ScaleDown non pubblica un elenco delle lingue. Nulla nel riferimento API indica quali lingue gestisca il punteggio della rubrica, né se una formulazione della rubrica in una lingua diversa dall'inglese si comporti allo stesso modo, e le linee guida sulla rubrica — formulala come una domanda diretta con risposta sì/no, evita le negazioni — sono scritte in modo da presupporre implicitamente un chiamante anglofono che scrive rubriche in inglese. Per un classificatore che in pratica verrà indirizzato a ticket di supporto internazionali, questo è il divario da colmare prima di impegnarti, ed è un divario che solo la tua valutazione può colmare.

Se hai bisogno di un'impronta linguistica documentata, questo confronto finisce qui e Microsoft vince per impostazione predefinita. Se usi solo l'inglese, il conteggio non è un fattore e il resto della decisione riguarda la lunghezza dell'input e le soglie.

Contesto: 32.768 token rispetto a un milione

Microsoft documenta una singola invocazione su un massimo di 32.768 token. ScaleDown documenta un limite di input di 1 milione di token e afferma che la calibrazione per chunk è identica sia che un chunk venga inviato da solo sia che faccia parte di un batch di cinquanta chunk, con il profilo condiviso fatturato una volta per richiesta. Sul numero grezzo, si tratta di una differenza di trenta volte ed è il più ampio divario singolo tra i due prodotti.

Quello che offre non è il throughput — è se hai bisogno di un livello di chunking. Un thread di assistenza, un ticket con la sua cronologia, un breve passaggio recuperato: tutto ciò entra in 32k con spazio per uno schema di domanda, e i due modelli sono più o meno equivalenti a quella dimensione. Un contratto completo, un documento di policy di più pagine, un lungo contesto recuperato o un modulo scansionato: niente di tutto questo entra in 32k, e il percorso documenti di Classify — JPEG, PNG, TIFF o PDF in base64, singola o multi-pagina, con il testo estratto restituito in un campo ocr_text — significa che il documento può essere inserito come byte invece che come testo preelaborato.

Entrambe le cifre provengono dai fornitori stessi. L'affermazione di ScaleDown sul milione di token non è stata corroborata in modo indipendente, e le schede di catalogo di terze parti per il modello indicano la lunghezza del contesto come non applicabile anziché ripetere il numero, il che è una limitazione del catalogo piuttosto che una contraddizione.

Spiegazioni: uno rifiuta, uno fa pagare il doppio

Microsoft-Decision-1 non produce spiegazioni, e la pagina del modello lo elenca come una limitazione anziché come una scelta di progettazione. ScaleDown Classify restituirà una spiegazione di una frase della sua etichetta principale, e la documentazione è precisa su che cos'è quella frase: viene generata dopo che l'etichetta principale è stata fissata, quindi spiega la decisione anziché rimetterla in discussione, è in formato libero e reinvia le etichette e le rubriche a 2x token di input fatturati. È disponibile solo per richieste con etichetta singola e un singolo input di testo o documento — le richieste multi-etichetta e in batch non la restituiscono mai.

Per una coda di revisione umana, quella frase è spesso la differenza tra un revisore che accetta una classificazione e un revisore che la rifà, il che rende facile giustificare il sovrapprezzo 2x sulla frazione di traffico che arriva a una persona. Per una pipeline automatizzata, è un peso morto sulla fattura, e dovrebbe essere disattivato.

Entrambi sono chiusi, e questo cambia ciò che puoi testare.

• Pesi — nessuno dei due li distribuisce; ScaleDown offre self-hosting enterprise e licenze su richiesta, la pagina di Microsoft non documenta alcun percorso di fine-tuning

• Limite di opzioni — ScaleDown 20 etichette per richiesta, 16 in modalità multi-etichetta, valutate in modo indipendente; il limite dell'insieme di opzioni di Microsoft-Decision-1 non è indicato nella pagina del modello

• Inferenza batch — ScaleDown documenta fino a 50 chunk per richiesta su un profilo di etichette condiviso; la pagina di Microsoft riporta l'inferenza batch come disabilitata

• Informativa sulla fatturazione — La tariffa di Classify è indicata, a $0.05 per milione di token di input e $0 per milione di token di output; la tariffa per token di Foundry non è indicata nella pagina del modello

• Struttura del prezzo — Classify si moltiplica in base al numero di etichette in modalità multi-etichetta e raddoppia con il reasoning abilitato; la tariffa di Foundry è per token, senza alcun moltiplicatore di etichette pubblicato

• Risposta vuota — Classify restituisce comunque un vincitore anche quando nulla è pertinente, quindi la soglia la definisci tu; secondo il comportamento dichiarato da Microsoft, una domanda formulata male restituisce comunque un punteggio

La conseguenza del fatto che entrambi siano chiusi è la stessa in entrambi i casi: non puoi ispezionare l'artefatto, quindi la tua unica verifica è comportamentale. Ciò rende non facoltativo un insieme di dati etichettati tuoi, tenuto da parte, e rende il costo del passaggio da un fornitore all'altro una ripetizione di quella valutazione anziché una modifica al codice.

Dove si colloca OrcaRouter in una pipeline basata su uno dei due

Nessuno di questi modelli è nel nostro catalogo, e nulla di quanto qui presente costituisce una dichiarazione di disponibilità: entrambi sono endpoint di scoring strutturato anziché target di chat-completions, e nessuno dei due ha bisogno di un livello di routing. Ciò che offriamo è il livello al di sopra di essi: gli oltre 200 modelli generativi dietro un'unica chiave compatibile con OpenAI che producono la bozza che il classificatore sta valutando, al prezzo di listino del provider passato con 0% di markup, con un DSL di routing per comporre più modelli in un'unica chiamata e failover automatico quando un percorso di serving si degrada. Se un modello decisionale determina ciò che il tuo livello di generazione può rilasciare, allora è nel livello di generazione che risiede il tuo rischio di uptime, ed è quella la metà che un'unica chiave può consolidare.

Quale scegliere?

Scegli Microsoft-Decision-1 se ti serve un footprint linguistico documentato, se sei già all'interno di Azure, oppure se la postura di conformità di un grande fornitore conta più, per il tuo procurement, di un valore di accuratezza pubblicato. Accetta che lo valuterai interamente sui tuoi dati, perché Microsoft ha scelto di non darti nient'altro.

Scegli ScaleDown Classify se i tuoi input superano i 32k token, se vuoi che il passaggio di estrazione sia integrato nella chiamata di classificazione, o se vuoi una rubrica per etichetta che puoi riscrivere senza riaddestrare nulla. Accetta che l'argomento sull'accuratezza è del fornitore e non riprodotto, che non viene pubblicato alcun numero di calibrazione e che dovrai scrivere la tua soglia di confidenza e un'etichetta catch-all.

La misurazione che deciderebbe la questione — entrambi i modelli su input identici, lo stesso ordinamento delle opzioni, la stessa scansione delle soglie, eseguita da qualcuno senza interessi in gioco — non è stata pubblicata da nessuno dei due fornitori. Finché uno dei due non la esegue, la lettura onesta è che Microsoft è la scelta predefinita più sicura e ScaleDown è lo strumento più capace.

Confronti come questo sono anche il punto in cui emergono le modalità di fallimento: gli incidenti AI documentati e i fallimenti degli agenti relativi ai modelli di questa classe sono raccolti in l'Archivio degli Incidenti AI di OrcaRouter, dove ogni voce riporta le proprie fonti, il livello di gravità, il grado di affidabilità e l'indicatore di contestazione.