Modelos Pequenos da ScaleDown para Tarefas Rotineiras no Aplicativo: Classificar, Extrair, Resumir

Em 13 de outubro de 2026, a ScaleDown revelou três pequenos modelos específicos para tarefas que vende como uma única ideia: Classify, Extract e Summarize, cada um desenvolvido para o trabalho repetitivo que cerca uma chamada de LLM em produção, e não para conversação. Todos os três aceitam uma entrada de 1M tokens, todos os três aceitam texto ou imagens, e todos os três podem ser acessados pela própria API da ScaleDown — e é aí que a questão de preços fica interessante, porque os três têm formatos de custo completamente diferentes. O quarto modelo da família, ScaleDown Compress, está listado na documentação do fornecedor como uma ferramenta de redução de contexto, e não como um dos três novos. O que segue é o que o fornecedor documenta, mantido separado daquilo que ninguém ainda reproduziu.

O que realmente saiu em 13 de outubro

A ScaleDown opera um endpoint Decisions há algum tempo — uma interface de pontuação estruturada que recebe um objeto de estado e um mapa de perguntas tipadas e retorna probabilidades calibradas. O anúncio de 13 de outubro é o momento em que a empresa começou a vender os modelos subjacentes como produtos autónomos, em vez de como um único endpoint, e em que passou a descrevê-los como componentes de uso geral para trabalho dentro de aplicações.

Os três modelos e seus contratos, como o fornecedor os documenta:

• ScaleDown Classify — atribui texto a um conjunto de rótulos fornecido pelo chamador. Cada rótulo carrega um nome e uma rubrica, que a documentação chama de "uma pergunta de sim/não que o modelo usa para pontuar o rótulo", e que a documentação descreve como a parte mais importante da requisição. O modo de rótulo único retorna uma distribuição softmax que soma 1,0 mais um rótulo principal; o modo multi-rótulo pontua cada rótulo independentemente em relação a um limite definido pelo chamador.

• ScaleDown Extract — extrai campos estruturados de texto não estruturado. Na documentação da família, este é o modelo que transforma um documento em um registro que seu código pode indexar.

• ScaleDown Summarize — resumos abstrativos curtos de entradas longas, que é a tarefa para a qual a janela de 1M tokens é mais obviamente direcionada.

O contrato compartilhado entre os três é a parte que vale a pena registrar. Um milhão de tokens de entrada por requisição é aproximadamente uma ordem de magnitude além do que APIs convencionais de médio porte aceitam, e é o número que torna Summarize e Extract plausíveis para trabalho em documentos inteiros sem uma camada de chunking. A entrada de texto ou imagem importa para Extract especificamente: uma fatura digitalizada ou uma captura de tela de um formulário entra, campos saem, e nenhuma etapa de OCR fica entre eles. Os três são servidos pela própria API da ScaleDown, cuja documentação fornece a URL base como span>api.scaledown.xyz/span> e deixam explícito que span>api.scaledown.ai/span> não é um host de API.

O único número que não é como os outros

A precificação é o ponto em que esses três deixam de ser intercambiáveis. O Classify está listado a $0,05 por milhão de tokens de entrada e $0 por milhão de tokens de saída, e a listagem do modelo em catálogos de terceiros mostra essa mesma tarifa com um desconto promocional aplicado às vezes; o desconto não é um compromisso da ScaleDown e não se deve planejar com base nele. O preço zero de saída não é um truque de marketing — um classificador pontuado por rubrica emite rótulos e probabilidades, não texto gerado, portanto não há nada a cobrar. O Extract e o Summarize geram saída, então seus perfis de custo não são comparáveis aos do Classify e devem ser precificados diretamente com o fornecedor, em vez de inferidos a partir da tarifa do classificador.

O detalhe de cobrança do Classify é mais difícil de compreender do que a taxa anunciada. No modo de rótulo único, cada rótulo e sua rubrica entram em uma única chamada ao modelo, então cada rótulo que você adiciona aumenta os tokens de entrada cobrados; pedir uma explicação de uma frase sobre a escolha os reenvia a 2x, e a documentação diz claramente que a explicação é gerada depois que o rótulo principal é fixado, então ela justifica a resposta em vez de questioná-la. No modo multirrótulo, cada rótulo é uma chamada separada ao modelo, e cada trecho é pontuado separadamente. Uma taxonomia de sessenta rótulos com raciocínio ativado, portanto, não é uma operação de US$ 0,05 por milhão de tokens no sentido que um leitor presume; é essa taxa multiplicada pelo conjunto de rótulos e, depois, dobrada se o raciocínio estiver ativado. Os limites documentados — 20 rótulos por requisição, 16 no modo multirrótulo, 50 trechos por lote — são as restrições práticas que devem orientar o projeto.

Há mais um comportamento documentado que importa mais do que qualquer um desses limites. O classificador "sempre retorna um vencedor", mesmo quando nenhum rótulo se encaixa. A filtragem por confiança é deixada inteiramente para o chamador. Em uma solicitação com 10 rótulos, uma pontuação máxima de 0,4 ainda pode ser a resposta correta, porque as pontuações são relativas dentro do conjunto de rótulos, e não absolutas. Todo uso em produção desse modelo precisa de sua própria política de limiar, e um rótulo que abrange tudo — a documentação sugere nomear um span>other/span> — não é opcional na prática.

Por que uma janela de 1M de tokens em um classificador é a parte interessante

Modelos classificadores convencionalmente aceitam entradas curtas. A razão é mecânica: um classificador pontuado por rubrica precisa avaliar toda a entrada em relação à pergunta de sim/não de cada rótulo, e o custo de pontuar um documento de cem mil tokens em relação a vinte rubricas é de vinte passagens completas por esse documento. A resposta da ScaleDown é a janela de 1M mais a camada de batching — até 50 chunks pontuados em relação a um perfil compartilhado em uma única requisição — e a alegação do fornecedor é que a calibração por chunk é a mesma, quer você envie um chunk ou cinquenta, sendo a única diferença que o perfil compartilhado é cobrado uma vez por requisição.

Essa afirmação é a que deve ser testada antes de você construir em cima dela. Também é a afirmação que torna o modelo interessante: toda a razão para classificar dentro da aplicação em vez de na borda é que a decisão consegue ver o contexto completo — toda a thread de suporte, todo o contrato, todo o documento recuperado — em vez de uma janela truncada. Se a janela de 1M se sustentar nos seus tamanhos de entrada, a questão de arquitetura ("preciso de um esquema de chunking e votação?") praticamente desaparece. Se não se sustentar, você tem um classificador de entradas curtas muito barato e um segundo problema para resolver.

As alegações que precisam de uma segunda opinião

O marketing da ScaleDown argumenta que modelos de linguagem pequenos, específicos para tarefas, superam modelos de fronteira em custo, velocidade e precisão para trabalho repetitivo de grande volume, e cita números que incluem um modelo de aproximadamente meio bilhão de parâmetros alcançando 91,7% numa tarefa simples de classificação, contra 88,6% de um modelo de 72 bilhões de parâmetros. Esses são os números do próprio fornecedor e não foram reproduzidos de forma independente: o ScaleDown Classify encontra-se atualmente sem pontuação nas tabelas de classificação públicas, sem linhas de benchmark de terceiros publicadas. Trate o argumento da precisão como uma hipótese com um mecanismo plausível — a diferença de eficiência de amostragem entre um modelo pequeno treinado para um propósito específico e um modelo grande de uso geral numa taxonomia estreita é real e bem documentada —, não como um resultado estabelecido.

O número de entrada de 1M tokens também é declarado pelo fornecedor. As listagens de catálogos de terceiros para o modelo mostram o comprimento do contexto como não aplicável, em vez de repetirem o número de um milhão de tokens, o que é uma limitação do catálogo, e não uma contradição, mas significa que a janela não foi corroborada fora da documentação da ScaleDown.

Onde isto se encaixa se você já estiver executando um pipeline

O padrão que esses três modelos visam é um loop, não uma única chamada: recuperar um documento, classificá-lo, extrair campos, resumi-lo e, em seguida, entregar o resumo a um modelo generativo que escreve a resposta. O quarto passo é o caro em termos de custo por token, e é o passo que a OrcaRouter cobre — mais de 200 modelos atrás de uma única chave compatível com OpenAI a preço de tabela do provedor repassado com 0% de margem, com failover automático quando um caminho de serviço se degrada. Não hospedamos ScaleDown Classify, Extract ou Summarize; eles não estão no nosso catálogo e não são um alvo de chat-completions, e a camada de roteamento aqui é a metade de geração do padrão, e não a metade de pontuação.

Vale a pena deixar essa divisão clara, porque a comparação de custos à qual as pessoas vão recorrer é enganosa. Um classificador pontuado por rubrica a alguns centavos por milhão de tokens de entrada e um modelo generativo a alguns dólares por milhão não são concorrentes; são itens de custo diferentes, e o motivo de colocar um modelo pequeno na etapa de classificação é que isso permite pagar por um modelo melhor na etapa que de fato escreve algo.

O que mudaria esta avaliação?

Três coisas, por ordem de quanto alterariam o panorama. Uma avaliação independente da tarefa de classificação pontuada por rubrica num benchmark público transformaria o argumento de precisão de uma alegação do fornecedor num dado. Um valor de latência publicado — o fornecedor documenta os fatores de custo, mas nenhuma latência de serviço — resolveria se a janela de 1M é utilizável em débito ou apenas em lote. E uma reprodução por terceiros da alegação de calibração por bloco decidiria se um lote de cinquenta blocos é uma otimização de custo ou um modelo diferente. Até que pelo menos uma dessas coisas se concretize, o resumo honesto é que a ScaleDown lançou três modelos com contratos invulgarmente claros e limites de entrada invulgarmente grandes, a preços que tornam uma etapa de classificação baseada em limiar suficientemente barata para ser considerada, e que os números que os sustentam são do próprio fornecedor.

A versão curta

Se você tem um estágio de classificação ou extração de alto volume com uma taxonomia estável e entrada de texto ou imagem, os três modelos da ScaleDown merecem um benchmark nos seus próprios dados esta semana, porque o contrato é simples e o limite de entrada é generoso. Reserve orçamento para a multiplicação de rótulos e a sobretaxa de raciocínio de 2x antes de se comprometer com uma taxonomia, e espere ter de escrever seu próprio limite de confiança. Se sua tarefa é geração aberta, nada disso é voltado para você.

A escolha de modelos também é uma questão do que já deu errado antes: os incidentes de IA documentados e as falhas de agentes por trás dos modelos dessa classe estão reunidos em o OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalizador de disputa.