ScaleDown Classify vs Microsoft-Decision-1: Um publica números, o outro publica método

A ScaleDown Classify e a Microsoft-Decision-1 são as duas opções fechadas e hospedadas nesta comparação. Nenhuma das duas distribui pesos, nenhuma das duas é algo que você baixa, e ambas se baseiam na mesma premissa: a de que uma decisão — qual categoria, qual opção, qual destas — deve ser lida a partir das probabilidades de um modelo, e não escrita como texto por um loop de geração. A Microsoft-Decision-1 está disponível em geral no Microsoft Foundry desde 8 de outubro de 2026 como um decoder denso de 9 bilhões de parâmetros pós-treinado pela Microsoft, com 25 idiomas compatíveis e um contexto de 32.768 tokens. A ScaleDown Classify é um motor de rubrica hospedado a US$ 0,05 por milhão de tokens de entrada e US$ 0 por milhão de tokens de saída, com um limite de entrada de 1 milhão de tokens e um teto de vinte rótulos. O que as separa não é a capacidade. É o que cada empresa está disposta a publicar sobre o próprio modelo, e elas escolheram metades opostas.

A inversão da divulgação

A documentação do Foundry do Microsoft-Decision-1 descreve sua avaliação com um nível de detalhe incomum. Benchmarks de decisão públicos e da comunidade, além de conjuntos internos reservados. Métricas que incluem acurácia e erro de calibração. Ordem das opções variada. Testes estatísticos pareados. Uma estrutura de avaliação idêntica para cada modelo com o qual ele é comparado. E então informa que o modelo "tem desempenho equivalente ao dos principais modelos de decisão e à frente de outros modelos de decisão abertos avaliados com a mesma metodologia" — e não apresenta nenhum número. Nenhum valor de acurácia, nenhum erro de calibração, nenhuma tabela por benchmark.

O que a Microsoft publica é uma lista de limitações, e é uma boa lista. As pontuações variam conforme a formulação e a ordem das opções. Uma pergunta mal formulada ainda retorna uma pontuação. A calibração é mais forte em tipos de tarefa familiares. Nenhuma explicação é produzida. Os pontos fortes nomeados do modelo são raciocínio, aplicação de regras e robustez à formatação do prompt; os pontos fracos nomeados são conhecimento especializado de domínio e desempenho em idiomas que não o inglês.

O ScaleDown Classify executa a imagem espelhada dessa política. Sua documentação entra em detalhes operacionais sobre como escrever uma solicitação — a rubrica é descrita como a parte mais importante de uma solicitação de classificação, formulada como uma pergunta direta de sim/não, evitando negações, mantida sem sobreposição para que a massa de probabilidade não seja dividida de forma imprevisível — e o marketing do fornecedor traz alegações de precisão e custo, incluindo um modelo de aproximadamente meio bilhão de parâmetros alcançando 91,7% em uma tarefa simples de classificação, contra 88,6% de um modelo de 72 bilhões de parâmetros. Nenhuma delas está atrelada a uma metodologia descrita, e o ScaleDown Classify não traz nenhum erro de calibração esperado publicado em qualquer harness público.

Então a escolha é entre um fornecedor que lhe diz como mediu e não o que encontrou, e um fornecedor que lhe diz o que encontrou e não como mediu. Nenhum dos dois é uma divulgação completa, e nenhum deles deve ser tratado como tal.

Linguagens: uma publica uma contagem, a outra não publica nada

Microsoft-Decision-1 lista 25 idiomas suportados e declara claramente que cobertura, qualidade e calibração “podem variar conforme o idioma”, citando idiomas que não são inglês e, especialmente, idiomas com menos recursos como áreas de desempenho inferior. Essa é uma divulgação útil: ela informa que o modelo é multilíngue, informa aproximadamente o quão multilíngue, e informa onde não se deve confiar nele.

A documentação do Classify da ScaleDown não publica uma lista de idiomas. Nada na referência da API declara quais idiomas a pontuação da rubrica contempla, nem se o fraseado da rubrica em um idioma que não seja o inglês se comporta da mesma forma, e a orientação sobre a rubrica — formule-a como uma pergunta direta de sim/não, evite negações — está escrita de um modo que pressupõe implicitamente um solicitante que fala inglês e escreve rubricas em inglês. Para um classificador que, na prática, será direcionado a tickets de suporte internacionais, essa é a lacuna a ser fechada antes de você se comprometer, e é uma lacuna que só a sua própria avaliação pode fechar.

Se você precisar de uma pegada linguística documentada, esta comparação termina aqui e a Microsoft vence por padrão. Se você for apenas de inglês, a contagem não é um fator e o restante da decisão gira em torno do comprimento da entrada e dos limites.

Contexto: 32.768 tokens contra um milhão

A Microsoft documenta uma única invocação com até 32.768 tokens. A ScaleDown documenta um limite de entrada de 1M tokens e afirma que a calibração por bloco é idêntica quer um bloco seja enviado sozinho quer como parte de um lote de cinquenta blocos, com o perfil compartilhado cobrado uma vez por requisição. Em termos do número bruto, isso é uma diferença de trinta vezes e é a maior lacuna individual entre os dois produtos.

O que isso proporciona não é taxa de transferência — é se você precisa de uma camada de chunking. Um thread de suporte, um ticket com seu histórico, uma passagem curta recuperada: tudo isso cabe dentro de 32k com espaço para um esquema de pergunta, e os dois modelos são aproximadamente equivalentes nesse tamanho. Um contrato completo, um documento de política de várias páginas, um contexto recuperado longo ou um formulário digitalizado: nada disso cabe em 32k, e o caminho de documento do Classify — JPEG, PNG, TIFF ou PDF em base64, de página única ou múltiplas páginas, com o texto extraído retornado em um campo ocr_text — significa que o documento pode entrar como bytes em vez de texto pré-processado.

Ambos os números são dos próprios fornecedores. A alegação da ScaleDown de um milhão de tokens não foi corroborada de forma independente, e as listagens de catálogos de terceiros para o modelo indicam o comprimento de contexto como não aplicável, em vez de repetirem o número, o que é uma limitação do catálogo, e não uma contradição.

Explicações: um recusa, o outro cobra o dobro

O Microsoft-Decision-1 não produz explicações, e a página do modelo lista isso como uma limitação, e não como uma escolha de design. O ScaleDown Classify retorna uma explicação de uma frase para o seu rótulo principal, e a documentação é criteriosa quanto ao que essa frase é: ela é gerada depois que o rótulo principal é fixado, portanto explica a decisão em vez de questioná-la, tem formato livre e reenvia os rótulos e as rubricas a 2x tokens de entrada faturados. Ela está disponível apenas em solicitações de rótulo único com uma única entrada de texto ou documento — solicitações com múltiplos rótulos e em lote nunca a retornam.

Para uma fila de revisão humana, essa frase costuma ser a diferença entre um revisor aceitar uma classificação e um revisor refazê-la, o que torna a sobretaxa de 2x fácil de justificar na fração do tráfego que chega a um humano. Para um pipeline automatizado, ela é peso morto na conta, e deveria estar desativada.

Ambos estão fechados, e isso muda o que você pode testar.

• Pesos — nenhum dos dois os fornece; a ScaleDown oferece auto-hospedagem corporativa e licenciamento sob solicitação, e a página da Microsoft não documenta nenhum caminho de fine-tuning

• Teto de opções — ScaleDown: 20 rótulos por solicitação, 16 no modo multi-rótulo, pontuados independentemente; o teto do conjunto de opções do Microsoft-Decision-1 não é informado na página do modelo

• Inferência em lote — O ScaleDown documenta até 50 chunks por requisição em um perfil de rótulo compartilhado; a página da Microsoft lista a inferência em lote como desativada

• Divulgação de cobrança — A tarifa do Classify está impressa, a US$ 0,05 por milhão de tokens de entrada e US$ 0 por milhão de tokens de saída; a tarifa por token do Foundry não está impressa na página do modelo

• Forma do preço — Classify multiplica pelo número de rótulos no modo multi-rótulo e duplica quando o raciocínio está ativado; a tarifa do Foundry é por token, sem multiplicador de rótulos publicado

• Resposta vazia — Classify retorna um vencedor mesmo quando nada se encaixa, então você define o limite; o comportamento declarado pela Microsoft é que uma pergunta mal formulada ainda retorna uma pontuação

A consequência de ambos estarem fechados é a mesma nos dois casos: não pode inspecionar o artefacto, por isso a sua única verificação é comportamental. Isso torna obrigatório um conjunto reservado dos seus próprios dados rotulados e faz com que o custo de mudar de fornecedor seja refazer essa avaliação, em vez de uma alteração de código.

Onde o OrcaRouter se situa em um pipeline construído sobre qualquer um

Nenhum desses modelos está no nosso catálogo, e nada aqui é uma afirmação de disponibilidade — ambos são endpoints estruturados de pontuação, e não alvos de chat-completions, e uma camada de roteamento não é o que qualquer um dos dois precisa. O que oferecemos é a camada acima deles: os mais de 200 modelos generativos por trás de uma única chave compatível com OpenAI que produzem o rascunho que o classificador está avaliando, ao preço de lista do provedor repassado com 0% de markup, com uma DSL de roteamento para compor vários modelos em uma única chamada e failover automático quando um caminho de serving se degrada. Se um modelo de decisão controla o que sua camada de geração tem permissão para entregar, então a camada de geração é onde reside o risco de uptime, e é essa a metade que uma única chave pode consolidar.

Qual escolher

Escolha o Microsoft-Decision-1 se você precisar de uma pegada linguística documentada, se já estiver dentro do Azure, ou se a postura de conformidade de um grande fornecedor importar mais para o seu processo de compras do que um índice de precisão publicado. Aceite que você o avaliará inteiramente com os seus próprios dados, porque a Microsoft optou por não lhe dar mais nada.

Escolha o ScaleDown Classify se suas entradas ultrapassarem 32k tokens, se você quiser que a etapa de extração seja incorporada à chamada de classificação, ou se você quiser uma rubrica por rótulo que possa reescrever sem treinar nada de novo. Aceite que o argumento de acurácia é do próprio fornecedor e não foi reproduzido, que nenhum número de calibração é publicado, e que você escreverá seu próprio limiar de confiança e um rótulo genérico.

A medição que decidiria isto — ambos os modelos com entradas idênticas, a mesma ordenação de opções, a mesma varredura de limiares, executada por alguém sem interesses no assunto — não foi publicada por nenhum dos fornecedores. Até que um deles a execute, a leitura honesta é que a Microsoft é a predefinição mais segura e a ScaleDown é o instrumento mais capaz.

É também em comparações como esta que os modos de falha aparecem: os incidentes de IA documentados e as falhas de agentes por trás dos modelos desta classe são reunidos no OrcaRouter AI Incident Archive, onde cada entrada traz as suas próprias fontes, severidade, grau de confiança e sinalizador de disputa.