Малые модели ScaleDown для рутинных задач в приложении: классификация, извлечение, суммаризация

13 октября 2026 года ScaleDown сняла завесу с трёх небольших узкоспециализированных моделей, которые продаёт под единой концепцией: Classify, Extract и Summarize — каждая создана для повторяющейся работы вокруг вызова LLM в продакшене, а не для разговора. Все три принимают на вход 1 млн токенов, все три принимают текст или изображения, и все три доступны через собственный API ScaleDown — и именно здесь вопрос ценообразования становится интересным, потому что у всех трёх совершенно разная структура затрат. Четвёртая модель в семействе, ScaleDown Compress, указана в документации вендора как инструмент сокращения контекста, а не как одна из новых трёх. Далее следует то, что документирует вендор, отдельно от того, что пока никто не воспроизвёл.

Что на самом деле вышло 13 октября

ScaleDown уже некоторое время поддерживает эндпоинт Decisions — интерфейс структурированного оценивания, который принимает объект состояния плюс карту типизированных вопросов и возвращает калиброванные вероятности. Анонс 13 октября стал моментом, когда компания начала продавать лежащие в основе модели как самостоятельные продукты, а не как один эндпоинт, и когда она стала описывать их как компоненты общего назначения для работы внутри приложений.

Три модели и их контракты, как их описывает поставщик:

• ScaleDown Classify — присваивает текст набору меток, который предоставляет вызывающий. Каждая метка имеет имя и рубрику, которую документация называет «вопросом с ответом „да/нет“, используемым моделью для оценки метки», и которую в документации описывают как самую важную часть запроса. В режиме одной метки возвращается распределение softmax, суммирующееся до 1.0, плюс лучшая метка; в режиме нескольких меток каждая метка оценивается независимо относительно заданного вызывающим порога.

• ScaleDown Extract — извлекает структурированные поля из неструктурированного текста. В документации семейства это модель, которая превращает документ в запись, которую ваш код может индексировать.

• ScaleDown Summarize — краткие абстрактивные резюме длинного ввода; именно на эту задачу, очевидно, в первую очередь рассчитано окно в 1 млн токенов.

Общий контракт для всех трёх — это то, что стоит зафиксировать письменно. Один миллион токенов входных данных на запрос — это примерно на порядок больше того, что принимают распространённые API среднего размера, и именно это число делает Summarize и Extract применимыми для работы с целыми документами без слоя разбиения на фрагменты. Ввод текста или изображения особенно важен именно для Extract: на входе — отсканированный счёт или скриншот формы, на выходе — поля, и между ними нет шага OCR. Все три обслуживаются собственным API ScaleDown, в документации которого базовый URL указан как span>api.scaledown.xyz/span>, и прямо указывается, что span>api.scaledown.ai/span> не является хостом API.

Единственное число, которое не похоже на остальные

Ценообразование — это то, где эти три перестают быть взаимозаменяемыми. Classify указан по цене $0.05 за миллион входных токенов и $0 за миллион выходных токенов, и в листинге модели в сторонних каталогах показан тот же тариф с иногда применяемой промо-скидкой; скидка не является обязательством ScaleDown, и на неё не следует рассчитывать. Нулевая цена за выходные данные — не маркетинговый трюк: классификатор, оцениваемый по рубрике, выдаёт метки и вероятности, а не сгенерированный текст, поэтому выставлять счёт не за что. Extract и Summarize действительно генерируют выходные данные, поэтому структура их затрат несопоставима со структурой затрат Classify, и цену следует уточнять непосредственно у поставщика, а не выводить из тарифа классификатора.

Детали тарификации Classify сложнее осмыслить, чем заявленную ставку. В однометочном режиме каждая метка и её рубрика входят в один вызов модели, поэтому каждая добавленная метка увеличивает количество тарифицируемых входных токенов; запрос объяснения выбора в одно предложение повторно отправляет их по двойной цене, а документация прямо говорит, что объяснение генерируется после фиксации основной метки, поэтому оно обосновывает ответ, а не подвергает его сомнению. В многометочном режиме каждая метка — это отдельный вызов модели, и каждый фрагмент оценивается отдельно. Таксономия из шестидесяти меток с включённым режимом рассуждений, следовательно, не является операцией стоимостью $0,05 за миллион токенов в том смысле, который подразумевает читатель; это эта ставка, умноженная на набор меток, а затем удвоенная, если режим рассуждений включён. Задокументированные ограничения — 20 меток на запрос, 16 в многометочном режиме, 50 фрагментов на пакет — это практические ограничения, которые нужно учитывать при проектировании.

Есть ещё одна документированная особенность, которая важнее любого из этих ограничений. Классификатор «всегда возвращает победителя», даже когда ни одна метка не подходит. Фильтрация по уверенности полностью оставлена на усмотрение вызывающей стороны. В запросе на 10 меток максимальная оценка 0,4 всё равно может быть правильным ответом, потому что оценки относительны внутри набора меток, а не абсолютны. Любое использование этой модели в продакшене требует собственной пороговой политики, а метка-«перехватчик» — в документации предлагается назвать её span>other/span>

Почему окно в 1 млн токенов у классификатора — это самое интересное

Модели-классификаторы традиционно принимают короткие входные данные. Причина механическая: классификатор с оценкой по рубрикам должен сопоставить весь вход с вопросом «да/нет» для каждой метки, а стоимость оценки документа объёмом в сто тысяч токенов по двадцати рубрикам — это двадцать полных проходов по этому документу. Ответ ScaleDown — это окно в 1M плюс слой пакетной обработки: до 50 фрагментов, оцениваемых по одному общему профилю в одном запросе, — и утверждение вендора состоит в том, что калибровка по каждому фрагменту одинакова, отправляете ли вы один фрагмент или пятьдесят, и единственное отличие в том, что общий профиль тарифицируется один раз за запрос.

Именно это утверждение и нужно проверить, прежде чем строить на нём что-то. Оно же делает модель интересной: вся причина классифицировать внутри приложения, а не на периферии, в том, что решение может видеть полный контекст — всю ветку поддержки, весь договор, весь извлечённый документ — а не усечённое окно. Если окно в 1M выдерживает ваши размеры входа, вопрос архитектуры («нужна ли мне схема с разбиением на фрагменты и голосованием?») в значительной степени исчезает. Если нет, у вас есть очень дешёвый классификатор для коротких входов и вторая проблема, которую нужно решить.

Заявки, требующие второго мнения

Маркетинг ScaleDown утверждает, что специализированные малые языковые модели превосходят передовые модели по стоимости, скорости и точности при выполнении больших объёмов повторяющейся работы, и приводит цифры, включая модель с примерно полумиллиардом параметров, достигающую 91,7% на простой задаче классификации против 88,6% у модели с 72 миллиардами параметров. Это собственные цифры вендора, и они не были независимо воспроизведены: ScaleDown Classify в настоящее время не имеет оценок в публичных таблицах лидеров, и ни одной строки сторонних бенчмарков не опубликовано. Относитесь к аргументу о точности как к гипотезе с правдоподобным механизмом — разрыв в эффективности выборки между специально обученной малой моделью и универсальной большой моделью на узкой таксономии реален и хорошо задокументирован — а не как к установленному результату.

Показатель входных данных в 1 млн токенов также заявлен производителем. В сторонних каталогах для этой модели длина контекста указана как неприменимая, а не продублировано число в миллион токенов, что является ограничением каталога, а не противоречием, но это означает, что контекстное окно не было подтверждено за пределами документации ScaleDown.

Как это вписывается, если у вас уже работает конвейер

Паттерн, на который нацелены эти три модели, — это цикл, а не один вызов: извлечь документ, классифицировать его, извлечь поля, суммировать его, а затем передать резюме генеративной модели, которая пишет ответ. Четвёртый шаг — дорогостоящий в расчёте на токен, и именно этот шаг покрывает OrcaRouter — более 200 моделей за одним ключом, совместимым с OpenAI, по цене из прайс-листа провайдера с нулевой наценкой, с автоматическим переключением при деградации пути обслуживания. Мы не размещаем ScaleDown Classify, Extract или Summarize; их нет в нашем каталоге, и они не являются целью для chat-completions, а слой маршрутизации здесь — это генеративная половина паттерна, а не половина оценки.

Это разделение стоит обозначить прямо, потому что сравнение затрат, к которому люди обычно прибегают, вводит в заблуждение. Классификатор, оцениваемый по рубрике, за несколько центов на миллион входных токенов и генеративная модель за несколько долларов на миллион — не конкуренты; это разные статьи расходов, и причина ставить небольшую модель на этап классификации в том, что это позволяет вам позволить себе более качественную модель на этапе, который действительно что-то пишет.

Что изменило бы эту оценку?

Три вещи, в порядке того, насколько они могли бы изменить картину. Независимая оценка задачи классификации, оцениваемой по рубрике, на публичном бенчмарке превратила бы аргумент о точности из утверждения вендора в факт. Опубликованное значение задержки — вендор документирует факторы стоимости, но не задержку обслуживания — позволило бы определить, пригодно ли окно в 1M для потоковой обработки или только для пакетной. А воспроизведение третьей стороной утверждения о калибровке по чанкам решило бы, является ли пакет из пятидесяти чанков оптимизацией затрат или другой моделью. Пока не появится хотя бы один из этих результатов, честный вывод таков: ScaleDown выпустила три модели с необычно чёткими контрактами и необычно большими ограничениями на входные данные, по ценам, которые делают этап классификации на основе порогов достаточно дешёвым, чтобы его рассматривать, а числа, их подтверждающие, принадлежат самому вендору.

Краткая версия

Если у вас есть этап высокообъёмной классификации или извлечения со стабильной таксономией и входными данными в виде текста или изображений, три модели ScaleDown стоит на этой неделе протестировать на собственных данных, потому что контракт прост, а лимит на вход щедрый. Заложите в бюджет умножение меток и двукратную надбавку за рассуждения, прежде чем зафиксировать таксономию, и будьте готовы задавать собственный порог уверенности. Если ваша задача — открытая генерация, всё это не для вас.

Выбор моделей — это также вопрос о том, что пошло не так раньше: документированные инциденты с ИИ и сбои агентов, связанные с моделями этого класса, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и флаг спорности.