Microsoft: Microsoft-Decision-1 kontra ScaleDown: Classify-1

Microsoft: Microsoft-Decision-1 to model decyzyjny od Microsoft, wydany 2026-10-09. ScaleDown: Classify-1 to model decyzyjny od ScaleDown, wydany 2026-10-13. Oba należą do tej samej kategorii, więc są ukierunkowane na to samo szerokie zadanie: przyjęcie danych wejściowych i zwrócenie decyzji, a nie akapitu prozy. Żaden z dostawców nie jest nowicjuszem w udostępnianiu modeli przez API, więc wybór między nimi sprowadza się do dopasowania do konkretnych danych wejściowych i rozmiaru kontekstu, a nie do marki.

Najwyraźniejsza różnica to okno kontekstu. Microsoft-Decision-1 przyjmuje 32768 tokenów, a ScaleDown: Classify-1 przyjmuje 1000000 tokenów, więc ScaleDown daje znacznie większy kontekst. Modalności wejściowe również się różnią. Microsoft-Decision-1 przyjmuje tylko tekst. ScaleDown: Classify-1 przyjmuje tekst, obrazy i pliki, więc jeśli twoja decyzja zależy od zeskanowanego formularza, zrzutu ekranu lub przesłanego dokumentu, ScaleDown może je przetworzyć bezpośrednio, podczas gdy Microsoft wymagałby najpierw przekonwertowania wszystkiego na tekst. Oba zwracają decyzje jako swoją modalność wyjściową, więc po stronie wyjścia nie ma różnicy, a żaden model nie wymienia obsługiwanych parametrów, co oznacza, że nie należy oczekiwać, iż dodatkowe ustawienia, takie jak temperature czy top_p, będą respektowane w treści żądania.

W przypadku prostych zadań decyzyjnych opartych wyłącznie na tekście, gdzie prompt mieści się swobodnie w 32768 tokenach, Microsoft-Decision-1 jest rozsądnym domyślnym wyborem. To model Microsoft, co może mieć znaczenie, jeśli twój stos technologiczny już skłania się w tę stronę, a mniejszy kontekst nie jest ograniczeniem dla krótkich danych wejściowych w stylu klasyfikacji. Sięgnij po ScaleDown: Classify-1, gdy decyzja musi uwzględniać długi dokument, dużą partię tekstu lub dane wejściowe inne niż tekst, takie jak obraz lub załączony plik, w jednym wywołaniu, ponieważ jest to jedyny z tych dwóch, który widzi te modalności, i przyjmuje znacznie więcej tokenów. Jeśli twoje dane wejściowe są tekstowe i małe, oba modele mają w przybliżeniu taką samą cenę po stronie wejścia, więc koszt nie jest tam czynnikiem decydującym.

Każdy z tych modeli wywołujesz przez API zgodne z OpenAI w api14. Skieruj istniejącego klienta na bazowy URL api14 ze swoim kluczem api14, a następnie ustaw pole model na identyfikator, którego chcesz użyć. Dla Microsoft identyfikator to microsoft/microsoft-decision-1, a dla ScaleDown to scaledown/classify-1. Wszystko inne w żądaniu pozostaje takie samo, więc zmiana to modyfikacja jednej linii w identyfikatorze modelu, co ułatwia porównanie A/B obu modeli na własnych danych wejściowych. Pamiętaj, że żaden model nie wymienia obsługiwanych parametrów, więc utrzymuj treści żądań minimalne i unikaj przekazywania ustawień próbkowania, które mogą zostać odrzucone lub zignorowane.

Nie ma tu faktu, który czyniłby jeden model ściśle lepszym w każdym przypadku. ScaleDown: Classify-1 wygrywa pod względem długości kontekstu i modalności wejściowych i nie jest droższy na wejściu, ale Microsoft-Decision-1 pozostaje dobrym wyborem dla krótkich decyzji opartych wyłącznie na tekście, szczególnie jeśli preferujesz model obsługiwany przez Microsoft. Zacznij od modelu, którego ograniczenia pasują do twoich danych wejściowych, a jeśli nie jesteś pewien, uruchom to samo żądanie na obu identyfikatorach i porównaj decyzje na własnych danych.