Microsoft: Microsoft-Decision-1 mot ScaleDown: Classify-1

Microsoft: Microsoft-Decision-1 är en beslutsmodell från Microsoft, släppt 2026-10-09. ScaleDown: Classify-1 är en beslutsmodell från ScaleDown, släppt 2026-10-13. Båda tillhör samma kategori, så de riktar sig mot samma breda uppgift: att ta en indata och returnera ett beslut snarare än ett stycke prosa. Ingen av leverantörerna är nybörjare på att leverera modeller via API:er, så valet mellan dem handlar om passform för dina specifika indata och din kontextstorlek snarare än varumärket.

Den tydligaste skillnaden är kontextfönstret. Microsoft-Decision-1 accepterar 32768 tokens, medan ScaleDown: Classify-1 accepterar 1000000 tokens, så ScaleDown ger dig den större kontexten med bred marginal. Indatamodaliteterna skiljer sig också. Microsoft-Decision-1 tar endast text. ScaleDown: Classify-1 tar text, bilder och filer, så om ditt beslut beror på ett skannat formulär, en skärmbild eller ett uppladdat dokument kan ScaleDown konsumera det direkt, medan Microsoft skulle kräva att du först konverterar allt till text. Båda returnerar beslut som sin utdatamodalitet, så det finns ingen skillnad på utdatasidan, och ingen av modellerna listar några parametrar som stöds, vilket innebär att du inte bör förvänta dig att extra reglage som temperature eller top_p respekteras i förfrågans body.

För enkla beslutsuppgifter med endast text, där prompten ryms bekvämt inom 32768 tokens, är Microsoft-Decision-1 ett rimligt standardval. Det är en Microsoft-modell, vilket kan spela roll om din stack redan lutar åt det hållet, och den mindre kontexten är inte en begränsning för korta indata av klassificeringstyp. Välj ScaleDown: Classify-1 när beslutet måste ta hänsyn till ett långt dokument, en stor textmängd eller indata som inte är text, till exempel en bild eller en bifogad fil, i ett enda anrop, eftersom den är den enda av de två som kan se dessa modaliteter och den accepterar långt fler tokens. Om dina indata är text och små ligger de två ungefär på samma pris på indatasidan, så kostnaden är inte den avgörande faktorn där.

Du anropar endera modellen via api14:s OpenAI-kompatibla API. Rikta din befintliga klient mot api14:s bas-URL med din api14-nyckel och ställ sedan in fältet model till det id du vill använda. För Microsoft är id:t microsoft/microsoft-decision-1, och för ScaleDown är det scaledown/classify-1. Allt annat i förfrågan förblir detsamma, så bytet är en ändring på en rad i modell-id:t, vilket gör det enkelt att A/B-testa de två mot dina egna indata. Kom ihåg att ingen av modellerna listar några parametrar som stöds, så håll förfrågans body minimal och undvik att skicka samplingsinställningar som kan avvisas eller ignoreras.

Det finns inget faktum här som gör den ena modellen strikt bättre i alla fall. ScaleDown: Classify-1 vinner på kontextlängd och indatamodaliteter och är inte dyrare på indata, men Microsoft-Decision-1 är fortfarande ett bra val för korta beslut med endast text, särskilt om du föredrar en Microsoft-levererad modell. Börja med modellen vars gränser matchar dina indata, och om du är osäker kan du köra samma förfrågan mot båda id:na och jämföra besluten på dina egna data.