ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)とは？
Constrained Decoding Models（CDM）は、ScaleDownの単一タスク向けのホスト型モデル群で、共同創業者でCEOのNeal Patelが2026年10月13日に発表しました。Classifyは定義したラベルごとに確率を返し、Extractは説明したフィールドをJSONに抜き出し、Summarizeは最大1,000トークンの要約を書きます。以前からあるCompressは、LLMを呼ぶ前にコンテキストを削ります。4つとも最大1Mトークンの入力を受け付け、3つのCDMは画像とPDFも読みます。
Classifyには2つのインターフェースがあります。POST /classifyはルーブリック付きのラベルを受け取り、最大50件の入力のバッチに対応します。POST /v1/scaledownは、ScaleDownのドキュメントが"a drop-in replacement for the Jev Decisions API"と呼ぶもので、TypeSafeのJevのリクエストとレスポンスの形を写し、choice、noul（yes/no）、scoreの質問に対応します。ScaleDownは別会社でJevを提供しているわけではなく、同じリクエスト形式の裏に自社のモデルを用意しています。ExtractとSummarizeは、https://api.scaledown.xyzのOpenAI互換の/v1/chat/completionsエンドポイントで呼び出します。
テキスト入力は100万トークンあたり$0.05、画像は$0.15で、出力は無料です。OpenRouterでは、Classify-1、Extract、Summarizeが20%割引で$0.04と掲載されています。
ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)は使う価値があるか？
検証に耐えるのはScaleDownの価格の主張で、発表時の計算の大半は耐えません。発表記事は"200x faster, 467x cheaper than frontier LLM APIs"とうたうモデルと、Jevの72%に対してDecisionBenchで77.2%を約束していました。ScaleDown自身のベンチマークのドキュメントははるかに控えめで、各プロバイダーのラインナップ平均より2.2から13.9倍速く、OpenAIの平均より89倍、Anthropicの平均より161倍安いとしています。DecisionBenchの77.2%という結果の公開記 録は見つかっておらず、独立した記事によると、Bitrootのスレッドがこの欠落を指摘しました。ScaleDownの比較はすべて自己申告です。
最良の独立した証拠は、Ishank ChoudharyがDEV Communityで行った1,000回の呼び出しテストです。査読付きの評価ではなく、1人のエンジニアによる試行です。CLINC150の300のインテントで、Jev互換のDecisionsエンドポイントは97.3%（95%区間は94.8から98.6）で、ローカルのQwen3 1.7Bは90.7%でした。Bitextのサポートチケット110件では92.7%対62.7%です。ExtractはSROIEのレシート50枚でフィールド精度89.5%とローカルモデルと並びましたが、合計金額は毎回正しく読み取り、ローカルモデルは78%でした。またすべての値に信頼度スコアと元テキスト内の文字オフセットが付いて返ります。
請求はプロンプトより大きくなります。ScaleDownはラベルの基準、スキーマ、内部のプロンプトも入力として数えます。Choudharyのclassifyの呼び出しは約481トークンで課金され、同じタスクを素のプロンプトにすると172でした。Decisionsエンドポイントでは、質問ごとに別々のモデル呼び出しとして別々に課金されますが、Jevはすべての質問に1回で答えます。定価では、短い分類はgpt-5-nanoの2倍の費用（1,000回あたり$0.024対$0.012）になり、抽出でもわずかに高くなりました（$0.069対$0.057）。節約が大きいのはフラッグシップモデルと比べた場合だけで、同じテストでgpt-5.5の45から102分の1でした。/classifyのバッチモードは助けになります。50件の入力が、課金されるラベルのセット1つを共有するからです。
3つの中で最も弱いのはSummarizeです。QMSumの会議6件で事実の捏造はありませんでしたが、質問を受けると会議の違う部分を要約することが多く、369,000トークンの文書では2つの会議シリーズのうち1つしか扱いませんでした。1Mトークンのウィンドウは入力を受け付けますが、モデルがそのすべてを読むことは保証しません。
Jev自体と比べると、互換性は本物ですが部分的です。ドキュメントに載っているモデル名は2つ（classifyとclassify-1）で、box型の質問はなく、score型の質問は最大10段階、choice型の質問が動く/classifyのラベルの上限は20で、Jevの255の選択肢に及びません。長い選択肢のリストや1リクエストに多くの質問を持つJevのルーティング層は、同じコストでは移植できません。
真価を発揮する場面
Jevのルーティング層を本番で運用するプラットフォームエンジニア
価格とフェイルオーバーのために、同じ判定の質問を2社目のベンダーで実行する
既存のJevのリクエストの形を/v1/scaledownに向け、記録したトラフィックで回答を比べます。複数の質問を含むリクエストは質問ごとに1回分が課金され、20を超える選択肢のchoice質問は分割が必要なので、切り替える前に請求額を測ってください。
週5,000枚のレシートをスキャンする中規模卸売業者の買掛金担当責任者
写真から加盟店、日付、合計を、監査証跡付きで台帳に取り込 む
Extractが画像を読み、各フィールドを信頼度とテキスト内のオフセット付きで返し、信頼度の低い行は担当者に回します。独立したテストでは、レシートの合計を50回中50回正しく読み、費用は1,000回あたり約$0.069でした。
過去のチケットにタグを付ける銀行のサポート運用アナリスト
1,000万件の未処理のチケットを、一晩で15のインテントに分類する
/classifyのリクエストごとに50件のチケットを送り、15のルーブリックがチケットごとではなくバッチごとに1回だけ課金されるようにします。バッチのリクエストでは1文の理由付けの呼び出しが省かれます。単発のリクエストでは、この呼び出しがルーブリックを2倍の入力価格で再送します。
導入前に確認すること
- 導入
- サイトでは、カード不要で1Mの無料トークン付きの登録ができますが、ドキュメントの導入部は今も新規ユーザーにキーのための営業との通話を案内しています。リクエストはx-api-keyヘッダーを付けてhttps://api.scaledown.xyzに送ります。api.scaledown.aiはAPIのホストではありません。
- 連携
- 独自の/classifyと/compress/raw/のエンドポイ ント、Jevと同じ形のPOST /v1/scaledown、extractとsummarize用のOpenAI互換のchat completionsがあります。OpenRouter（Classify-1はそのDecisions API経由）、LiteLLM、LangChainのlangchain-scaledownミドルウェアでも使えます。
- データとプライバシー
- ScaleDownのホームページは、データの保持ゼロ、顧客データでの学習なし、セルフホストをうたい、SOC 2、HIPAA、GDPR、ISO 27001の基準に沿って構築したとしており、SOC 2 Type 1のバッジを掲げています。ドキュメントには、どのプランで保持ゼロになるのかも、保持期間も記載されていません。
- 大規模利用時のコスト
- 独立したテストで測られたトークン数では、classifyの呼び出し100万回で約$24、extractの100万回で約$69、6Kトークンの要約100万件で約$317です。発表時期の50Mの無料トークンの提供は終了し、現在の新規アカウントは1Mです。
- 制限
- 入力は1Mトークンまでです。要約の出力は1,000トークンが上限です。/classifyはラベル最大20（マルチラベルでは16）、チャンク50までで、score型の質問は2から10段階です。クレジットが尽きると402 Insufficient creditsが返ります。レート制限は公表されていません。
良い点
- 独立した1,000回のテストでCLINC150が97.3%、Bitextが92.7%
- 100万入力トークンあたり$0.05、出力無料、4モデルで一律の料金
- Extractはすべての値に信頼度と文字オフセットを返す
- Classify、Extract、Summarizeで画像とPDFを読める
気になる点
- 467倍安い、DecisionBenchで77.2%という発表時の主張には公開された比較基準がない
- 課金される入力にラベルの基準とスキーマが含まれ、プロンプトより大きくなる
- Decisionsの質問は1つずつ別の呼び出しとして課金され、/classifyのラベルは20が上限
- Summarizeは質問から外れ、369Kトークンの入力の半分を飛ばした
おすすめの人
ルーティング、タグ付け、フィールド抽出にフラッグシップモデルの料金を払っており、安価なホスト型の代替を求め、まず自社のラベル付きデータで試すチーム。
ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)の代替
ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)：よくある質問
- ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)は使う価値があるか？
- 価格は本物で分類器も優秀ですが、発表時の数値は根拠を先走っており、Jev互換は見た目以上に高くつきます。 評価は5点満点中3.7点です。
- ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)の料金は？
- テキスト入力は100万トークンあたり$0.05、画像入力は100万トークンあたり$0.15、出力は無料です。新規アカウントには1Mトークンの無料枠があります。OpenRouter：20%割引で$0.04。Enterprise：専用インスタンスまたはセルフホストのライセンスで、見積もり制です。
- ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)の欠点は？
- 467倍安い、DecisionBenchで77.2%という発表時の主張には公開された比較基準がない; 課金される入力にラベルの基準とスキーマが含まれ、プロンプトより大きくなる; Decisionsの質問は1つずつ別の呼び出しとして課金され、/classifyのラベルは20が上限; Summarizeは質問から外れ、369Kトークンの入力の半分を飛ばした.
- ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)は誰に向いているか？
- ルーティング、タグ付け、フィールド抽出にフラッグシップモデルの料金を払っており、安価なホスト型の代替を求め、まず自社のラベル付きデータで試すチーム。
- チームや本番環境でScaleDown Constrained Decoding Models (Classify, Extract, Summarize)を使うと費用はいくらか？
- 独立したテストで測られたトークン数では、classifyの呼び出し100万回で約$24、extractの100万回で約$69、6Kトークンの要約100万件で約$317です。発表時期の50Mの無料トークンの提供は終了し、現在の新規アカウントは1Mです。
- ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)は企業データを扱っても安全か？
- ScaleDownのホームページは、データの保持ゼロ、顧客データでの学習なし、セルフホストをうたい、SOC 2、HIPAA、GDPR、ISO 27001の基準に沿って構築したとしており、SOC 2 Type 1のバッジを掲げています。ドキュメントには、どのプランで保持ゼロになるのかも、保持期間も記載されていません。
- ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はJev, Perplexity Decider (pplx-decider), Laya, GLiNER2.5-Decide 、 d3 (vLLM Semantic Router)です。
回答確認日：2026年10月26日