最后更新：10/14/2026最后核验：2026-10-14
ScaleDown 是什么
ScaleDown 是一款面向特定任务的 AI API，主要用于内容分类、结构化字段抽取、文档摘要以及 AI Agent 上下文压缩。它支持文本输入和部分受支持的图像输入，并可通过 HTTP APIs、适用于支持任务的 OpenAI-compatible endpoints，以及 LangChain middleware 进行集成。ScaleDown 更适合希望在应用程序、内部系统或自动化工作流中嵌入精准 AI 能力的开发者和团队。
核心功能
- 使用自定义标签、评分标准和概率分数，对文本及受支持的图像进行分类
- 抽取结构化字段，并返回置信度分数和原文字符偏移位置
- 为下游业务场景和审核流程生成文档摘要
- 在调用下游模型前，对与查询相关的上下文进行压缩
- 通过 HTTP APIs 集成到自定义应用和自动化工作流中
- 针对受支持任务提供 OpenAI-compatible endpoints，降低接入成本
- 通过 LangChain middleware 连接 AI Agent 和应用流水线
- 根据已提供的价格信息，输出 tokens 免费
最适合
需要在应用或内部工具中构建内容分类工作流的开发者希望从非结构化文档中提取结构化数据的团队在模型调用前需要压缩上下文的 AI Agent 开发者需要大规模处理文档摘要的办公自动化和生产力场景需要概率分数、置信度分数或来源偏移信息以便审核的应用偏好 API 型 AI 功能，而非独立终端用户应用的团队
定价
ScaleDown 采用付费定价模式。根据已提供的信息，文本输入价格为每百万 tokens 0.05 美元，受支持的图像输入价格为每百万 tokens 0.15 美元，输出免费。目前的发布优惠显示，新账号可获得 5000 万免费 tokens。
优缺点
优点
- 聚焦内容分类、信息抽取、文档摘要和上下文压缩等实用 AI 任务
- 支持自定义标签和评分标准，适合搭建灵活的分类工作流
- 抽取字段时提供置信度分数和原文字符偏移位置，便于结果审核
- 提供 API 集成方式，适合开发者接入应用和内部系统
- OpenAI-compatible endpoints 可在受支持任务中减少集成摩擦
- 支持 LangChain middleware，对 AI Agent 和自动化工作流较友好
- 官方标注的发布优惠为新账号提供较大的免费 tokens 额度
缺点
- 产品看起来主要面向 API 使用场景，非技术用户可能需要开发人员协助
- 目前提供的公开信息未包含数据保留、合规或安全控制的详细说明
- 虽然提到支持图像输入，但未明确具体图像格式、大小限制和使用边界
- OpenAI-compatible endpoints 的覆盖范围仅限于受支持任务，可能无法满足所有使用场景
- 未提供关于 SLA、服务可用性、正常运行时间或企业支持的具体信息
替代工具
OpenAI API
通用型 AI API，支持分类、信息抽取、摘要和 Agent 工作流，并提供更广泛的模型选择。
Anthropic Claude API
适合通过 API 进行文档摘要、结构化抽取和长上下文 AI 工作流的替代方案。
Google Gemini API
提供多模态 AI 能力和开发者 API，可用于文本、图像、摘要和结构化内容处理任务。
Cohere
提供分类、embeddings、reranking 以及面向企业的语言 AI 工作流 API。
LangChain
用于构建 AI Agent 和检索增强工作流的框架，适合关注上下文处理和模型编排的团队。
常见问题
广告
详情
平台
API网页版
功能特性
- Classify text and images with custom labels, rubrics, and probability scores
- Extract structured fields with confidence scores and source character offsets
- Summarize documents and compress query-relevant context before downstream model calls
- Integrate through HTTP APIs, OpenAI-compatible endpoints for supported tasks, and LangChain middleware
支持语言
en
已知限制
- Requires a ScaleDown account and API key; free launch tokens are a limited offer, not a permanent free plan
- Task-specific models do not replace a general-purpose model for open-ended coding, writing, or planning
- Compress accepts text context rather than image input in the published pricing matrix
- Classification and extraction depend on well-defined labels and rubrics; overlapping categories can produce unreliable results
