That's NeuralCatálogo de modelos

scaledown

ScaleDown: Summarize

scaledown/summarize

Nossa análise

Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.

O catálogo da OpenRouter descreve scaledown/summarize como um modelo de sumarização abstrativa da ScaleDown que reescreve textos e documentos longos com fluência em vez de extrair frases da fonte. A listagem informa entradas de texto, imagem e arquivo com saída em texto, uma janela de contexto muito ampla e controle de saída por max_tokens. A evidência vem apenas do catálogo: não foram fornecidos um cartão independente nem resultados medidos, portanto a fidelidade e o comportamento multimodal exigem validação com cargas reais.[1]

Pontos fortes

  • A reescrita abstrativa informada pelo catálogo busca resumos fluentes e fiéis, não extração de frases.[1]
  • A listagem informa entradas de texto, imagem e arquivo com saída em texto.[1]
  • Uma janela de contexto anunciada como muito ampla e o suporte a max_tokens podem atender entradas longas e saídas controladas.[1]

Limitações

  • Apenas evidência do catálogo da OpenRouter foi fornecida; este pacote não incluía um cartão de modelo independente.[1]
  • Não foram fornecidos resultados medidos nem avaliações, portanto a qualidade da sumarização permanece não verificada.[1]
  • O corte de conhecimento e controles de geração mais amplos não estão documentados; a fidelidade e o comportamento multimodal devem ser validados nas cargas-alvo.[1]

Onde usar

  • Pode ser útil para condensar artigos longos, relatórios e coleções de documentos.[1]
  • Pode ser avaliado em fluxos que resumam entradas mistas de texto, imagem e arquivo.[1]
  • Pode servir para pilotos que precisem de resumos concisos com limites explícitos de comprimento.[1]

Fontes

  1. [1] OpenRouter catalog · ScaleDown: SummarizeFontes consultadas: 13 de nov. de 2026

Sobre este modelo

A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.

Summarize is an abstractive summarization model from ScaleDown. It condenses long text and documents into a fluent, faithful rewrite rather than lifting sentences from the source, and is suited for...

Especificações

ID do modelo
scaledown/summarize
ID canônico
scaledown/summarize-20260928
Criador
scaledown
Adicionado ao OpenRouter
13.10.2026
Comprimento de contexto
1,000,000
Modalidade
text+image+file->text
Modalidades de entrada
text, image, file
Modalidades de saída
text
Preço por token
USD por 1M de tokens: entrada $0.040 / saída $0
Corte de conhecimento
—
Data de expiração
—

Tarefas e capacidades

Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.

TarefaNotaCapacidade declarada pela fonte
Qualidade geralSem medição—
ProgramaçãoSem medição—
AgentesSem medição—
EscritaSem mediçãosaída: text
RaciocínioSem medição—
Análise de documentosSem mediçãoentrada: file
VisãoSem mediçãoentrada: image
Geração de imagensSem medição—
ÁudioSem medição—
VídeoSem medição—
EmbeddingsSem medição—

Avaliações

Não há avaliações fornecidas para este modelo.

Como funcionam as notas

Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.

  • S — S — top 10% da coorte
  • A — A — próximos 20% da coorte
  • B — B — próximos 30% da coorte
  • C — C — abaixo da faixa B

Provedores

Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.

ProvedorComprimento de contextoPreço entrada /1MPreço saída /1MLatência p50 (30m, s)Taxa p50 (30m, tok/s)Disponibilidade (30m)
ScaleDown1,000,000$0.040$0——100%

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.