室谷代表取締役Constrained Decoding Models（CDMs）は、ScaleDownが2026年10月13日に公開した、1モデル1タスクに特化したAIモデルのファミリーで、要約・抽出・分類という定型業務を高速かつ低コストで処理することに狙いを置いています。今回その3モデルがOpenRouter上で利用可能になりました。
テキトー教師DotAI 認定講師しかも発表時は20%オフで、入力が$0.04/Mトークン、出力は無料という太っ腹な価格設定なんですよ。まずは何が発表されたのかを整理しましょう。
室谷代表取締役OpenRouterの公式スレッドによると、公開されたのはSummarize、Extract、Classify-1の3つ。それぞれ「1モデル=1タスク」で作られていて、汎用LLMのように何でも屋として使う設計ではないんですよね。
テキトー教師DotAI 認定講師ここが今回の一番のポイントです。単に新しいモデルが3つ増えたという話じゃないんですよ。
汎用LLMの「トークンを1つずつ書き出す」逐次生成のループを捨てて、タスクごとに専用のアーキテクチャを当てにいくという設計思想の転換なんです。
汎用LLMの「トークンを1つずつ書き出す」逐次生成のループを捨てて、タスクごとに専用のアーキテクチャを当てにいくという設計思想の転換なんです。
Constrained Decoding Models（CDMs）とは？ScaleDownがOpenRouterで公開した3モデル
ScaleDownのCDMs：OpenRouter価格 vs 自社サイト価格
OpenRouter
- モデル数：3つ
- リリース：2026年10月13日
- コンテキスト：1Mトークン
- 入力：$0.04/Mトークン
- 出力：$0/Mトークン
- 位置づけ：20%オフのローンチ価格
ScaleDown自社サイト
- テキスト入力：$0.05/Mトークン
- 画像入力：$0.15/Mトークン
- 出力：無料
- コンテキスト：1Mトークン
室谷代表取締役そもそもConstrained Decoding Models、略してCDMsとは何かというと、自由な文章を生成するのではなく、分類ラベルやJSONといった決まった形式の出力に生成を制約する方向に振り切ったモデル群のことです。ScaleDownは自社サイトで「applied research lab」として、分類・抽出・要約・圧縮のためのタスク特化モデルを作っていると説明しています。
テキトー教師DotAI 認定講師背景ブリーフにあるScaleDownの言い回しが象徴的で、「すでに答えを与えているのに、なぜ一から書き出させるのか」という問題意識なんですよ。要約・抽出・分類って、実は答えの形式が決まっているタスクが多いですよね。
それなのに汎用LLMは毎回トークンを逐次生成している、という無駄を突いているわけです。
それなのに汎用LLMは毎回トークンを逐次生成している、という無駄を突いているわけです。
室谷代表取締役OpenRouterのプロバイダーページを見ると、ScaleDownのモデルは3つ並んでいて、いずれも2026年10月13日リリース、コンテキストは1Mトークン、価格は入力$0.04/Mトークン・出力$0/Mトークンと表示されています。ちなみにScaleDownの自社サイトの料金表ではテキスト入力$0.05/Mトークン、画像入力$0.15/Mトークン、出力無料、コンテキスト1Mトークンという記載になっていて、OpenRouter側は20%オフのローンチ価格という位置づけですね。
テキトー教師DotAI 認定講師このあたり、発表元がScaleDownで、公開の場がOpenRouterという関係も整理しておきたいです。製品を作っているのはScaleDown、それをOpenRouterがモデル一覧に載せて提供している、という構図です。
室谷代表取締役ちなみにOpenRouterのモデル一覧を見ると、同じ「文章を生成せず確率的な答えを返す」系統のモデルが相次いで並んでいます。PerplexityのDecider、Nace.AIのDrex、MicrosoftのDecision-1、CloudflareのClef Omni、UpstageのSolar Decide Flashなどですね。
CDMsはこの流れの中に位置づけられるファミリーです。
CDMsはこの流れの中に位置づけられるファミリーです。
テキトー教師DotAI 認定講師そう、単独のモデルではなく「ファミリー」として出してきたのがScaleDownの特徴なんですよ。1モデル1アーキテクチャ1タスク、という設計を3つ束ねている。
ここからは各モデルの中身に入っていきましょう。
ここからは各モデルの中身に入っていきましょう。
CDMsでできること——Summarize／Extract／Classify-1の役割分担
Summarize／Extract／Classify-1の役割分担
Summarize
- 長文やドキュメントを流暢で忠実な書き直しに圧縮する抽象的要約モデル
- ソースから文をそのまま抜き出すのではなく書き直すタイプ
- 形式・焦点・言語・長さはシステムプロンプトで制御
- サンプリングは忠実な出力にチューニングされた固定設定
- 用途：ドキュメントレビュー、議事録のダイジェスト、RAGの前処理
- 長文・画像・PDFを1,000トークン以下の一貫した要約に
- コンテキスト圧縮やメタデータ生成、文字起こしダイジェスト向け
Extract
- description-driven：欲しいフィールドを自然言語で記述
- 該当箇所を確信度スコア・文字オフセット・周辺コンテキスト付きでJSONとして返す
- 固定のエンティティタイプを選ぶのではなく、provider.options.scaledown.entitiesでフィールドを平文で指定
- 契約書・請求書・メール・文字起こしから構造化された値を抜き出す用途
- OCR内蔵でスキャン画像やPDFも別ステップなしで扱える
- 文字オフセットが返るので検証やハイライト表示が可能
- PII（個人情報）のマスキングにも使える
- Webスクレイピング、文書処理、PIIマスキング向け
室谷代表取締役まずSummarizeです。OpenRouterの説明では、長文やドキュメントを「流暢で忠実な書き直し」に圧縮する抽象的要約モデルで、ソースから文をそのまま抜き出すのではなく書き直すタイプ。
形式・焦点・言語・長さはシステムプロンプトで制御でき、サンプリングは忠実な出力にチューニングされた固定設定になっているとのことです。用途としてはドキュメントレビュー、議事録のダイジェスト、RAGの前処理——つまり検索で取ってきた内容を別のモデルに渡す前に短くしたい場面が挙げられています。
形式・焦点・言語・長さはシステムプロンプトで制御でき、サンプリングは忠実な出力にチューニングされた固定設定になっているとのことです。用途としてはドキュメントレビュー、議事録のダイジェスト、RAGの前処理——つまり検索で取ってきた内容を別のモデルに渡す前に短くしたい場面が挙げられています。
テキトー教師DotAI 認定講師ここ、講座でよく質問が出るんですけど、RAGの前処理って地味に効くんですよ。取得したチャンクが長すぎてコンテキストを圧迫する問題を、要約モデルで先に潰しておける。
しかも出力が無料なので、要約自体のコストを気にしなくていいのが大きいですね。
しかも出力が無料なので、要約自体のコストを気にしなくていいのが大きいですね。
室谷代表取締役次がExtractです。これは「description-driven」、つまり欲しいフィールドを自然言語で記述すると、該当箇所を確信度スコア・文字オフセット・周辺コンテキスト付きでJSONとして返してくれるモデルです。
固定のエンティティタイプを選ぶのではなく、呼び出し側がprovider.options.scaledown.entitiesでフィールドを平文で指定する形なんですね。契約書・請求書・メール・文字起こしから構造化された値を抜き出す用途で、OCRが内蔵されているのでスキャン画像やPDFも別ステップなしで扱えると説明されています。
固定のエンティティタイプを選ぶのではなく、呼び出し側がprovider.options.scaledown.entitiesでフィールドを平文で指定する形なんですね。契約書・請求書・メール・文字起こしから構造化された値を抜き出す用途で、OCRが内蔵されているのでスキャン画像やPDFも別ステップなしで扱えると説明されています。
テキトー教師DotAI 認定講師文字オフセットが返ってくるのが実務ではありがたいんですよ。どの位置から抜き出したかが分かるので、後から検証したり、ハイライト表示したりできる。
PII（個人情報）のマスキングなんかにも使えると書かれていますね。
PII（個人情報）のマスキングなんかにも使えると書かれていますね。
室谷代表取締役3つ目がClassify-1です。これはOpenRouterのDecisions API経由で提供される構造化意思決定モデルで、呼び出し側が定義した選択肢・yes/no・順序尺度の質問に対して、テキストやドキュメントを採点し、生成された文章ではなくキャリブレーション済みの確率を返します。
ルーティング、モデレーション、意図検出、ドメインタグ付けといったアプリ内の判断に向いているとされています。
ルーティング、モデレーション、意図検出、ドメインタグ付けといったアプリ内の判断に向いているとされています。
テキトー教師DotAI 認定講師キャリブレーション済み確率、ここがキモなんですよ。モデルが出す確信度が実際の正解率と整合するように調整されているので、アプリ側で「0.8以上なら自動処理、それ未満は人間に回す」みたいな閾値判断ができる。
単にラベルを返すだけでなく、その判断を業務フローに組み込めるわけです。
単にラベルを返すだけでなく、その判断を業務フローに組み込めるわけです。
室谷代表取締役しかもClassify-1はTypeSafeのJev Decisions APIとリクエスト互換だと書かれています。既存のJev前提のコードがあるなら、そのまま差し替えに近い形で試せるということですね。
テキトー教師DotAI 認定講師整理するとこうです。
- Summarize：長文・画像・PDFを1,000トークン以下の一貫した要約に。コンテキスト圧縮やメタデータ生成、文字起こしダイジェスト向け
- Extract：欲しいフィールドを平文で記述→確信度・文字オフセット・周辺コンテキスト付きJSON。Webスクレイピング、文書処理、PIIマスキング向け
- Classify-1：ラベルを自分で定義→キャリブレーション済み確率を返す。ルーティング、タグ付け、意図検出向け
室谷代表取締役役割がきれいに分かれているので、1つの巨大なモデルに全部やらせるのではなく、タスクごとに最適なモデルを呼び分ける設計が前提になっているんですよね。
CDMsの使い方・始め方——OpenRouter・Vercel・LangChainなど対応プラットフォーム
ScaleDownの始め方（3ステップ）
- 01アカウント作成ScaleDownの自社サイトから開始
- 02APIキー発行ダッシュボードから発行し、4つのモデルすべてにアクセス可能
- 03最初のリクエストcontextとprompt、scaledownのrate指定をJSONで送信。HTTPクライアントでもSDKでも互換
室谷代表取締役使い方の入り口はかなり広く取られていて、OpenRouterの公式スレッドではOpenRouter、Vercel、LiteLLM、LangChain、TrustedRouter、Arthur、RouterPlusといったプラットフォームで「今日から使える」と案内されています。すでにこれらのツールチェーンを使っている開発者なら、新しいSDKを覚える必要はあまりなさそうですね。
テキトー教師DotAI 認定講師ScaleDownの自社サイトには「Live in under a minute」という導線があって、アカウント作成→APIキー発行→最初のリクエスト、という3ステップが示されています。APIキーはダッシュボードから発行して、4つのモデルすべてにアクセスできると書かれていますね。
室谷代表取締役リクエストの形も公式サイトに載っていて、contextとprompt、そしてscaledownのrate指定をJSONで送る形です。HTTPクライアントでもSDKでも互換と説明されているので、既存のパイプラインに差し込むハードルは低そうです。
テキトー教師DotAI 認定講師実装の考え方としては、Extractはprovider.options.scaledown.entitiesにフィールドを平文で書く、Classify-1はDecisions API経由で質問を投げる、という違いを押さえておけばいいですね。プロンプトで「JSONで返して」とお願いするのではなく、モデル側の仕組みとして構造化出力が出てくる、という違いなんですよ。
室谷代表取締役あと見逃せないのが、ScaleDownにはCompressという別のエンドポイントもあることです。公式ドキュメントによると、/compress/raw/にプロンプトとコンテキストを渡すと、意味は同じでトークン数が大幅に少ない版を返してくれる。
圧縮は主にcontext側に適用され、プロンプト本体は可能な限りそのまま残される、と説明されています。
圧縮は主にcontext側に適用され、プロンプト本体は可能な限りそのまま残される、と説明されています。
テキトー教師DotAI 認定講師これは「圧縮しても下流モデルは同じ情報を受け取る」という設計で、RAGパイプラインや長文Q&A、マルチターン会話の履歴圧縮に効くと書かれていますね。60%の圧縮率なら、1日10ドルだったトークン消費が4ドルになる、という試算も示されています。
室谷代表取締役CDMsを要約・抽出・分類の担当として置き、Compressをその手前のコンテキスト削減として置く。組み合わせると、AIワークフロー全体のトークンコストを構造的に下げにいく設計が見えてきます。
CDMsの料金と提供範囲——日本から使える？いつから？無料枠は？
室谷代表取締役料金を整理しておくと、OpenRouter上では3モデルとも2026年10月13日リリースで、20%オフのローンチ価格が入力$0.04/Mトークン、出力$0/Mトークン。ScaleDownの自社サイトの通常料金表はテキスト入力$0.05/Mトークン、画像入力$0.15/Mトークン、出力無料、コンテキスト1Mトークンです。
テキトー教師DotAI 認定講師出力が無料というのは、要約でも例外じゃないと公式スレッドにも明記されています。「yes, even for summarize」とわざわざ書いてあるあたり、要約は出力トークンがかさむから驚かれると想定しているんでしょうね。
室谷代表取締役無料枠については、新規アカウントで50Mトークンが無料、最初の50時間という案内が公式スレッドとScaleDownの自社サイトの両方にあります。OpenRouterのExtractのページには、実際に支払われた加重平均入力価格が$0.0397/Mトークンと表示されていて、キャッシュや割引で表示価格より安く済むこともあると説明されています。
テキトー教師DotAI 認定講師日本からの利用可否についてですが、OpenRouterはモデル一覧を誰でも閲覧でき、API経由で利用する形なので、日本から使う場合もOpenRouter経由でアクセスするのが基本線になります。ただし、日本向けに個別の提供開始日や地域別の料金が案内されているかは、今回のソースからは確認できません。
現時点では明らかにされていません。
現時点では明らかにされていません。
室谷代表取締役企業向けには、ScaleDownの自社サイトにDedicated instance、自社ハードウェアで動かすライセンス、専用サポートとSLAといったエンタープライズ向けの選択肢も示されています。セキュリティ面ではSOC 2、HIPAA、GDPR、ISO 27001基準で構築され、ゼロデータ保持、セルフホスト、エンタープライズアクセス制御、顧客データでのモデル学習なし、という項目が並んでいます。
テキトー教師DotAI 認定講師データを学習に使わない、ゼロデータ保持というのは、業務データを扱う現場では重要なチェックポイントです。ここは導入判断で必ず確認されるところですね。
なぜ今CDMsなのか——汎用LLMの逐次生成が抱える速度とコストの無駄
室谷代表取締役ここからが本題で、なぜ今この設計が出てきたのか。背景ブリーフにある通り、これまで要約・抽出・分類といった定型業務も、汎用LLMにプロンプトで指示するのが一般的でした。
でも汎用LLMは「書く」ために設計されていて、答えが決まっているタスクでもトークンを逐次生成するから遅くて高い。
でも汎用LLMは「書く」ために設計されていて、答えが決まっているタスクでもトークンを逐次生成するから遅くて高い。
テキトー教師DotAI 認定講師講座で受講生さんによく言うんですけど、分類タスクのために巨大なモデルを呼んで、長い文章を生成させてから最初のラベルだけ抜き出す、みたいなことをやっているケースがあるんですよ。これ、モデルに「答えはもう分かっているのに、わざわざ文章として書き出させている」状態なんですよね。
室谷代表取締役CDMsは入力を一度読んだら、その逐次生成のループをスキップする。1モデル1タスクに特化することで、そのタスクに必要な計算だけをやる。
MYUUUでも、複数の定型処理を1つの汎用モデルにプロンプトで捌かせていると、レイテンシとコストがじわじわ効いてくる場面はあります。タスクごとにモデルを分ける発想は合理的なんですよね。
MYUUUでも、複数の定型処理を1つの汎用モデルにプロンプトで捌かせていると、レイテンシとコストがじわじわ効いてくる場面はあります。タスクごとにモデルを分ける発想は合理的なんですよね。
テキトー教師DotAI 認定講師しかもこの流れ、ScaleDownだけじゃなくて業界全体で起きているんですよ。OpenRouterのモデル一覧には、PerplexityのDecider、Nace.AIのDrex、MicrosoftのDecision-1、CloudflareのClef Omni、UpstageのSolar Decide Flashといった「決定モデル」が相次いで並んでいる。
いずれも文章生成ではなく確率的な答えを返す設計です。
いずれも文章生成ではなく確率的な答えを返す設計です。
室谷代表取締役つまり「何でも1つの巨大モデルで」という方向と、「タスクごとに専用モデルを呼び分ける」という方向が、今はっきり分かれてきている。CDMsは後者の流れを代表するファミリーの1つというわけです。
テキトー教師DotAI 認定講師汎用モデルの進化の歴史については、ChatGPTはいつから？リリースの歴史・モデル進化・料金プラン・最新動向を完全解説でも整理しているので、そちらと合わせて読むと、なぜ今タスク特化に振れているのかが見えやすいですよ。
性能とトレードオフ——200倍高速・467倍安価、DecisionBench 77.2%の意味
室谷代表取締役性能面でScaleDownが訴求している数字を整理します。自社サイトと公式スレッドによると、frontier LLM APIより200倍高速、467倍安価。
DecisionBenchで77.2%（Jevは72%）。マルチモーダル入力は100万トークンで、Jev比31倍。
これらはあくまでScaleDown側の主張する数値です。
DecisionBenchで77.2%（Jevは72%）。マルチモーダル入力は100万トークンで、Jev比31倍。
これらはあくまでScaleDown側の主張する数値です。
テキトー教師DotAI 認定講師ここは慎重に扱いたいところで、200倍・467倍というのは何と比べた数字なのか、どういう条件での測定なのかがソースには詳しく書かれていません。あくまでベンダー公表値として受け取るべきです。
室谷代表取締役ただ、設計思想から考えれば方向性は理解できます。逐次生成のループをスキップするのだから、トークンを1つずつ書き出すより速いのは構造上自然です。
出力トークンが無料というのも、そもそも出力を大量に生成しない設計だから成立する価格と言えます。
出力トークンが無料というのも、そもそも出力を大量に生成しない設計だから成立する価格と言えます。
テキトー教師DotAI 認定講師トレードオフもはっきりしています。CDMsは1モデル1タスクなので、汎用性はありません。
要約モデルに分類をさせたり、分類モデルに自由な文章を書かせたりはできない。MicrosoftのDecision-1の説明にも「open-ended generation、会話、翻訳、要約には向かない」と明記されているくらいで、この系統のモデルは用途を絞るのが前提なんですよ。
要約モデルに分類をさせたり、分類モデルに自由な文章を書かせたりはできない。MicrosoftのDecision-1の説明にも「open-ended generation、会話、翻訳、要約には向かない」と明記されているくらいで、この系統のモデルは用途を絞るのが前提なんですよ。
室谷代表取締役だからこそ、アプリケーション側で「このタスクはSummarize、これはExtract、これはClassify-1」と振り分ける設計が要る。逆に言えば、タスクが明確な業務ほどCDMsの恩恵は大きいということですね。
テキトー教師DotAI 認定講師制約の厳しさと柔軟性のトレードオフも同じ構図です。出力形式をがっちり制約するから一貫性と速度が得られる代わりに、想定外の出力を自由に作らせることはできない。
構造化生成や定型処理には強いけれど、創作や対話には向かない、というのがこの系統の性格です。
構造化生成や定型処理には強いけれど、創作や対話には向かない、というのがこの系統の性格です。
室谷代表取締役医療や健康データのような機微な情報を扱う場面では、ChatGPT Healthとは？使い方・連携アプリ・日本での利用・プライバシーを完全解説でも触れているように、データの扱いと出力の一貫性が重要になります。こうした領域で、確信度付きの判断を返すモデルが使われる余地は出てきそうです。
テキトー教師DotAI 認定講師ただ、繰り返しになりますが、CDMsが医療用途に正式対応しているかは今回のソースには書かれていません。あくまで一般的なユースケースとして、ルーティングやモデレーション、意図検出、文書処理が挙げられている段階です。
CDMsに関するよくある質問
室谷代表取締役ここからは、よく聞かれそうな点を公式情報の範囲で整理していきます。
テキトー教師DotAI 認定講師まず「CDMsとは何か」という基本。これはScaleDownが2026年10月13日に公開した、1モデル1タスクに特化した制約付きデコーディングモデルのファミリーで、Summarize・Extract・Classify-1の3種がOpenRouter上で利用できます。
室谷代表取締役「通常のプロンプティングと何が違うのか」については、自由な文章生成ではなく、分類ラベルやJSONといった決まった形式の出力に生成を制約する点です。逐次生成のループをスキップするので、定型タスクでは速度とコストの面で有利という設計になっています。
テキトー教師DotAI 認定講師「料金はいくらか」は、OpenRouter上では20%オフのローンチ価格で入力$0.04/Mトークン、出力無料。ScaleDownの通常料金表ではテキスト入力$0.05/Mトークン、画像入力$0.15/Mトークン、出力無料です。
室谷代表取締役「いつから使えるのか」は、OpenRouter上では2026年10月13日リリースと表示されています。「無料枠はあるのか」については、新規アカウントで50Mトークンが無料、最初の50時間という案内が公式にあります。
テキトー教師DotAI 認定講師「日本から使えるのか」は、OpenRouter経由でAPIとしてアクセスする形になります。日本向けの個別の提供開始日や地域別料金が案内されているかは、今回のソースからは確認できず、現時点では明らかにされていません。
室谷代表取締役「どんなタスクに向いているのか」は、Summarizeが要約・コンテキスト圧縮・文字起こしダイジェスト、Extractが契約書や請求書からの構造化抽出・PIIマスキング、Classify-1がルーティング・モデレーション・意図検出・タグ付けです。
テキトー教師DotAI 認定講師「コンテキスト長はどれくらいか」は、3モデルとも1Mトークンと表示されています。ExtractはOCR内蔵でスキャン画像やPDFにも対応、Summarizeは画像やPDFも入力できるマルチモーダル構成です。
室谷代表取締役「セルフホストできるのか」は、ScaleDownの自社サイトにDedicated instanceや自社ハードウェアで動かすライセンス、専用サポートとSLAといったエンタープライズ向けの選択肢が示されています。データは学習に使われず、ゼロデータ保持と説明されています。
テキトー教師DotAI 認定講師最後に「既存のコードを置き換えられるのか」ですが、Classify-1はTypeSafeのJev Decisions APIとリクエスト互換と明記されています。Jev前提の実装があるなら、移行の検討はしやすいですね。
室谷代表取締役まとめると、CDMsは「何でもできる1つの巨大モデル」ではなく「タスクごとに最適なモデルを呼ぶ」という設計への転換を象徴するファミリーです。要約・抽出・分類のように答えの形が決まっている業務ほど、この発想の恩恵は大きい。
まずは無料枠で自分のワークフローのどこに刺さるか試してみるのがよさそうです。
まずは無料枠で自分のワークフローのどこに刺さるか試してみるのがよさそうです。
テキトー教師DotAI 認定講師そうですね。汎用モデルとタスク特化モデルをどう使い分けるか、という視点は、これからのAIアプリ設計で必ず問われるテーマになっていきますよ。
