Kann ich Summarize lokal ausführen?

Nein — ScaleDown hat keine offenen Gewichte veröffentlicht, daher ist Summarize nur über deren API verfügbar.

Was kostet Summarize und wie lang ist der Kontext?

Eingabe kostet 0,04 $ pro Million Tokens, Ausgabe ist kostenlos; das Kontextfenster umfasst eine Million Tokens.

Worin unterscheidet sich Summarize vom Einsatz eines allgemeinen Modells zur Zusammenfassung?

Es ist ein speziell entwickeltes abstraktives Modell mit festem Sampling, das auf treue Ausgaben optimiert ist, statt ein allgemeines Modell, das man in den Zusammenfassungsmodus versetzt — und die kostenlose Ausgabe macht es für umfangreiche Dokumenten-Pipelines günstiger.

Summarize

3926°

#llm #scaledown #vision #zusammenfassung #langer kontext #budget

Modell ausführen

Angebote / Werbung

OpenRouter Terminal / API

Bezahlung pro Token

Chatte mit diesem Modell im Browser oder rufe es mit einem API-Schlüssel aus deinem Code auf.

ScaleDown | 1.000.000 Token Kontext | $0,04/M Eingabe, kostenlose Ausgabe. Summarize ist ein abstraktes Zusammenfassungsmodell von ScaleDown. Es verdichtet lange Texte und Dokumente in eine flüssige, treue Umschreibung, anstatt Sätze aus der Quelle zu übernehmen, und eignet sich für Dokumentenprüfung, Transkriptzusammenfassungen und RAG-Vorverarbeitung, bei der abgerufene Inhalte vor der Weitergabe an ein anderes Modell gekürzt werden müssen. Format, Fokus, Sprache und Länge werden über den Systemprompt gesteuert, während das Sampling auf eine Konfiguration für treue Ausgaben festgelegt ist. Mehr dazu in ScaleDowns Dokumentation: https://docs.scaledown.ai/api-reference/summarize-overviewOpens in new tab

Anleitungen zu diesem Modell

Offene Gewichte vs. Open Source vs. Nur API: Was du wirklich darfst

Die 10 günstigsten ChatGPT-Alternativen 2026: kostenlose lokale Modelle, Gratis-Stufen und Flatrate-Tarife

Alle Anleitungen

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

Summarize ist ein speziell entwickeltes abstraktives Zusammenfassungsmodell von ScaleDown. Anstatt Sätze wortwörtlich zu extrahieren, schreibt es Quellmaterial in eine kohärente, treue Kurzform um — nützlich für Dokumentenprüfung, Meeting-Transkripte und das Kürzen von abgerufenen Textabschnitten vor der Weitergabe an ein nachgelagertes Modell. Mit einem Kontextfenster von einer Million Tokens und nahezu null Eingabekosten verarbeitet es lange Dokumente ohne Chunking-Tricks.

Bekannt für

Abstraktive Umschreibungen: verdichtet Text, anstatt Sätze aus der Quelle zu kopieren.
Kontextfenster von einer Million Tokens für sehr lange Dokumente in einem Durchgang.
Abgestimmte Sampling-Konfiguration für treue, wenig halluzinierende Ausgaben.
System-Prompt-Steuerung für Format, Fokus, Sprache und Ausgabelänge.
Als RAG-Vorverarbeitungsschritt konzipiert, um abgerufene Inhalte vor dem Hauptmodell zu verkürzen.

Achte auf

Geschlossene Gewichte, nur API-Zugang — keine lokale Ausführung oder Modellinspektion möglich.
Sampling ist vom Hersteller festgelegt; Sie können Temperatur oder andere Generierungsparameter nicht selbst anpassen.
Als Vision-Modell getaggt, aber die veröffentlichte Beschreibung behandelt nur Textzusammenfassung — die Vision-Fähigkeit ist nicht dokumentiert.

Am besten für

Prompts zum Ausprobieren

Langen Bericht verdichten

Fasse den folgenden Bericht in einem Absatz von maximal 100 Wörtern zusammen. Bewahre die wichtigsten Erkenntnisse und alle numerischen Ergebnisse. Hintergrund oder Methodik nur, wenn sie direkt die Schlussfolgerungen beeinflussen. [Fügen Sie hier Ihren Berichtstext ein]

Meeting-Transkript zusammenfassen

Sie erhalten ein Meeting-Transkript. Erstelle eine strukturierte Zusammenfassung mit drei Abschnitten: Getroffene Entscheidungen, Aufgaben (mit Verantwortlichem und Frist, falls erwähnt) und Offene Fragen. Halte die gesamte Zusammenfassung unter 200 Wörtern und schreibe in Fließtext, keine Aufzählungen.

Chunk für RAG verkürzen

Der folgende Abschnitt ist ein abgerufener Dokumentenausschnitt, der an ein anderes Modell weitergegeben wird. Schreibe ihn so um, dass nur die Informationen erhalten bleiben, die für diese Frage relevant sind: Was sind die Hauptrisiken der vorgeschlagenen Übernahme? Halte die Umschreibung unter 150 Wörtern und bewahre Zahlen oder benannte Entitäten.

Vergleichen mit

Extract
Nur API-Modell
1,000,000 Token Kontext · $0.04/M Eingabe, free Ausgabe
Step 5 Preview
Modell mit offenen Gewichten
1,048,576 Token Kontext · $1.00/M Eingabe, $2.70/M Ausgabe
Qwen3 VL 8B Instruct
Modell mit offenen Gewichten
262,144 Token Kontext · $0.25/M Eingabe, $0.75/M Ausgabe
Qwen3 VL 30B A3B Instruct
Modell mit offenen Gewichten
262,144 Token Kontext · $0.15/M Eingabe, $0.60/M Ausgabe

Mehr Textmodelle von scaledown

Häufig gestellte Fragen

Kann ich Summarize lokal ausführen?: Nein — ScaleDown hat keine offenen Gewichte veröffentlicht, daher ist Summarize nur über deren API verfügbar.
Was kostet Summarize und wie lang ist der Kontext?: Eingabe kostet 0,04 $ pro Million Tokens, Ausgabe ist kostenlos; das Kontextfenster umfasst eine Million Tokens.
Worin unterscheidet sich Summarize vom Einsatz eines allgemeinen Modells zur Zusammenfassung?: Es ist ein speziell entwickeltes abstraktives Modell mit festem Sampling, das auf treue Ausgaben optimiert ist, statt ein allgemeines Modell, das man in den Zusammenfassungsmodus versetzt — und die kostenlose Ausgabe macht es für umfangreiche Dokumenten-Pipelines günstiger.

Captain's Urteil
Ein enges, günstiges Werkzeug, das eine Sache gut kann — wenn Zusammenfassung oder RAG-Vorverarbeitung Ihr Engpass ist, sind die Kosten schwer zu überbieten.

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Wie sich dieser Wert zusammensetzt

Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Ähnliche Modelle

L3 70B Euryale v2.1

TEXT / LLM

Gemini 3.1 Pro Preview

TEXT / LLM

L3.1 70B Euryale v2.2

TEXT / LLM

Auto Router (Beta)

TEXT / LLM

KI-Modelle für Bild-, Video- und Texterzeugung

Summarize ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.

Weitere Text / LLM-Modelle llm scaledown vision zusammenfassung langer kontext budget forschung

Nach Modellfamilie stöbern