ScaleDown: Classify-1 contro Together: Tev1 4B Experimental
Un confronto fianco a fianco tra ScaleDown: Classify-1 (0,14 USD / 1M token (≈ 0,13 €)) e Together: Tev1 4B Experimental (0,15 USD / 1M token (≈ 0,13 €)) con i prezzi in USD e le funzionalità aggiornati dal catalogo di api14. Entrambi funzionano con la stessa API compatibile OpenAI.
Specifiche
| ScaleDown: Classify-1 | Together: Tev1 4B Experimental | |
|---|---|---|
| Fornitore | ScaleDown | Together |
| Ingresso | 0,14 USD / 1M token (≈ 0,13 €) | 0,15 USD / 1M token (≈ 0,13 €) |
| Finestra di contesto | 1.000.000 | 32.768 |
| Output massimo | 900.000 | 8 |
| Ingresso | text, image, file | text |
| Uscita | decisions | decisions |
| chiamata di strumenti | ||
| Output strutturato | ||
| Controllo del ragionamento | ||
| Aggiunto | 13 ott 2026 | 30 set 2026 |
Differenze principali
- Entrambi hanno all’incirca lo stesso prezzo di input.
- ScaleDown: Classify-1 legge 30.5× più contesto (1.000.000 token).
- Una richiesta con 1.000 token di input e 500 di output costa 0,000140 USD con ScaleDown: Classify-1 e 0,000147 USD con Together: Tev1 4B Experimental.
Nel dettaglio
ScaleDown: Classify-1 è un modello decisionale di ScaleDown, e Together: Tev1 4B Experimental è un modello decisionale di Together. Entrambi appartengono alla categoria decisions, il che significa che il loro compito è restituire una decisione anziché prosa libera, ed entrambi sono stati rilasciati alla fine del 2026, con Tev1 4B Experimental arrivato il 30 settembre 2026 e Classify-1 il 13 ottobre 2026. Nessuno dei due modelli espone parametri supportati, quindi li si configura esclusivamente tramite il prompt e l'input inviato.
La differenza più netta tra i due riguarda il contesto e la gestione dell'input. Classify-1 accetta testo, immagini e file, e dispone di una finestra di contesto di 1.000.000 di token. Tev1 4B Experimental accetta solo testo e la sua finestra di contesto è di 32.768 token. Sul prezzo, i due sono più o meno equivalenti per l'input, quindi la scelta non è davvero una questione di costo sul lato input; il prezzo dell'output non è qualcosa che possiamo confrontare in modo significativo qui. Entrambi restituiscono decisioni come unica modalità di output, quindi nessuno dei due è un generatore di testo generico.
Per il lavoro pratico, affidati a Classify-1 quando il materiale da classificare è grande o in formati misti. Contratti lunghi, documenti scansionati, screenshot, PDF e ticket ricchi di immagini si adattano tutti alle sue modalità di input e al suo contesto molto ampio, quindi puoi passargli un intero pacchetto in una sola chiamata invece di suddividerlo e ricomporre i risultati da solo. Affidati a Tev1 4B Experimental quando l'input è testo semplice e rientra comodamente in 32.768 token, ad esempio per instradare un messaggio di supporto, etichettare un record breve o prendere una decisione rapida su un prompt che hai già ridotto. Se la tua pipeline è solo testo e i tuoi input sono piccoli, il modello più piccolo è la scelta più semplice; nel momento in cui entrano in gioco immagini, file o input molto lunghi, Classify-1 è quello che può effettivamente accettarli.
Chiamare l'uno o l'altro modello tramite api14 funziona allo stesso modo, perché il gateway parla il formato chat completions compatibile con OpenAI. Punti il tuo client all'URL di base di api14, invii la richiesta come al solito e imposti il campo model sull'id desiderato. Passare da uno all'altro è una modifica di una riga: usa "scaledown/classify-1" per il modello ScaleDown, oppure "togethercomputer/tev1-4b-experimental" per il modello Together. Tutto il resto nel corpo della richiesta, nelle intestazioni e nel codice di parsing resta invariato, quindi puoi confrontare i due sui tuoi dati scambiando la stringa e rieseguendo.
Ci sono comunque casi in cui Tev1 4B Experimental è la scelta migliore anche se Classify-1 è il più capace sulla carta. Se i tuoi input sono testo semplice breve e vuoi la richiesta più snella possibile, il modello solo testo evita di inviare payload di immagini o file di cui non hai bisogno. È anche un default ragionevole quando lo hai già validato sul tuo compito e vuoi semplicemente mantenere quel comportamento stabile, dato che entrambi i modelli non accettano parametri e si comportano in modo deterministico rispetto al prompt che fornisci.
Cambia modello con una stringa
Entrambi i modelli usano lo stesso endpoint e la stessa struttura di richiesta. Cambia il valore di model da "scaledown/classify-1" a "togethercomputer/tev1-4b-experimental", prompt, streaming e tool continuano a funzionare.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.post("/decisions", { body: {
"model": "togethercomputer/tev1-4b-experimental",
"state": "Customer: I was charged twice for my order and want my money back.",
"questions": {
"team": {
"type": "choice",
"instructions": "Which team should handle this message?",
"criteria": {
"billing": "Payments, refunds, invoices",
"support": "Product questions and bugs",
"sales": "Pricing and new purchases"
}
},
"urgent": {
"type": "noul",
"instructions": "Does this need a reply today?",
"criteria": {
"true": "Money, outage or legal risk",
"false": "Can wait"
}
}
}
} });
console.log(result.answers);
Altri confronti
- LiquidAI: d1 Latest contro LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest contro Baseten: Joey 1
- LiquidAI: d1 Latest contro LiquidAI: d1.1
- LiquidAI: d1 Latest contro Morph: Reflex
- LiquidAI: d1-ultra Latest contro Baseten: Joey 1
- LiquidAI: d1-ultra Latest contro LiquidAI: d1.1
- LiquidAI: d1-ultra Latest contro Morph: Reflex
- Baseten: Joey 1 contro LiquidAI: d1.1