ScaleDown: Classify-1 대 Together: Tev1 4B Experimental
api14 카탈로그의 최신 USD 가격과 기능을 바탕으로 ScaleDown: Classify-1(US$0.14 / 100만 토큰 (≈ ₩190))와(과) Together: Tev1 4B Experimental(US$0.15 / 100만 토큰 (≈ ₩199))를 나란히 비교합니다. 두 모델 모두 같은 OpenAI 호환 API로 실행됩니다.
사양
| ScaleDown: Classify-1 | Together: Tev1 4B Experimental | |
|---|---|---|
| 제공업체 | ScaleDown | Together |
| 입력 | US$0.14 / 100만 토큰 (≈ ₩190) | US$0.15 / 100만 토큰 (≈ ₩199) |
| 컨텍스트 윈도우 | 1,000,000 | 32,768 |
| 최대 출력 | 900,000 | 8 |
| 입력 | text, image, file | text |
| 출력 | decisions | decisions |
| 도구 호출 | ||
| 구조화된 출력 | ||
| 추론 조절 | ||
| 추가일 | 2026. 10. 13. | 2026. 9. 30. |
주요 차이점
- 두 모델의 입력 가격은 거의 같습니다.
- ScaleDown: Classify-1는(은) 30.5배 더 긴 컨텍스트(1,000,000 토큰)를 읽습니다.
- 입력 1,000 토큰, 출력 500 토큰 요청의 비용은 ScaleDown: Classify-1에서 US$0.000140, Together: Tev1 4B Experimental에서 US$0.000147입니다.
자세히 보기
ScaleDown: Classify-1은 ScaleDown의 결정 모델이고, Together: Tev1 4B Experimental은 Together의 결정 모델입니다. 둘 다 decisions 카테고리에 속하며, 이는 자유 형식 산문이 아니라 결정을 반환하는 것이 이들의 역할이라는 뜻이고, 둘 다 2026년 후반에 출시되었으며 Tev1 4B Experimental은 2026년 9월 30일에, Classify-1은 2026년 10월 13일에 나왔습니다. 두 모델 모두 지원되는 파라미터를 전혀 노출하지 않으므로, 프롬프트와 전송하는 입력만으로 설정합니다.
둘 사이에서 가장 명확한 차이는 컨텍스트와 입력 처리입니다. Classify-1은 텍스트, 이미지, 파일을 받아들이고 1,000,000 토큰의 컨텍스트 윈도우를 갖습니다. Tev1 4B Experimental은 텍스트만 받아들이고 컨텍스트 윈도우는 32,768 토큰입니다. 가격 면에서 둘은 입력에 대해 거의 같으므로, 선택은 사실 입력 측면에서 비용 문제가 아닙니다. 출력 가격은 여기서 의미 있게 비교할 수 있는 대상이 아닙니다. 둘 다 결정을 유일한 출력 모달리티로 반환하므로, 어느 쪽도 범용 텍스트 생성기가 아닙니다.
실무에서는 분류해야 할 자료가 크거나 혼합 형식일 때 Classify-1을 선택하세요. 긴 계약서, 스캔한 문서, 스크린샷, PDF, 이미지가 많은 티켓 모두 그 입력 모달리티와 매우 큰 컨텍스트에 맞으므로, 결과를 직접 청크로 나누고 이어 붙이는 대신 한 번의 호출로 전체 묶음을 넘길 수 있습니다. 입력이 일반 텍스트이고 32,768 토큰 안에 여유 있게 들어갈 때는 Tev1 4B Experimental을 선택하세요. 예를 들어 지원 메시지를 라우팅하거나, 짧은 레코드에 레이블을 붙이거나, 이미 줄여 놓은 프롬프트에 대해 빠른 결정을 내리는 경우입니다. 파이프라인이 텍스트 전용이고 입력이 작다면 더 작은 모델이 더 단순한 선택입니다. 이미지, 파일 또는 매우 긴 입력이 등장하는 순간, 그것들을 실제로 받아들일 수 있는 쪽은 Classify-1입니다.
api14를 통해 어느 모델을 호출하든 방식은 같습니다. 게이트웨이가 OpenAI 호환 chat completions 형식을 사용하기 때문입니다. 클라이언트를 api14 base URL로 지정하고, 평소처럼 요청을 보내고, model 필드를 원하는 id로 설정하면 됩니다. 둘 사이 전환은 한 줄 변경입니다. ScaleDown 모델에는 "scaledown/classify-1"을, Together 모델에는 "togethercomputer/tev1-4b-experimental"을 사용하세요. 요청 본문, 헤더, 파싱 코드의 나머지는 모두 그대로이므로, 문자열을 바꾸고 다시 실행하면 자체 데이터로 둘을 비교할 수 있습니다.
Classify-1이 문서상 더 유능하더라도 Tev1 4B Experimental이 더 나은 선택인 경우가 여전히 있습니다. 입력이 짧은 일반 텍스트이고 가능한 한 가장 가벼운 요청을 원한다면, 텍스트 전용 모델은 필요하지 않은 이미지나 파일 페이로드를 보내지 않습니다. 또한 이미 과제에서 검증을 마쳤고 그 동작을 안정적으로 유지하고 싶을 때도 합리적인 기본값입니다. 두 모델 모두 파라미터를 받지 않고 주어진 프롬프트에 대해 결정론적으로 동작하기 때문입니다.
문자열 하나로 전환
두 모델은 같은 엔드포인트와 요청 형식을 사용합니다. model 값을 "scaledown/classify-1"에서 "togethercomputer/tev1-4b-experimental"로 바꾸기만 하면 프롬프트, 스트리밍, 도구가 그대로 작동합니다.
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);
더 많은 비교
- LiquidAI: d1 Latest 대 LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest 대 Baseten: Joey 1
- LiquidAI: d1 Latest 대 LiquidAI: d1.1
- LiquidAI: d1 Latest 대 Morph: Reflex
- LiquidAI: d1-ultra Latest 대 Baseten: Joey 1
- LiquidAI: d1-ultra Latest 대 LiquidAI: d1.1
- LiquidAI: d1-ultra Latest 대 Morph: Reflex
- Baseten: Joey 1 대 LiquidAI: d1.1