ScaleDown: Classify-1 tegen Together: Tev1 4B Experimental
Een vergelijking naast elkaar van ScaleDown: Classify-1 (US$ 0,14 / 1M tekstdelen (≈ € 0,13)) en Together: Tev1 4B Experimental (US$ 0,15 / 1M tekstdelen (≈ € 0,13)) met actuele USD-prijzen en mogelijkheden uit de catalogus van api14. Beide werken via dezelfde OpenAI-compatibele API.
Specificaties
| ScaleDown: Classify-1 | Together: Tev1 4B Experimental | |
|---|---|---|
| Aanbieder | ScaleDown | Together |
| Invoer | US$ 0,14 / 1M tekstdelen (≈ € 0,13) | US$ 0,15 / 1M tekstdelen (≈ € 0,13) |
| Contextvenster | 1.000.000 | 32.768 |
| Maximale output | 900.000 | 8 |
| Invoer | text, image, file | text |
| Uitvoer | decisions | decisions |
| tool-aanroepen | ||
| Gestructureerde output | ||
| Instelbaar redeneren | ||
| Toegevoegd | 13 okt 2026 | 30 sep 2026 |
Belangrijkste verschillen
- Beide hebben ongeveer dezelfde inputprijs.
- ScaleDown: Classify-1 leest 30.5× meer context (1.000.000 tokens).
- Een verzoek met 1.000 input- en 500 outputtokens kost US$ 0,000140 met ScaleDown: Classify-1 en US$ 0,000147 met Together: Tev1 4B Experimental.
In detail
ScaleDown: Classify-1 is een beslissingsmodel van ScaleDown, en Together: Tev1 4B Experimental is een beslissingsmodel van Together. Beide vallen in de categorie decisions, wat betekent dat hun taak is om een beslissing te retourneren in plaats van vrije tekst, en beide zijn uitgebracht in late 2026, waarbij Tev1 4B Experimental op 30 september 2026 verscheen en Classify-1 op 13 oktober 2026. Geen van beide modellen ondersteunt parameters, dus je configureert ze puur via de prompt en de input die je stuurt.
Het duidelijkste verschil tussen beide is context en inputverwerking. Classify-1 accepteert tekst, afbeeldingen en bestanden, en heeft een contextvenster van 1.000.000 tokens. Tev1 4B Experimental accepteert alleen tekst en het contextvenster is 32.768 tokens. Qua prijs zijn de twee ongeveer gelijk voor input, dus de keuze is aan de inputkant niet echt een kostenkwestie; outputprijzen kunnen we hier niet zinvol vergelijken. Beide retourneren beslissingen als enige outputmodaliteit, dus geen van beide is een algemene tekstgenerator.
Voor praktisch werk kies je Classify-1 wanneer het materiaal dat je wilt classificeren groot of van gemengd formaat is. Lange contracten, gescande documenten, screenshots, PDF's en image-heavy tickets passen allemaal binnen de inputmodaliteiten en het zeer grote contextvenster, dus je kunt een hele bundel in één call aanleveren in plaats van zelf te chunkeren en resultaten aan elkaar te plakken. Kies Tev1 4B Experimental wanneer de input platte tekst is die comfortabel binnen 32.768 tokens past, bijvoorbeeld voor het routeren van een supportbericht, het labelen van een korte record, of het nemen van een snelle beslissing op basis van een prompt die je al hebt ingekort. Als je pipeline alleen tekst is en je inputs klein zijn, is het kleinere model de eenvoudigere keuze; zodra afbeeldingen, bestanden of zeer lange inputs in beeld komen, is Classify-1 degene die ze daadwerkelijk kan accepteren.
Het aanroepen van een van beide modellen via api14 werkt hetzelfde, omdat de gateway het OpenAI-compatible chat completions-formaat spreekt. Je richt je client op de api14 base URL, stuurt je request zoals gebruikelijk, en stelt het model-veld in op de id die je wilt. Wisselen tussen de twee is een wijziging van één regel: gebruik "scaledown/classify-1" voor het ScaleDown-model, of "togethercomputer/tev1-4b-experimental" voor het Together-model. Al het andere in je request body, je headers en je parsing-code blijft zoals het is, dus je kunt de twee vergelijken op je eigen data door de string te verwisselen en opnieuw te draaien.
Er zijn nog steeds gevallen waarin Tev1 4B Experimental de betere keuze is, ook al is Classify-1 op papier capabeler. Als je inputs korte platte tekst zijn en je de meest slanke request wilt, vermijdt het text-only model het versturen van image- of file-payloads die je niet nodig hebt. Het is ook een redelijke standaardkeuze wanneer je het al hebt gevalideerd op je taak en dat gedrag simpelweg stabiel wilt houden, aangezien beide modellen geen parameters aannemen en deterministisch gedragen ten opzichte van de prompt die je ze geeft.
Wissel met één string
Beide modellen gebruiken hetzelfde endpoint en dezelfde verzoekstructuur. Verander de waarde van model van "scaledown/classify-1" naar "togethercomputer/tev1-4b-experimental", prompts, streaming en tools blijven werken.
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);
Meer vergelijkingen
- LiquidAI: d1 Latest tegen LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest tegen Baseten: Joey 1
- LiquidAI: d1 Latest tegen LiquidAI: d1.1
- LiquidAI: d1 Latest tegen Morph: Reflex
- LiquidAI: d1-ultra Latest tegen Baseten: Joey 1
- LiquidAI: d1-ultra Latest tegen LiquidAI: d1.1
- LiquidAI: d1-ultra Latest tegen Morph: Reflex
- Baseten: Joey 1 tegen LiquidAI: d1.1