ScaleDown: Classify-1 contra Together: Tev1 4B Experimental
Uma comparação lado a lado entre ScaleDown: Classify-1 (US$ 0,14 / 1M fragmentos (≈ R$ 0,77)) e Together: Tev1 4B Experimental (US$ 0,15 / 1M fragmentos (≈ R$ 0,81)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| ScaleDown: Classify-1 | Together: Tev1 4B Experimental | |
|---|---|---|
| Provedor | ScaleDown | Together |
| Entrada | US$ 0,14 / 1M fragmentos (≈ R$ 0,77) | US$ 0,15 / 1M fragmentos (≈ R$ 0,81) |
| Janela de contexto | 1.000.000 | 32.768 |
| Saída máxima | 900.000 | 8 |
| Entrada | text, image, file | text |
| Saída | decisions | decisions |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 13 de out. de 2026 | 30 de set. de 2026 |
Principais diferenças
- Os dois têm praticamente o mesmo preço de entrada.
- ScaleDown: Classify-1 lê 30.5× mais contexto (1.000.000 tokens).
- Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,000140 com ScaleDown: Classify-1 e US$ 0,000147 com Together: Tev1 4B Experimental.
Em detalhe
ScaleDown: Classify-1 é um modelo de decisão da ScaleDown, e Together: Tev1 4B Experimental é um modelo de decisão da Together. Ambos estão na categoria de decisões, ou seja, a função deles é devolver uma decisão em vez de texto livre, e ambos foram lançados no final de 2026, com o Tev1 4B Experimental chegando em 30 de setembro de 2026 e o Classify-1 em 13 de outubro de 2026. Nenhum dos modelos expõe parâmetros suportados, então você os configura puramente por meio do prompt e da entrada que envia.
A divisão mais clara entre eles está no contexto e no tratamento de entrada. O Classify-1 aceita texto, imagens e arquivos, e tem uma janela de contexto de 1.000.000 de tokens. O Tev1 4B Experimental aceita apenas texto e sua janela de contexto é de 32.768 tokens. Em preço, os dois são praticamente iguais para entrada, então a escolha não é realmente uma questão de custo no lado da entrada; o preço de saída não é algo que possamos comparar de forma significativa aqui. Ambos retornam decisões como sua única modalidade de saída, então nenhum dos dois é um gerador de texto geral.
Para trabalho prático, recorra ao Classify-1 quando o material que você precisa classificar for grande ou de formato misto. Contratos longos, documentos digitalizados, capturas de tela, PDFs e tickets com muitas imagens se encaixam nas modalidades de entrada dele e em seu contexto muito grande, então você pode entregar um pacote inteiro em uma única chamada em vez de dividir em partes e juntar os resultados você mesmo. Recorra ao Tev1 4B Experimental quando a entrada for texto simples e couber confortavelmente em 32.768 tokens, por exemplo, encaminhar uma mensagem de suporte, rotular um registro curto ou tomar uma decisão rápida sobre um prompt que você já reduziu. Se o seu pipeline for somente texto e suas entradas forem pequenas, o modelo menor é o encaixe mais simples; no momento em que imagens, arquivos ou entradas muito longas entrarem em cena, o Classify-1 é o que realmente consegue aceitá-los.
Chamar qualquer um dos modelos por meio do api14 funciona da mesma forma, porque o gateway fala o formato de chat completions compatível com OpenAI. Você aponta seu cliente para a URL base do api14, envia sua requisição como de costume e define o campo model para o id desejado. Alternar entre os dois é uma mudança de uma linha: use "scaledown/classify-1" para o modelo da ScaleDown, ou "togethercomputer/tev1-4b-experimental" para o modelo da Together. Todo o resto no corpo da sua requisição, nos seus cabeçalhos e no seu código de parsing permanece como está, então você pode comparar os dois nos seus próprios dados trocando a string e executando novamente.
Ainda há casos em que o Tev1 4B Experimental é a melhor escolha, mesmo que o Classify-1 seja o mais capaz no papel. Se suas entradas forem texto simples curto e você quiser a requisição mais enxuta possível, o modelo somente texto evita enviar cargas de imagem ou arquivo de que você não precisa. Ele também é um padrão razoável quando você já o validou na sua tarefa e simplesmente quer manter esse comportamento estável, já que ambos os modelos não aceitam parâmetros e se comportam de forma determinística em relação ao prompt que você fornece.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "scaledown/classify-1" para "togethercomputer/tev1-4b-experimental", prompts, streaming e ferramentas continuam funcionando.
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);
Mais comparações
- LiquidAI: d1 Latest contra LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest contra Baseten: Joey 1
- LiquidAI: d1 Latest contra LiquidAI: d1.1
- LiquidAI: d1 Latest contra Morph: Reflex
- LiquidAI: d1-ultra Latest contra Baseten: Joey 1
- LiquidAI: d1-ultra Latest contra LiquidAI: d1.1
- LiquidAI: d1-ultra Latest contra Morph: Reflex
- Baseten: Joey 1 contra LiquidAI: d1.1