ScaleDown: Classify-1 mot Together: Tev1 4B Experimental
En jämförelse sida vid sida av ScaleDown: Classify-1 (0,14 US$ / 1M textdelar (≈ 1,38 kr)) och Together: Tev1 4B Experimental (0,15 US$ / 1M textdelar (≈ 1,45 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| ScaleDown: Classify-1 | Together: Tev1 4B Experimental | |
|---|---|---|
| Leverantör | ScaleDown | Together |
| Indata | 0,14 US$ / 1M textdelar (≈ 1,38 kr) | 0,15 US$ / 1M textdelar (≈ 1,45 kr) |
| Kontextfönster | 1 000 000 | 32 768 |
| Max utdata | 900 000 | 8 |
| Indata | text, image, file | text |
| Utdata | decisions | decisions |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 13 okt. 2026 | 30 sep. 2026 |
Viktiga skillnader
- Båda har ungefär samma indatapris.
- ScaleDown: Classify-1 läser 30.5× mer kontext (1 000 000 tokens).
- Ett anrop med 1 000 indata- och 500 utdata-tokens kostar 0,000140 US$ med ScaleDown: Classify-1 och 0,000147 US$ med Together: Tev1 4B Experimental.
Mer i detalj
ScaleDown: Classify-1 är en beslutsmodell från ScaleDown, och Together: Tev1 4B Experimental är en beslutsmodell från Together. Båda ligger i kategorin decisions, vilket innebär att deras uppgift är att returnera ett beslut snarare än fri prosa, och båda släpptes i slutet av 2026, där Tev1 4B Experimental kom den 30 september 2026 och Classify-1 den 13 oktober 2026. Ingen av modellerna exponerar några parametrar som stöds, så du konfigurerar dem enbart genom prompten och indata du skickar.
Den tydligaste skillnaden mellan dem är kontext och hantering av indata. Classify-1 accepterar text, bilder och filer, och den har ett kontextfönster på 1 000 000 tokens. Tev1 4B Experimental accepterar endast text och dess kontextfönster är 32 768 tokens. Priset för indata är ungefär detsamma för båda, så valet är egentligen inte en kostnadsfråga på indatasidan; prissättning för utdata är inget vi meningsfullt kan jämföra här. Båda returnerar beslut som enda utdatamodalitet, så ingen av dem är en allmän textgenerator.
I praktiskt arbete bör du välja Classify-1 när materialet du behöver klassificera är stort eller i blandade format. Långa avtal, skannade dokument, skärmbilder, PDF-filer och biljettärenden med mycket bilder passar alla dess indatamodaliteter och dess mycket stora kontext, så du kan lämna in ett helt paket i ett anrop i stället för att dela upp och sy ihop resultat själv. Välj Tev1 4B Experimental när indata är ren text och bekvämt ryms inom 32 768 tokens, till exempel vid routning av ett supportmeddelande, märkning av en kort post eller ett snabbt beslut över en prompt du redan har trimmat ned. Om din pipeline är textbaserad och dina indata är små är den mindre modellen den enklare lösningen; i samma stund som bilder, filer eller mycket långa indata kommer in i bilden är Classify-1 den som faktiskt kan ta emot dem.
Att anropa endera modellen via api14 fungerar på samma sätt, eftersom gatewayen talar det OpenAI-kompatibla formatet för chattkompletteringar. Du pekar din klient mot api14:s bas-URL, skickar din begäran som vanligt och ställer in fältet model till det id du vill använda. Att växla mellan de två är en ändring på en rad: använd "scaledown/classify-1" för ScaleDown-modellen, eller "togethercomputer/tev1-4b-experimental" för Together-modellen. Allt annat i din begärandetext, dina headers och din tolkningskod förblir som det är, så du kan jämföra de två på dina egna data genom att byta ut strängen och köra igen.
Det finns fortfarande fall där Tev1 4B Experimental är det bättre valet även om Classify-1 är den mer kapabla på papperet. Om dina indata är kort ren text och du vill ha den mest slimmade möjliga begäran, undviker den textbaserade modellen att skicka bild- eller filnyttolaster som du inte behöver. Den är också ett rimligt standardval när du redan har validerat den på din uppgift och helt enkelt vill hålla det beteendet stabilt, eftersom båda modellerna inte tar några parametrar och beter sig deterministiskt i förhållande till prompten du ger dem.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "scaledown/classify-1" till "togethercomputer/tev1-4b-experimental", promptar, streaming och verktyg fortsätter att fungera.
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);
Fler jämförelser
- LiquidAI: d1 Latest mot LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest mot Baseten: Joey 1
- LiquidAI: d1 Latest mot LiquidAI: d1.1
- LiquidAI: d1 Latest mot Morph: Reflex
- LiquidAI: d1-ultra Latest mot Baseten: Joey 1
- LiquidAI: d1-ultra Latest mot LiquidAI: d1.1
- LiquidAI: d1-ultra Latest mot Morph: Reflex
- Baseten: Joey 1 mot LiquidAI: d1.1