Together AI lanzó together/Tev1-4B-experimental, un modelo de clasificación construido sobre Qwen3.5 4B y disponible en su plataforma, junto con una guía paso a paso para afinar un modelo comparable.
El modelo recibe un bloque de estado (por ejemplo, un mensaje de soporte al cliente) más un conjunto fijo de opciones de respuesta múltiple, y devuelve una única etiqueta —una puntuación, un booleano o una letra— en lugar de texto libre. El ejemplo de Together muestra cómo construir un clasificador de intención de soporte: dado un mensaje sobre un cobro duplicado en una suscripción, el modelo devuelve correctamente la etiqueta "duplicate_charge" de una lista de cuatro opciones.
La guía detalla el pipeline de entrenamiento. Un conjunto de datos de ajuste fino de 37.840 ejemplos se toma de seis fuentes públicas —MultiNLI, BoolQ, Banking77, AG News, SST-5, además de conjuntos internos de políticas programáticas y enrutamiento— que cubren clasificación de intención, comprensión de sí/no, sentimiento y decisiones basadas en reglas. Entrenar este conjunto de datos sobre Qwen3.5 4B cuesta alrededor de 17 dólares y toma aproximadamente 25 minutos en el servicio de ajuste fino de Together, tras lo cual el modelo se despliega en un endpoint HTTP dedicado (el ejemplo usa una sola GPU H100).
Together especifica los ajustes exactos de inferencia necesarios para reproducir una salida determinista: temperature=0, max_tokens=8 y enable_thinking=false, además de un system prompt que instruye al modelo a tratar el campo de estado como datos y no como instrucciones, y a devolver únicamente la letra de la opción elegida.
Las empresas que no quieran entrenar su propia versión pueden consultar directamente together/Tev1-4B-experimental en la plataforma serverless de Together sin ejecutar ellos mismos los pasos de ajuste fino.