2026年9月23日 · together/Tev1-4B-experimental
How to train your own Jev for $17
Together AI 发布博客，介绍在其 serverless 平台上基于 Qwen3.5 4B 微调并上线自有 Jev 类分类器 together/Tev1-4B-experimental，并说明读者可据此微调自己的版本。
EVENT STORY
发展脉络
- 首次出现How to train your own Jev for $17Together AI
- 当前判断若小型专用分类器能以低门槛微调并托管，模型供给方之间的竞争会从基座能力部分转向微调与部署的易用性。当前仅有单一厂商博客，尚不足以判断这是行业普遍趋势还是单点动作。Agent Pulse · 分析
Together AI 在官方博客中宣布上线 together/Tev1-4B-experimental，这是一个 Jev 类分类器，构建在 Qwen3.5 4B 之上，运行于 Together 的 serverless 平台。博客同时给出教程性质的内容，说明如何微调出用户自己的同类版本。证据未披露训练数据、评测指标、延迟或具体定价细节，标题中的 17 美元成本也未在摘要中展开说明。
从证据看，该工作属于在既有开源基座模型上做小规模微调并直接托管为 serverless 端点的路径，工程重点在微调流程与部署链路而非新架构。可验证的下一信号是 Together 是否公开该模型的评测结果、上下文长度与推理定价。
若小型专用分类器能以低门槛微调并托管，模型供给方之间的竞争会从基座能力部分转向微调与部署的易用性。当前仅有单一厂商博客，尚不足以判断这是行业普遍趋势还是单点动作。
对需要定制分类能力的团队，这类托管微调可减少自建训练与推理基础设施的投入；但证据未给出成本与质量数据，采购决策前应等待公开评测与定价。
后续可观察 Together 是否发布该实验模型的正式版本、公开基准对比，以及是否出现其他平台推出同类低成本微调托管方案。