Together AI pricing : combien coûte vraiment l’API en 2026 ?

Together AI pricing : la voie la moins chère reste le serverless, et la nouvelle offre à $0.05 par minute de PTU n’accorde aucune remise sur les tarifs au token de la plateforme. Un PTU réservé en continu coûte $2,160 sur un mois de 30 jours : il s’achète pour la capacité garantie et le SLA de disponibilité à 99%, pas pour réduire le prix de tokens inutilisés.

Together AI pricing : les tarifs en un coup d’œil

Chez Together AI, mieux vaut avancer par paliers : commencer par du serverless prépayé, basculer le trafic régulier et sensible à la fiabilité vers Provisioned Throughput, puis ne réserver du matériel dédié que si la charge exige un environnement mono-locataire ou des modèles personnalisés. L’erreur coûteuse consiste à prendre ces paliers pour des remises de volume. Chacun facture une ressource différente et transfère un risque opérationnel différent.

Together AI ne propose pas une simple gamme Free, Pro et Business. La plateforme vend des tokens et des sorties multimédias en serverless, de la capacité de tokens réservée, des GPU dédiés gérés, des clusters GPU bruts, du calcul en sandbox, du stockage et du fine-tuning. Un même produit peut déclencher plusieurs compteurs. Un agent peut ainsi cumuler les tokens du modèle, le CPU et la mémoire du sandbox, puis un endpoint fine-tuné qui continue d’être facturé entre deux requêtes.

Tous les prix et plafonds de cette page ont été vérifiés sur la page tarifaire de Together AI, sa documentation de facturation et sa documentation produit le 22 août 2026. La date compte : la page actuelle diffère déjà sensiblement des relevés de juin. Elle affiche MiniMax M3, Kimi K3 et GLM-5.2, des tarifs en baisse pour le matériel dédié en service, ainsi que la nouvelle couche Provisioned Throughput.

La première règle de décision est simple. Le serverless convient à une demande incertaine ou irrégulière. Un PTU devient pertinent lorsqu’un modèle bien défini absorbe une charge de base stable et que la capacité réservée a une valeur métier. Dedicated Inference répond au besoin d’un modèle personnalisé, de matériel mono-locataire ou de réglages contrôlés. Quant au cluster GPU, il ne se justifie que si l’entreprise veut exploiter elle-même le calcul sous-jacent au lieu d’acheter un résultat d’inférence géré.

C’est ce qui rend Together AI séduisant pour une startup financée qui veut conserver la même API entre l’expérimentation et l’infrastructure réservée. L’offre l’est moins pour un développeur indépendant à la recherche du token au prix spot le plus bas, ou pour une équipe incapable d’anticiper ne serait-ce qu’un mois de demande. La flexibilité appartient au produit serverless. L’engagement s’achète à part.

En serverless, le choix du modèle détermine l’essentiel de la facture

Le serverless constitue le bon point de départ : aucun coût de provisionnement et aucun minimum d’utilisation au-delà de l’achat de $5 donnant accès à la plateforme. Les requêtes partent vers une flotte mutualisée et seuls les traitements effectués sont facturés. Sur la facture, le modèle, le sens des tokens, le taux de cache et la longueur des sorties comptent bien davantage que le nom Together AI.

Le catalogue de chat actuel couvre une très large fourchette. LFM2.5-8B-A1B coûte $0.03 par million de tokens en entrée et $0.12 par million en sortie. DeepSeek V4 Flash 0731 revient à $0.14 en entrée, $0.03 pour l’entrée en cache et $0.28 en sortie. gpt-oss-120B coûte $0.15 en entrée et $0.60 en sortie. À l’extrémité haute de la liste texte affichée, Kimi K3 atteint $3 en entrée, $0.30 pour l’entrée en cache et $15 en sortie par million de tokens.

Ce tarif de DeepSeek hébergé par Together correspond au compteur propre à ce fournisseur. L’analyse distincte des tarifs DeepSeek détaille l’économie directe du modèle ; pour une facture Together, fiez-vous à la page en ligne de Together.

L’écart est de 125x entre les $0.12 de sortie de LFM et les $15 de Kimi K3. Optimiser le fournisseur sans penser au routage des modèles revient à négocier une petite ristourne sur le fret tout en expédiant chaque colis par avion. Le premier levier d’économie consiste à attribuer à chaque tâche le modèle le moins cher qui respecte le niveau de qualité requis.

Prenons une charge d’agent concrète. Supposons 1,000 appels consommant chacun 8,000 tokens d’entrée et produisant 1,000 tokens de sortie. Le total atteint 8 millions de tokens d’entrée et 1 million de tokens de sortie :

• DeepSeek V4 Flash 0731 coûte $1.40 au total, soit $0.0014 par appel.
• gpt-oss-120B coûte $1.80 au total, soit $0.0018 par appel.
• MiniMax M3 coûte $3.60 au total, soit $0.0036 par appel.
• GLM-5.2 coûte $15.60 au total, soit $0.0156 par appel.
• Kimi K3 coûte $39 au total, soit $0.039 par appel.

Le plus grand écart ne vient pas des frais du fournisseur, mais du modèle retenu et du volume de sorties coûteuses qu’il génère. Un classificateur de support client qui renvoie une seule étiquette n’a pas besoin du même budget de sortie qu’un agent de recherche chargé d’une longue réponse. Fixez une limite stricte de sortie à cette tâche bornée avant de chercher un endpoint moins cher.

Voilà pourquoi une comparaison plus large des API d’IA les moins chères n’aide qu’après normalisation de la tâche. Comparer des fournisseurs avec des prompts, des réponses, des hypothèses de cache ou des modèles différents produit un joli chiffre, mais pas un budget exploitable.

Le cache d’entrée réduit le coût des longs préfixes répétés

Lorsque les prompts se répètent, l’entrée en cache est la remise self-service la plus puissante. Together reconnaît un préfixe inchangé — par exemple une longue instruction système ou un contexte de référence stable — et facture ces tokens à un tarif inférieur sur les modèles compatibles.

Reprenons les mêmes 1,000 appels et supposons que 80% des 8 millions de tokens d’entrée bénéficient du tarif en cache. MiniMax M3 passe de $3.60 à $2.064, GLM-5.2 de $15.60 à $8.304 et Kimi K3 de $39 à $21.72. Les baisses respectives atteignent 42.7%, 46.8% et 44.3%.

L’enjeu opérationnel dépasse le pourcentage de remise. Un responsable expérimenté doit séparer le préfixe stable du contexte propre à chaque requête, comptabiliser distinctement les tokens mis en cache et ceux qui ne le sont pas, puis surveiller les modifications de prompt qui invalident le cache. Une réécriture du prompt peut faire monter la dépense à trafic constant ; sans données de cache, l’effet ressemble à un problème tarifaire.

Batch n’est moins cher que si le modèle et le workflow sont éligibles

L’API Batch de Together AI accorde jusqu’à 50% de remise sur certains modèles serverless en contrepartie d’un traitement asynchrone. C’est le bon compteur pour la classification hors ligne, les données synthétiques, les évaluations et les résumés en masse. Il ne convient ni à un chat en direct, ni à un assistant de paiement, ni à un parcours de service client qui attend la réponse suivante.

Le contrat Batch actuel accepte jusqu’à 50,000 requêtes dans un fichier d’entrée de 100 MB et jusqu’à 30 milliards de tokens en file d’attente par modèle. La fenêtre de traitement est fixée à 24 heures, en best effort. Together recommande des lots de 1,000 à 10,000 requêtes. Les réponses réussies sont facturées, les requêtes en échec ne le sont pas, et annuler un lot n’efface pas le coût des réponses déjà produites.

La promesse de 50% ne vaut pas partout. Seuls certains modèles serverless bénéficient du tarif réduit et plusieurs ne fonctionnent pas du tout avec Batch. Les endpoints dédiés peuvent recevoir des jobs Batch, mais sans la remise. Vérifiez la liste des modèles Batch en ligne avant d’établir une prévision.

Exemple actuel : 8 millions de tokens d’entrée et 1 million de tokens de sortie sur Llama 3.3 70B coûtent $9.36 aux tarifs de $1.04 en entrée comme en sortie. Avec un lot éligible à la remise de 50%, la facture tombe à $4.68. L’économie existe parce que le job accepte d’attendre, pas parce que toutes les requêtes serverless sont soudain moins chères.

Images, vidéo, audio et stockage ont chacun leur unité

Le serverless ne s’arrête pas au texte. Dans le catalogue affiché, l’image va de $0.0017 à $0.134 par image ou mégapixel, et la vidéo de $0.115 à $3.20 par génération. La transcription audio coûte de $0.0015 à $0.0045 par minute audio, tandis que la synthèse vocale s’étend de $4 à $65 par million de caractères. Les embeddings Multilingual e5 large instruct coûtent $0.02 par million de tokens et la modération Llama Guard 4 12B, $0.20 par million de tokens.

Ces fourchettes ne sont pas interchangeables. Together précise que les prix affichés pour l’image et la vidéo correspondent à la résolution ou à la durée la plus basse, et que dépasser le nombre d’étapes de génération par défaut peut augmenter la facture. Pour budgéter 100,000 courtes vidéos, un product manager doit connaître le modèle exact, la durée, la résolution, le réglage audio et le taux de nouvelle tentative. Multiplier le tarif de la vignette la moins chère par le volume de production sous-estimerait ce poste.

Le serverless reste le choix par défaut de la plupart des nouvelles charges. Sa limite ne tient pas au tarif par token, mais à la capacité partagée, aux plafonds dynamiques et à l’absence d’un engagement public de disponibilité équivalent à celui de Provisioned Throughput. Quand cela devient un risque visible pour le client, la décision suivante porte sur la capacité, pas sur une vague montée en gamme.

Provisioned Throughput transforme la capacité en engagement mensuel

Provisioned Throughput ne mérite son coût que si la capacité de tokens réservée résout un problème métier. Together AI l’a lancé le 8 juillet 2026 comme couche intermédiaire entre le serverless en best effort et Dedicated Inference, entièrement configurable. L’offre comprend un SLA de disponibilité à 99%, un engagement minimal d’un mois et un tarif public de $0.05 par minute de Provisioned Throughput Unit, ou PTU.

Un PTU n’est pas un lot de tokens, mais un débit réservé de tokens par minute sur un modèle compatible, immobilisé pour le client. L’entrée, l’entrée en cache et la sortie consomment cette capacité à des vitesses différentes. La page en ligne affiche actuellement trois barèmes publics :

MiniMax M3 fournit 166,667 tokens d’entrée, 833,333 tokens d’entrée en cache ou 41,667 tokens de sortie par minute et par PTU. Kimi K3 fournit 16,667 tokens d’entrée, 166,667 en cache ou 3,333 en sortie. GLM-5.2 fournit 35,714 tokens d’entrée, 192,308 en cache ou 11,364 en sortie. Une requête mixte consomme un mélange de ces capacités.

À $0.05 la minute, un PTU coûte $3 par heure, $72 par jour et $2,160 sur un mois de 30 jours. La note du calculateur Together retient environ 43,800 minutes pour un provisionnement continu sur un mois moyen, soit environ $2,190. La finance doit utiliser le contrat exact et le mois calendaire concerné, plutôt que de supposer que chaque mois vaut uniformément $2,160.

Le test du taux d’occupation d’un PTU

Le calcul révélateur consiste à valoriser un PTU selon le propre compteur serverless de Together. Affecté aux entrées pendant 30 jours, un PTU MiniMax M3 peut fournir environ 7.2 milliards de tokens d’entrée. Au tarif serverless de $0.30 par million, cette capacité vaut environ $2,160. Affecté aux sorties, il peut livrer environ 1.8 milliard de tokens de sortie. À $1.20 par million, leur valeur atteint également environ $2,160. Le chemin par l’entrée en cache aboutit au même résultat, à l’arrondi près.

Kimi K3 et GLM-5.2 suivent le même calibrage. La capacité publique d’un PTU rejoint le tarif public serverless à une occupation pratiquement totale pendant un mois de 30 jours. Le calculateur publié peut afficher d’importantes économies face à un modèle commercial sélectionné, mais il compare explicitement la dépense PTU au prix catalogue de ce modèle externe. Il ne démontre pas une remise généralisée par rapport aux propres tarifs serverless de Together.

Voici le test d’occupation : la valeur de la capacité n’égale la valeur serverless que lorsque l’unité réservée est pleinement utilisée. À 50% d’utilisation, les tarifs effectifs de MiniMax M3 doublent : $0.60 par million de tokens d’entrée, $0.12 par million de tokens d’entrée en cache ou $2.40 par million de tokens de sortie. À 25%, ils quadruplent à $1.20, $0.24 et $4.80. À 70%, le tarif effectif vaut environ 1.43x le serverless, soit approximativement $0.43 en entrée et $1.71 en sortie.

Cela ne fait pas des PTU un mauvais produit ; cela précise ce qu’ils vendent. Le CTO d’une entreprise de taille intermédiaire qui exploite un agent face aux clients peut accepter rationnellement 20% de capacité inutilisée si la voie réservée réduit le risque de throttling et si le SLA à 99% a une valeur contractuelle. Une startup dont la demande se concentre sur les jours ouvrés ne devrait pas financer nuits et week-ends, sauf si la garantie de capacité protège assez de chiffre d’affaires pour couvrir la prime.

La page publique indique que des engagements plus importants peuvent bénéficier de remises, sans publier le barème. Une remise négociée abaisse le seuil de rentabilité sous 100% d’occupation. Tant que le service commercial ne l’a pas inscrit dans un bon de commande, modélisez le tarif public et traitez toute réduction comme un bonus.

Un SLA à 99% doit encore être interprété par le métier

Un objectif mensuel de disponibilité à 99% autorise environ 7 heures et 18 minutes d’interruption sur un mois de 30.4 jours. C’est mieux qu’un accès en best effort, mais le niveau Performance destiné aux entreprises chez Groq annonce 99.9% : 99% n’est donc pas l’engagement le plus fort de cette sélection. Il faut comparer les recours contractuels, les exclusions de maintenance, l’architecture régionale et la voie de secours, pas s’arrêter à trois caractères suivis du signe pourcentage.

Provisioned Throughput se défend surtout lorsque l’application présente une charge de base stable, un choix de modèle prévisible et une promesse client que le throttling d’une flotte mutualisée pourrait rompre. L’offre convainc moins si le trafic varie de 10x, si le modèle change chaque semaine ou si les travaux hors ligne peuvent passer par Batch. La réservation transforme alors l’incertitude en temps d’inactivité payé.

Ce choix change la discussion budgétaire du lundi

Avant le 8 juillet, une équipe qui choisissait Together devait franchir un grand écart entre le serverless mutualisé facturé au token et l’infrastructure GPU dédiée. Les PTU ajoutent une ligne intermédiaire au budget : du débit réservé par modèle, sans devoir dimensionner les GPU ni bâtir une stack de serving personnalisée. La finance peut ainsi approuver une enveloppe mensuelle fixe de capacité tandis que l’équipe technique conserve la même API d’inférence.

Conséquence : un nouvel indicateur opérationnel devient indispensable. La dépense en tokens ne suffit plus. Le responsable doit connaître le pic de requêtes par seconde, la répartition des tokens d’entrée et de sortie, le taux de cache, l’occupation de la capacité, les requêtes bridées et les résultats acceptés. Sans ces six mesures dans le dashboard, l’entreprise ne peut pas déterminer si un PTU la protège ou gaspille son budget.

Un PTU MiniMax M3 prend en charge environ 600,000 appels d’agent complets

Un PTU peut absorber environ 600,000 appels MiniMax M3 sur un mois de 30 jours lorsque chaque appel utilise 8,000 tokens d’entrée hors cache et produit 1,000 tokens de sortie. Il s’agit de la même charge que celle chiffrée plus haut à $0.0036 par appel en serverless : 600,000 appels serverless coûtent donc $2,160. À pleine occupation, compteur de capacité et compteur de tokens se rejoignent par construction.

Le calcul de capacité tient compte des deux côtés de la requête. Huit mille tokens d’entrée consomment environ 0.048 minute de PTU selon le barème de 166,667 tokens d’entrée par minute de MiniMax M3. Mille tokens de sortie ajoutent 0.024 minute de PTU au rythme de 41,667 tokens par minute. Une requête complète consomme donc environ 0.072 minute de PTU. En divisant les 43,200 minutes de PTU du mois par cette empreinte, on obtient environ 600,000 appels.

On peut alors bâtir un budget opérationnel directement exploitable :

À 80% d’occupation, le PTU traite environ 480,000 appels. La facture serverless équivalente serait de $1,728, ce qui laisse une prime mensuelle de réservation de $432. Le PTU coûte 25% de plus que le travail serverless réellement consommé. Un produit exposé aux clients peut accepter cette prime si la capacité réservée et le SLA à 99% protègent plus de $432 de chiffre d’affaires, de temps de support ou de coût réputationnel.

À 70% d’occupation, il traite environ 420,000 appels. Le serverless coûte $1,512 : la prime de capacité atteint donc $648. À 50%, il traite 300,000 appels pour un coût serverless de $1,080, ce qui transforme la moitié de la facture PTU en capacité inutilisée payante.

Le cache modifie le nombre d’appels qui tiennent dans l’unité. Si 80% de l’entrée est en cache, chaque requête consomme environ 0.04128 minute de PTU au lieu de 0.072. Un PTU peut alors prendre en charge approximativement 1.0465 million des mêmes appels à pleine occupation. Le tarif serverless diminue simultanément de $0.0036 à $0.002064 par appel ; à pleine charge, le coût converge donc toujours autour de $2,160.

Le bénéfice métier du cache porte ainsi sur le débit autant que sur le coût unitaire. Un long préfixe système stable permet à la même capacité réservée de servir davantage de clients. À l’inverse, une modification du prompt qui empêche la réutilisation du cache réduit la marge disponible du PTU tout en augmentant la dépense serverless.

Passons maintenant à l’échelle d’une ligne budgétaire. Dix PTU coûtent $21,600 sur un mois de 30 jours et gèrent environ 6 millions de ces appels hors cache à pleine occupation. À 70%, ils en gèrent 4.2 millions. La facture serverless équivalente est de $15,120, ce qui laisse une prime mensuelle de $6,480 pour la capacité réservée et le SLA.

C’est ce montant de $6,480 qu’un CTO doit être capable de défendre. Si le throttling de la flotte mutualisée menace plus de $6,480 de marge brute, de charge de support ou de pénalités contractuelles, la réservation peut mériter sa place. Sinon, le serverless conserve ces mêmes $6,480 pour le produit. Dire simplement « nous dépensons $15,000 en tokens » ne permet jamais de trancher.

Dedicated Inference n’offre pas de seuil de rentabilité public aussi net au token, car le débit de sortie varie selon le modèle, la quantification, la forme des lots, le nombre de GPU et la configuration. Tout article qui divise le prix mensuel d’un GPU par un tarif générique au token pour annoncer un point de bascule universel dissimule précisément la variable décisive. Mesurez le modèle candidat sur l’endpoint visé, puis comparez le coût par résultat accepté au taux d’utilisation observé.

Dedicated Inference et les clusters GPU ne répondent pas au même besoin

Dedicated Inference s’impose lorsque le contrôle prime sur la souplesse du self-service. Together alloue du matériel mono-locataire, prend en charge les modèles personnalisés, l’autoscaling et les pics de trafic. Le tarif en ligne s’élève à $5.49 par heure-GPU pour un NVIDIA HGX H100 et à $8.99 pour un HGX B200. Pour les H200, B300, GB200 NVL72 et GB300 NVL72, il faut contacter le service commercial.

En fonctionnement continu pendant 30 jours, un H100 coûte $3,952.80 et un B200, $6,472.80. Ces montants s’entendent par GPU, avant tout besoin de plusieurs GPU. L’endpoint reste facturé tant qu’il fonctionne, quel que soit le volume de requêtes : même inactif, le déploiement demeure un poste budgétaire actif.

Ne bâtissez pas la prévision matérielle à partir d’une ancienne documentation sur les endpoints dédiés. La documentation présente actuellement des montants H100, H200 et B200 incompatibles avec ceux de la page tarifaire en ligne. Cette dernière est la source la plus récente et celle vérifiée ici. Voilà exactement pourquoi tout prix d’infrastructure doit être daté.

Dedicated Inference justifie sa facture lorsqu’un modèle fine-tuné ou importé ne peut pas fonctionner sur le serverless partagé, lorsque la latence p99 exige un matériel stable, lorsque le serving nécessite des réglages personnalisés ou lorsqu’un taux d’utilisation élevé et régulier rend un GPU réservé plus rentable. Le calcul ne tient plus si l’endpoint passe l’essentiel de la journée à attendre.

Les clusters GPU sont plus bruts — et peuvent sembler moins chers pour de mauvaises raisons

Les clusters GPU laissent davantage de la stack à la charge de l’acheteur. Les tarifs actuels à la demande sont de $3.99 par heure-GPU pour le H100, $5.99 pour le H200 et $8.19 pour le B200. L’équivalent H100 sur 30 jours coûte $2,872.80, mais ce n’est pas un substitut moins cher au H100 Dedicated à $3,952.80. L’acheteur du cluster assume une plus grande part du déploiement, du serving, de l’orchestration, de l’observabilité et de l’optimisation du taux d’utilisation.

Les tarifs des clusters réservés baissent avec la durée d’engagement. Le H100 passe à $3.69 pour 7-30 jours, $3.45 pour 31-90 jours et $3.19 pour 91-180 jours. Sur les mêmes tranches, le H200 passe successivement de $4.99 à $4.15 puis $3.99. Le B200 passe de $7.99 à $7.79 puis $6.79. Toute durée de 181 jours ou plus exige un devis.

Cette remise a des contreparties strictes. Selon la documentation de facturation GPU de Together, la totalité de la réservation est facturée à l’avance ou débitée dès le provisionnement. Une réservation n’est ni remboursable, ni partiellement remboursable, ni suspendable. Si le cluster dépasse la capacité réservée, l’excédent est facturé au tarif à la demande.

Pour une réservation H100 de 91-180 jours, le mois normalisé à 720 heures revient à $2,296.80 par GPU, soit $576 de moins que l’équivalent à la demande. Cette économie ne vaut que si le GPU reste utilement occupé. Une réservation de quatre GPU dont la moitié reste inactive ne devient pas rentable simplement parce que le tarif horaire est inférieur.

Le stockage suit lui aussi son propre cycle de vie. Le stockage partagé coûte $0.16 par GiB-mois, soit environ $163.84 par mois pour 1 TiB. Le volume persiste et continue d’être facturé après la suppression du cluster, jusqu’à ce que quelqu’un le supprime à son tour. C’est pratique pour recréer du calcul autour de données durables, mais les volumes abandonnés deviennent alors une dépense silencieuse.

Le fine-tuning peut coûter peu à l’entraînement et cher à maintenir

Le fine-tuning comporte deux factures distinctes : le job d’entraînement, puis le déploiement du modèle. La première peut paraître dérisoire. L’hébergement du résultat peut devenir le principal coût mensuel.

Together calcule l’entraînement standard en multipliant les tokens du jeu de données par le nombre d’époques, puis en ajoutant, le cas échéant, les tokens d’évaluation multipliés par le nombre d’évaluations. Pour les modèles allant jusqu’à 16B paramètres, le fine-tuning supervisé coûte $0.48 par million de tokens traités avec LoRA et $0.54 avec un fine-tuning complet. Direct Preference Optimization, ou DPO, coûte $1.20 avec LoRA et $1.35 en entraînement complet.

Pour les modèles de 17B-69B, les quatre tarifs sont $1.50, $1.65, $3.75 et $4.12. Pour les modèles de 70B-100B, ils atteignent $2.90, $3.20, $7.25 et $8. Le minimum d’un job standard est de $4.

Les modèles plus grands ou nommément désignés suivent une tarification spécialisée. Pour DeepSeek V4 Flash LoRA, le fine-tuning supervisé coûte $6 par million de tokens traités et le DPO $15, avec un minimum de $12. gpt-oss-120B coûte $5 et $12.50, avec un minimum de $6. Kimi K2.6 ou K2.7-Code coûte $15 et $37.50, avec un minimum de $60. GLM-5.2 atteint $40 et $100, avec un minimum de $60.

Cet écart propre à chaque modèle change radicalement une expérience qui semblait simple. Un jeu de 20 millions de tokens parcouru pendant trois époques représente 60 millions de tokens traités. Sur un job LoRA standard allant jusqu’à 16B, l’entraînement supervisé coûte $28.80. Sur le tarif spécialisé LoRA de GLM-5.2, les mêmes tokens traités reviennent à $2,400. La taille du jeu n’a pas changé ; le prix du modèle de base, si.

Le job d’entraînement ne représente toujours pas le coût sur tout le cycle de vie. Un modèle fine-tuné exige une capacité de déploiement et un solde prépayé suffisant. Un seul H100 Dedicated actuel maintenu pendant 30 jours coûte $3,952.80. Une équipe peut dépenser $28.80 pour créer un petit adaptateur, puis plus de 137x ce montant chaque mois pour laisser un H100 actif.

C’est souvent là qu’un budget de prototype déraille. Le data scientist déclare le coût de l’entraînement ; la finance découvre plus tard la facture de serving. Validez l’expérience avec un plan de déploiement joint : nombre d’heures en ligne prévu, quantité de GPU, plancher d’autoscaling, volume de requêtes et responsable de l’arrêt.

L’annulation d’un entraînement offre un remboursement plus limité que beaucoup d’acheteurs ne l’imaginent. Together facture les étapes terminées et ne rembourse que celles qui ne le sont pas. En dehors de ce cas, les frais standard de la plateforme ne sont pas remboursables par défaut selon les conditions. Considérez un job d’entraînement comme du calcul consommé, pas comme un abonnement logiciel réversible.

Sandbox et Code Interpreter ajoutent leurs propres compteurs aux agents

Code Sandbox coûte $0.0446 par heure-vCPU, plus $0.0149 par heure et par GiB de RAM. Un sandbox exécuté avec 2 vCPU et 8 GiB pendant 160 heures revient à environ $33.34. Code Interpreter utilise un autre compteur : $0.03 par session de 60 minutes.

Pour un produit agentique, ces montants s’ajoutent à l’inférence du modèle. Si 10,000 exécutions mensuelles ouvrent chacune une session d’interpréteur d’une heure, ce seul poste atteint $300 avant les tokens du modèle. Si les sessions peuvent être réutilisées sans risque, l’architecture du produit modifie le coût de chaque tâche terminée. Si elles restent ouvertes après la fin du travail, l’exécution inactive devient l’équivalent, à plus petite échelle, d’un GPU inutilisé.

La bonne unité est donc le coût par résultat accepté, et non le coût par million de tokens. L’appel MiniMax M3 de l’exemple coûte $0.0036 ; ajoutez une session Code Interpreter à $0.03 et le parcours coûte au moins $0.0336 avant toute nouvelle tentative ou tout autre appel d’outil. Instrumentez le parcours complet.

Together AI n’est pas gratuit, même lorsqu’un modèle affiche des tokens à $0

Together AI ne propose actuellement aucun essai gratuit et exige au moins $5 de crédits prépayés avant de donner accès à la plateforme. La réponse sur l’offre gratuite est donc sans ambiguïté : il n’existe pas de compte API accessible sans paiement.

Le catalogue en ligne affiche bien Ternary Bonsai 27B à $0 par million de tokens en entrée et $0 par million en sortie. Tant que cette référence reste disponible, l’inférence peut donc coûter $0, mais le compte exige toujours l’achat initial de $5. Cet achat de $5 n’est pas présenté comme un abonnement mensuel. À l’heure actuelle, les crédits prépayés achetés n’expirent pas.

Qui peut ne jamais repayer après ces premiers $5 ? Un amateur ou un évaluateur qui utilise exclusivement le modèle actuellement facturé à zéro, respecte les limites et ne lance aucun service payant peut laisser son solde intact. C’est un cas étroit, pas une offre gratuite de production. La disponibilité, la capacité et le tarif d’un modèle peuvent évoluer ; aucun produit ne devrait promettre à ses clients qu’un endpoint promotionnel ou gratuit restera son backend définitif.

Les anciens crédits offerts à l’inscription ne sont plus disponibles. La politique de support actuelle de Together impose d’acheter au moins $5 et d’associer un moyen de paiement. L’accès prépayé ordinaire ne permet aucun solde négatif : lorsque les crédits achetés tombent à zéro, l’API est suspendue jusqu’au rechargement. Les clients sous contrat suivent les modalités de leur commande.

Les crédits n’expirent pas, mais ne constituent pas une épargne remboursable

Les crédits achetés n’ont actuellement aucune date d’expiration. C’est plus favorable qu’une échéance annuelle, sans rendre pour autant le surfinancement anodin. Les conditions de Together indiquent que les sommes versées ne sont pas remboursables par défaut, que les obligations de paiement ne peuvent pas être annulées et que les mois partiels ne sont pas calculés au prorata, sauf disposition contraire d’un bon de commande.

Le rechargement automatique mérite un réglage prudent. La documentation de facturation mentionne un montant par défaut de $25 et prévient qu’un seuil supérieur au solde actuel peut déclencher immédiatement des achats répétés jusqu’à combler l’écart. Calibrez le seuil sur la consommation attendue, déclenchez une alerte à chaque achat et maintenez un budget par projet en dehors du solde de crédits.

Les Build Tiers augmentent les limites selon la dépense cumulée

Les cinq Build Tiers de Together sont des paliers de rate limits fondés sur la dépense cumulée depuis l’ouverture du compte, et non des forfaits mensuels. Le Tier 1 commence à $5 et annonce 600 requêtes LLM par minute. Le Tier 2 débute à $50 pour 1,800 requêtes, le Tier 3 à $100 pour 3,000, le Tier 4 à $250 pour 4,500 et le Tier 5 à $1,000 pour 6,000.

Les limites d’embeddings progressent de 3,000 RPM au Tier 1 à 10,000 aux Tiers 4 et 5. Sur les cinq paliers, le quota de rerank augmente de 500,000 à 5,000,000. Il ne s’agit pas de garanties universelles pour tous les modèles. Together peut appliquer des restrictions propres à chaque modèle, et sa documentation serverless actuelle décrit aussi des limites dynamiques ajustées à la capacité disponible et au trafic récemment traité avec succès.

Cette combinaison compte lors d’un lancement. Même un compte Tier 5 peut recevoir une réponse 429 si un modèle très demandé dispose de moins de capacité ou si le trafic dépasse brutalement son niveau récent. Le serverless évite le provisionnement, pas tous les pics. Batch, les PTU et Dedicated Inference constituent les voies de sortie, chacune avec son propre compromis entre coût et latence.

Les coûts cachés viennent surtout des ressources inactives et des clauses limites

Les prix visibles des tokens Together AI sont globalement clairs. Les mauvaises surprises se glissent entre les produits, dans les engagements, les ressources qui tournent à vide et les hypothèses prises à tort pour des règles universelles.

Calcul calendaire des PTU : $0.05 par minute donne $2,160 sur un mois de 30 jours. La note du calculateur en ligne utilise environ 43,800 minutes, soit approximativement $2,190. Cet écart de $30 par PTU devient $3,000 sur 100 PTUs. Appliquez la convention du contrat.

Sous-utilisation des PTU : au tarif public, un PTU est calibré sur la valeur du serverless Together à pleine occupation pendant 30 jours. À 50% d’occupation, le coût effectif des tokens double. La capacité et le SLA peuvent toujours justifier cette prime, mais elle doit apparaître clairement.

Inactivité du matériel dédié : Dedicated Inference facture le matériel alloué tant qu’il fonctionne, même avec zéro requête. L’hébergement d’un modèle fine-tuné doit figurer dans la prévision mensuelle, pas seulement dans le ticket d’expérimentation.

Réservations non remboursables : les réservations de clusters GPU sont facturées pour toute leur durée, ne peuvent ni être suspendues ni faire l’objet d’un remboursement partiel. Une erreur de prévision devient une dépense engagée.

Dépassement à la demande : toute montée en charge au-delà de la capacité GPU réservée est facturée au tarif à la demande, plus élevé. Même une charge de base stable peut réserver une surprise si les hypothèses de pic sont trop basses.

Stockage persistant : le stockage survit à l’arrêt du cluster et reste facturé jusqu’à sa suppression. Chaque démontage de cluster doit inclure une décision explicite : conserver ou supprimer.

Éligibilité à Batch : la remise dépend du modèle, la fenêtre de 24 heures reste en best effort et les réponses terminées demeurent facturables après une annulation. N’appliquez pas 50% à tout un budget hors ligne sans vérifier la liste en vigueur.

Réglages multimédias par défaut : les prix d’image et de vidéo peuvent correspondre à la plus petite résolution, à la durée minimale ou au nombre d’étapes par défaut. Les paramètres de qualité en production et les nouvelles tentatives modifient le coût de chaque contenu utilisable.

Comportement du rechargement automatique : un seuil trop agressif peut déclencher des achats immédiats, alors que les frais ordinaires ne sont pas remboursables. Traitez l’auto-recharge comme un contrôle de continuité en production assorti d’alertes, pas comme un réglage que l’on oublie.

Dérive des sorties : une modification du prompt ou du modèle qui allonge les réponses augmente la dépense à volume de requêtes constant. Suivez séparément l’entrée, l’entrée en cache, la sortie et les résultats acceptés.

Dérive des rate limits : les limites serverless peuvent être dynamiques et propres à chaque modèle. Atteindre le Tier 5 grâce à la dépense cumulée ne réserve pas la flotte sous-jacente.

Il n’existe pas de remise annuelle self-service standard à modéliser. Le serverless repose sur du prépayé à l’usage, les PTU exigent au moins un mois, les réservations GPU publient des tranches de 7-30, 31-90 et 91-180 jours, et les engagements plus longs passent par le service commercial. Le risque d’enfermement annuel se trouve dans un bon de commande personnalisé ou une succession de réservations d’infrastructure, pas dans un forfait applicatif annuel public.

Alternatives à Together AI : comparez d’abord le même modèle

Together AI n’est pas systématiquement le moins cher sur chaque modèle partagé. Pour gpt-oss-120B, son tarif public serverless est strictement identique à ceux de Fireworks AI et de Groq : $0.15 par million de tokens d’entrée et $0.60 par million de tokens de sortie. Un job de 1 million de tokens d’entrée et 250,000 tokens de sortie coûte $0.30 chez chacun, avant tout avantage lié au cache ou accord propre au compte.

Cette parité est utile. Elle retire le prix des tokens de l’équation et oblige l’acheteur à comparer le tarif du cache, les rate limits, la latence, le contrôle du fournisseur, le comportement du fallback, les modes de déploiement et les SLA proposés.

Fireworks AI aligne le tarif de base et facture le cache moins cher

Fireworks AI affiche gpt-oss-120B Standard en serverless à $0.15 en entrée, $0.015 pour l’entrée en cache et $0.60 en sortie par million de tokens. Le job normalisé hors cache coûte donc les mêmes $0.30 que chez Together. Fireworks annonce également $1 de crédits de démarrage.

Fireworks remporte cette comparaison précise lorsque la charge contient un long préfixe réutilisable, car son tarif actuel de l’entrée en cache pour gpt-oss est explicite et faible. La plateforme propose aussi les niveaux serverless Standard, Priority et Fast, ajoutant un choix entre prix et latence. En contrepartie, ces niveaux compliquent une comparaison tarifaire censée être simple, et son prix du GPU dédié correspond à un autre produit que le PTU de Together.

Choisissez Fireworks si le principal besoin est un serverless à modèles ouverts fortement optimisé par le cache et si ses niveaux de service correspondent à l’application. Préférez Together si la valeur stratégique réside dans le passage, via la même API, vers les PTU, l’inférence de modèles dédiée, le fine-tuning, les sandboxes ou les clusters bruts.

Groq vend de la vitesse au même tarif par token

Groq affiche gpt-oss-120B aux mêmes prix de $0.15 en entrée et $0.60 en sortie ; le job normalisé y coûte donc aussi $0.30. La page actuelle du modèle indique environ 500 tokens par seconde, avec une limite de 250,000 tokens par minute et de 1,000 requêtes par minute sur l’offre Developer.

Groq est le candidat le plus affûté lorsque la promesse produit repose sur une faible latence de génération. Son niveau Performance pour les entreprises ajoute du débit provisionné avec un SLA de disponibilité à 99.9%, mais sans tarif public. Le coût self-service des tokens se compare donc facilement ; impossible en revanche de normaliser le coût de la capacité réservée sans devis.

Choisissez Groq pour un parcours interactif où la vitesse et les modèles compatibles comptent davantage que la stack élargie de Together pour l’entraînement et l’infrastructure. Écartez-le si la charge doit réunir sous un seul compte le fine-tuning, les clusters GPU, le sandbox ou la voie PTU publique de Together.

OpenRouter peut coûter moins cher, avec le compromis d’un agrégateur

OpenRouter affiche actuellement gpt-oss-120B à $0.03 en entrée, $0.03 pour l’entrée en cache et $0.17 en sortie par million de tokens. Le job normalisé de 1 million de tokens d’entrée et 250,000 tokens de sortie coûte $0.0725 avant les frais d’achat de crédits. En répartissant ses frais de 5.5% sur des crédits entièrement utilisés, on arrive à environ $0.0765, même si le minimum de $0.80 domine les petits rechargements.

OpenRouter gagne l’exemple au prix spot en routant les requêtes entre des fournisseurs en amont. La plateforme propose également un fallback automatique et un catalogue de modèles beaucoup plus vaste. Ce n’est pas le même produit que réserver de la capacité chez Together ou choisir un fournisseur d’infrastructure unique : la sélection des routes, la politique de données, la latence, la disponibilité des fournisseurs en amont et leurs changements entrent dans l’architecture.

Son offre gratuite est plus accessible que celle de Together : la page tarifaire actuelle indique plus de 25 modèles gratuits et 50 requêtes par jour. En contrepartie, elle impose de faibles limites gratuites, des frais de plateforme de 5.5% en paiement à l’usage et se réserve le droit d’expirer les crédits inutilisés après un an. Together indique actuellement que les crédits achetés n’expirent pas.

Choisissez OpenRouter si la priorité va à l’étendue du catalogue, aux fallbacks et au prix spot routé actuel. Préférez Together si le contrôle direct du fournisseur, un passage prévisible à la capacité réservée, l’entraînement de modèles ou l’infrastructure dédiée comptent davantage que la requête routée la moins chère.

Le résultat normalisé est sans détour. Pour gpt-oss-120B, Together, Fireworks et Groq sont à égalité sur le tarif hors cache. OpenRouter est moins cher dans cet instantané, mais transforme la relation fournisseur. La bonne décision dépend du besoin opérationnel, pas d’une affirmation générale selon laquelle une plateforme serait toujours moins chère.

À qui s’adresse Together AI, et qui devrait passer son tour ?

Together AI convient à une entreprise qui prévoit de faire évoluer sa charge sur des modèles ouverts, depuis des appels encore incertains jusqu’à un véritable plan de capacité. Ce n’est pas le choix automatique de tout développeur en quête d’une API bon marché.

Un développeur indépendant devrait commencer par le serverless et limiter son premier achat à $5. Orientez une tâche bien délimitée vers DeepSeek V4 Flash, gpt-oss-120B ou un autre modèle qui atteint le niveau de qualité requis. N’utilisez ni PTU ni matériel dédié avant que les logs de production ne prouvent la stabilité de la demande. Si le seul objectif est de tester de nombreux modèles ou d’obtenir un accès gratuit, OpenRouter peut constituer un premier compte plus simple.

Une startup financée devrait retenir Together si la continuité du déploiement lui évite une future migration. Le serverless permet de valider le produit, les PTU de réserver un modèle ouvert stable derrière la même API, et Dedicated Inference d’héberger un modèle fine-tuné ou personnalisé. Cette continuité vaut davantage qu’un léger écart de prix par token lorsque la roadmap mène déjà à de la capacité réservée.

Le CTO d’une entreprise de taille intermédiaire devrait acheter des PTU pour tenir un engagement de service, pas parce que la facture est élevée. Prévoyez l’occupation, confrontez le SLA à 99% à la promesse client et valorisez la réservation de capacité face aux transactions perdues ou aux escalades du support. Si l’application exige une disponibilité à 99.9%, une ligne à 99% ne suffit pas : prévoyez un fallback ou négociez le contrat.

Un responsable opérationnel expérimenté devrait transférer les volumes hors ligne vers Batch avant de réserver de la capacité. La classification, l’enrichissement, les évaluations et les jobs de données synthétiques peuvent bénéficier d’une remise allant jusqu’à 50% sur les modèles éligibles. C’est une remise directe obtenue en acceptant de la latence. Un PTU achète de la capacité et ne devrait venir qu’ensuite.

Une équipe de recherche ou de modèles ne devrait adopter Dedicated Inference ou des clusters GPU qu’en nommant un responsable du taux d’utilisation. L’entraînement, le serving personnalisé et le contrôle bas niveau peuvent justifier la stack. Une équipe incapable de suivre les heures-GPU, les replicas inactifs, l’usage en pic et les volumes persistants achète une infrastructure qu’elle ne sait pas gouverner.

Écartez Together AI si l’une de ces quatre conditions est remplie. Seul le token routé le moins cher compte ; le trafic varie trop pour une réservation d’un mois ; le modèle requis se trouve ailleurs ; ou l’entreprise exige un SLA public plus solide sans négociation commerciale. Fireworks, Groq, OpenRouter ou le fournisseur direct du modèle conviendront peut-être mieux.

L’action du lundi : mesurer une charge avant toute réservation

Lundi, sélectionnez un workflow de production bien délimité et constituez un relevé de coûts sur sept jours. Le but n’est pas de tester tous les modèles, mais de savoir si cette charge relève du serverless, de Batch, d’un PTU ou d’une capacité dédiée.

1. 1

   Définir un résultat accepté

   Choisissez une tâche dont le résultat peut être évalué : une classification valide, une modification de code qui passe les tests, un brouillon de réponse approuvé ou une extraction terminée. Le coût par résultat accepté est l’indicateur métier.

2. 2

   Enregistrer le profil d’utilisation complet

   Pendant sept jours, mesurez le nombre de requêtes, l’entrée hors cache, l’entrée en cache, la sortie, les nouvelles tentatives, le pic de requêtes par seconde, les réponses 429, la latence, le temps de sandbox et les résultats acceptés. Distinguez les pics en semaine des nuits et des week-ends.

3. 3

   Chiffrer la référence serverless

   Appliquez les tarifs en ligne du modèle au mix de tokens mesuré. Transférez les tâches hors ligne éligibles vers Batch, puis refaites le calcul. Limitez les sorties inutiles et conservez les préfixes de prompt stables afin d’intégrer au scénario de référence les économies de cache réellement accessibles.

4. 4

   Effectuer le test d’occupation des PTU

   Renseignez dans le calculateur PTU en ligne le pic de requêtes, le taux de cache et le mix de tokens. Comparez le nombre de PTU requis à l’utilisation moyenne. À 80% d’occupation, le tarif public implique une prime effective de 25% sur les tokens : décidez si la capacité réservée et le SLA à 99% la justifient.

5. 5

   Ne monter en gamme que pour un besoin nommé

   Passez à Dedicated Inference pour un modèle personnalisé, un contrôle mono-locataire ou des performances matérielles stables. Choisissez un cluster GPU uniquement si l’équipe assume la stack de serving ou d’entraînement. Nommez le responsable de l’arrêt et du nettoyage du stockage à côté du responsable du budget.

La décision doit tenir en une phrase partagée par la finance et l’équipe technique : « Cette charge reste en serverless », « ce flux hors ligne passe sur Batch » ou « ce parcours client réserve N PTUs, car la garantie de capacité vaut la prime d’inactivité mesurée ». Voilà une action pour lundi, pas une migration d’infrastructure fondée sur un titre tarifaire.

FAQ sur les tarifs Together AI

Combien coûtent 1,000 tokens sur Together AI ?

Divisez le tarif par million du modèle par 1,000, puis calculez séparément l’entrée et la sortie. MiniMax M3 coûte $0.0003 pour 1,000 tokens d’entrée hors cache et $0.0012 pour 1,000 tokens de sortie. Kimi K3 coûte $0.003 en entrée et $0.015 en sortie pour 1,000 tokens.

Combien coûte Together AI par mois ?

Le serverless ne comporte aucun abonnement mensuel fixe : après l’achat d’accès à $5, le coût mensuel suit l’usage. Un PTU coûte $2,160 sur un mois de 30 jours, ou environ $2,190 selon l’hypothèse de 43,800 minutes par mois moyen retenue par la page tarifaire. Un H100 Dedicated fonctionnant sans interruption coûte $3,952.80 pour 720 heures au tarif horaire actuel de $5.49.

Together AI est-il gratuit ?

Non. Together AI ne propose actuellement aucun essai gratuit et exige un achat minimal de $5 en crédits prépayés pour accéder à la plateforme. Le catalogue en ligne affiche Ternary Bonsai 27B à $0 en entrée et en sortie, mais le compte nécessite toujours cet achat de $5.

Together AI offre-t-il des crédits gratuits ?

Pas sous la forme d’une offre permanente à l’inscription. Les promotions précédentes ont pris fin et l’accès actuel exige un achat de $5. Together gère aussi un programme de crédits de recherche sur invitation pour les projets étudiants menés hors des cours officiels, mais celui-ci n’est pas largement accessible.

Quelles sont les limites de l’offre gratuite de Together AI ?

Il n’existe pas d’offre gratuite classique. Un solde acheté de $5 place le compte au Build Tier 1, qui annonce actuellement 600 requêtes LLM par minute, 3,000 requêtes d’embeddings par minute et une limite de rerank de 500,000. Les limites propres au modèle et les limites dynamiques peuvent être inférieures.

Quelles sont les meilleures alternatives à Together AI ?

Fireworks AI est l’alternative la plus proche pour l’inférence et le fine-tuning sur un large choix de modèles ouverts, Groq se distingue sur les modèles compatibles à faible latence, et OpenRouter excelle dans l’étendue du routage et les fallbacks. Sur gpt-oss-120B, Together, Fireworks et Groq affichent actuellement le même tarif de $0.15 en entrée et $0.60 en sortie par million de tokens ; le tarif routé d’OpenRouter est inférieur dans cet instantané, mais ajoute des frais d’achat de crédits et une couche d’agrégation.

Together AI propose-t-il un tarif étudiant ?

Together AI ne publie aucune offre tarifaire permanente pour les étudiants. Son programme de crédits de recherche sur invitation accorde de petites aides à des étudiants qui mènent des projets hors des cours officiels et demande aux bénéficiaires de citer Together AI dans leurs travaux.

Quelle est la politique de remboursement de Together AI ?

Les conditions de Together indiquent que les frais ne sont pas remboursables par défaut et que les obligations de paiement ne peuvent être ni annulées ni calculées au prorata, sauf disposition contraire d’un bon de commande. Les réservations GPU ne sont pas remboursables. Lors de l’annulation d’un job de fine-tuning, les étapes achevées sont facturées et seule la partie non exécutée est remboursée.

Les crédits Together AI expirent-ils ?

Les crédits prépayés achetés n’expirent actuellement pas. Cela ne préjuge pas de leur remboursement : ils peuvent rester utilisables sans être remboursables, et des crédits achetés après émission d’une facture ne peuvent pas régler un ancien solde impayé.

Les tarifs Together AI ont-ils changé en 2026 ?

Oui. Together AI a lancé Provisioned Throughput le 8 juillet 2026, ajoutant une capacité de tokens réservée à $0.05 par minute de PTU, un engagement minimal d’un mois et un SLA de disponibilité à 99%. Le catalogue serverless et les tarifs du matériel dédié ont eux aussi évolué depuis juin, d’où la date de vérification du 22 août indiquée sur cette page.

Provisioned Throughput coûte-t-il moins cher que le serverless Together ?

Pas automatiquement. Aux tarifs publics, un PTU pleinement occupé correspond presque exactement à la même valeur sur 30 jours que sa capacité serverless chez Together. La sous-utilisation augmente le prix effectif des tokens. Les PTU achètent de la capacité réservée et un SLA ; une remise d’engagement négociée peut améliorer le tarif, mais Together n’en publie pas le barème.

Recevez la cartographie des outils d’IA pour les dirigeants

La cartographie des outils d’IA pour les dirigeants transforme les prix des modèles en une stack d’adoption concrète, avec le niveau de qualité minimal, le rôle de routage et le seuil de coût de chaque outil. Abonnez-vous pour recevoir gratuitement la prochaine édition.