Цены Together AI в 2026 году: PTU — это мощность, а не скидка

Цены Together AI ниже всего в serverless-режиме, а новый вариант по ставке $0.05 за PTU-минуту — не скидка относительно собственных токеновых ставок сервиса. Один непрерывно зарезервированный PTU за 30-дневный месяц обойдётся в $2,160. Его покупают ради гарантированной мощности и SLA доступности 99%, а не ради более дешёвых токенов при простое.

Цены Together AI: главное

Оптимальная схема работы с Together AI состоит из нескольких этапов: начать с предоплачиваемого serverless-потребления, стабильный и чувствительный к надёжности трафик перевести на Provisioned Throughput, а выделенное оборудование резервировать лишь тогда, когда нагрузке действительно нужны однопользовательский контроль или собственные модели. Дороже всего обходится ошибка, при которой эти этапы принимают за скидки за объём. У каждого свой способ тарификации и свой набор операционных рисков, переходящих к клиенту.

У Together AI нет простой линейки Free, Pro и Business. Компания продаёт serverless-токены и медиарезультаты, зарезервированную токеновую мощность, управляемые выделенные GPU, необработанные GPU-кластеры, sandbox-вычисления, хранилище и fine-tuning. Один продукт может затрагивать сразу несколько счётчиков. Например, ИИ-агент способен одновременно расходовать токены модели, CPU и память sandbox, а также деньги на fine-tuned endpoint, который продолжает тарифицироваться между запросами.

Все цены и лимиты на этой странице сверены с актуальной страницей цен, документацией по биллингу и продуктовой документацией Together AI 22 августа 2026 года. Дата важна: текущая страница уже заметно отличается от июньских обзоров цен. В ней появились MiniMax M3, Kimi K3, GLM-5.2, более низкие актуальные ставки на выделенное оборудование и новый уровень Provisioned Throughput.

Первое правило выбора простое. При неопределённом или скачкообразном спросе используйте serverless. Если фиксированная модель несёт стабильную базовую нагрузку, а гарантированная мощность ценна для бизнеса, рассмотрите PTU. Dedicated Inference нужен для собственной модели, однопользовательского оборудования или контроля конфигурации. GPU-кластер имеет смысл только тогда, когда компания хочет сама управлять вычислительной инфраструктурой, а не покупать готовый управляемый инференс.

Именно это делает Together AI привлекательной для основателя стартапа с финансированием, которому нужен единый путь по API от эксперимента до зарезервированной инфраструктуры. Сервис хуже подходит независимому разработчику, ищущему минимальную спотовую цену токена, или команде, неспособной спрогнозировать спрос даже на месяц. Гибкость продаётся в serverless-продукте. Обязательство по объёму — отдельная покупка.

Serverless Inference — отправная точка, но счёт определяет модель

Начинать стоит с serverless: здесь нет платы за выделение ресурсов и минимального потребления сверх покупки доступа за $5. Запросы уходят на общий парк оборудования, а клиент платит за выполненную работу. На итоговую сумму гораздо сильнее бренда Together AI влияют модель, направление токенов, доля кеша и длина ответа.

Диапазон цен в текущем каталоге чат-моделей очень широк. LFM2.5-8B-A1B стоит $0.03 за миллион входных токенов и $0.12 за миллион выходных. У DeepSeek V4 Flash 0731 ставки составляют $0.14 за вход, $0.03 за кешированный вход и $0.28 за выход. У gpt-oss-120B — $0.15 за вход и $0.60 за выход. На верхней границе показанного списка текстовых моделей Kimi K3 стоит $3 за вход, $0.30 за кешированный вход и $15 за выход на миллион токенов.

Эта ставка на размещённый в Together DeepSeek относится к конкретному провайдеру. Отдельный разбор цен DeepSeek посвящён экономике прямого использования модели; для счёта Together ориентируйтесь на актуальную страницу Together.

Между выходным тарифом LFM в $0.12 и ставкой Kimi K3 в $15 — разница в 125 раз. Оптимизировать провайдера, не занимаясь маршрутизацией моделей, — всё равно что выторговать небольшую скидку на доставку и продолжать отправлять каждую посылку самолётом. Первый рычаг экономии — назначить каждой задаче самую дешёвую модель, которая проходит установленный порог качества.

Рассмотрим типичную нагрузку ИИ-агента. Допустим, каждый из 1,000 вызовов потребляет 8,000 входных токенов и создаёт 1,000 выходных. Итого — 8 миллионов входных и 1 миллион выходных токенов:

• DeepSeek V4 Flash 0731 обойдётся в $1.40, или $0.0014 за вызов.
• gpt-oss-120B — в $1.80, или $0.0018 за вызов.
• MiniMax M3 — в $3.60, или $0.0036 за вызов.
• GLM-5.2 — в $15.60, или $0.0156 за вызов.
• Kimi K3 — в $39, или $0.039 за вызов.

Главную разницу создаёт не наценка провайдера, а выбранная модель и объём дорогого вывода. Классификатор обращений, возвращающий одну метку, не требует такого же бюджета ответа, как исследовательский агент, составляющий длинный текст. Прежде чем искать более дешёвый endpoint, установите жёсткий лимит вывода для задачи с известными границами.

Поэтому широкий обзор самых дешёвых API для ИИ полезен лишь после нормализации задачи. Если сравнить провайдеров при разной длине промптов и ответов, разных предположениях о кеше или разных моделях, получится аккуратная цифра, которая не поможет спланировать бюджет.

Кешированный вход сокращает стоимость дорогого повторяющегося префикса

Если промпты повторяются, кешированный вход даёт самую весомую скидку из доступных без переговоров. Together распознаёт неизменный префикс — например, длинную системную инструкцию или стабильный справочный контекст — и на поддерживаемых моделях считает эти токены по сниженной ставке.

Для той же нагрузки из 1,000 вызовов предположим, что кешированная цена применяется к 80% из 8 миллионов входных токенов. Стоимость MiniMax M3 снизится с $3.60 до $2.064, GLM-5.2 — с $15.60 до $8.304, а Kimi K3 — с $39 до $21.72. Экономия составит соответственно 42.7%, 46.8% и 44.3%.

С практической точки зрения важнее не сам процент скидки. Необходимо отделять стабильный префикс от контекста конкретного запроса, учитывать кешированные и некешированные токены раздельно и следить за изменениями промпта, которые сбрасывают кеш. Переписывание промпта может увеличить расходы при неизменном трафике; без данных о кеше это легко принять за проблему с тарифом.

Batch дешевле, только если подходят и модель, и рабочий процесс

Batch API от Together AI даёт скидку до 50% на отдельные serverless-модели в обмен на асинхронное выполнение. Такой тариф подходит для офлайн-классификации, синтетических данных, оценок и массовых сводок. Он не годится для живого чата, помощника на этапе оплаты или клиентского сервиса, где следующий шаг ждёт ответа модели.

Текущие условия Batch допускают до 50,000 запросов во входном файле размером 100 MB и до 30 миллиардов токенов в очереди на модель. Окно выполнения фиксировано на 24 часах и предоставляется по принципу best effort. Together рекомендует пакеты по 1,000-10,000 запросов. Успешные ответы оплачиваются, неудачные запросы — нет; отмена пакета не аннулирует стоимость уже выполненных ответов.

Заявленные 50% распространяются не на всё. Сниженная ставка доступна только для выбранных serverless-моделей, а некоторые модели вообще не поддерживают Batch. Выделенные endpoints принимают пакетные задания, но скидка там не действует. Перед расчётом прогноза проверьте актуальный список моделей Batch.

Актуальный пример со скидкой: 8 миллионов входных и 1 миллион выходных токенов Llama 3.3 70B стоят $9.36 при ставках $1.04 за вход и выход. Подходящий под скидку 50% пакет стоит $4.68. Экономия появляется потому, что задача допускает отложенный результат, а не потому, что подешевел каждый serverless-запрос.

Изображения, видео, аудио и хранилище тарифицируются в разных единицах

Serverless не ограничивается текстом. В актуальном каталоге изображений цены показанных моделей лежат в диапазоне от $0.0017 до $0.134 за изображение или мегапиксель. Видео стоит от $0.115 до $3.20 за сгенерированный ролик. Распознавание речи — от $0.0015 до $0.0045 за минуту аудио, а синтез речи — от $4 до $65 за миллион символов. Эмбеддинги Multilingual e5 large instruct стоят $0.02 за миллион токенов, модерация Llama Guard 4 12B — $0.20 за миллион.

Смешивать эти диапазоны нельзя. Together отмечает, что цены изображений и видео указаны для минимального разрешения или длительности, а превышение стандартного числа шагов генерации может увеличить расходы. Чтобы заложить в бюджет 100,000 коротких видео, продакт-менеджеру нужны точная модель, длительность, разрешение, настройки аудио и доля повторных попыток. Умножение минимальной цены миниатюры на производственный объём занизит статью расходов.

Для большинства новых нагрузок serverless всё равно остаётся правильной отправной точкой. Его предел связан не с ценой токена, а с общими мощностями, динамическими лимитами и отсутствием публичного обязательства по доступности, сопоставимого с Provisioned Throughput. Когда это превращается в риск для клиентов, выбирать нужно мощность, а не абстрактное «повышение тарифа».

Provisioned Throughput превращает мощность в месячное обязательство

Покупка Provisioned Throughput оправдана только тогда, когда зарезервированная токеновая мощность решает бизнес-задачу. Together AI запустила этот уровень 8 июля 2026 года как промежуточный вариант между serverless по принципу best effort и полностью настраиваемым Dedicated Inference. У продукта SLA доступности 99%, минимальный срок в один месяц и публичная цена $0.05 за Provisioned Throughput Unit, или PTU, в минуту.

PTU — не пакет токенов, а зарезервированная для клиента скорость обработки токенов в минуту на одной поддерживаемой модели. Вход, кешированный вход и выход расходуют эту мощность с разной скоростью. На текущей странице опубликованы три схемы:

Один PTU MiniMax M3 обрабатывает в минуту 166,667 входных токенов, 833,333 кешированных входных либо 41,667 выходных. Для Kimi K3 значения составляют 16,667 входных, 166,667 кешированных входных или 3,333 выходных токенов. Для GLM-5.2 — 35,714, 192,308 и 11,364 соответственно. Смешанный запрос расходует сочетание этих мощностей.

При цене $0.05 в минуту один PTU стоит $3 в час, $72 в день и $2,160 за 30-дневный месяц. В примечании к калькулятору Together для непрерывного резервирования в среднем месяце используется около 43,800 минут, что даёт примерно $2,190. Финансовым расчётам следует опираться на конкретный контракт и календарный месяц, а не считать каждый месяц равным $2,160.

Как проверить загрузку PTU

Показательный расчёт — стоимость той же мощности одного PTU по собственному serverless-тарифу Together. Если 30 дней использовать PTU MiniMax M3 только для входа, он обеспечит около 7.2 миллиарда входных токенов. По serverless-ставке $0.30 за миллион эта мощность стоит примерно $2,160. Если направить PTU на выход, получится около 1.8 миллиарда выходных токенов; при $1.20 за миллион это также примерно $2,160. Вариант с кешированным входом с учётом округления приводит к той же сумме.

Kimi K3 и GLM-5.2 настроены по тому же принципу. По публичным тарифам мощность PTU сравнивается с serverless-ценой практически лишь при полной загрузке в течение 30-дневного месяца. Опубликованный калькулятор может показать большую экономию относительно выбранной коммерческой модели, но там PTU прямо сопоставляется с прайсом этой внешней модели. Это не доказывает универсальную скидку против собственных serverless-ставок Together.

Тест загрузки PTU формулируется так: ценность мощности равна стоимости serverless только при полной загрузке зарезервированной единицы. При загрузке 50% эффективные ставки MiniMax M3 удваиваются до $0.60 за миллион входных токенов, $0.12 за миллион кешированных входных или $2.40 за миллион выходных. При 25% они увеличиваются в четыре раза — до $1.20, $0.24 и $4.80. При 70% эффективная ставка примерно в 1.43 раза выше serverless: около $0.43 за вход и $1.71 за выход.

Это не делает PTU плохим продуктом — лишь точно показывает, что именно он продаёт. Технический директор компании среднего размера с клиентским ИИ-агентом вполне может принять 20% простоя, если зарезервированный канал снижает риск ограничений, а SLA 99% имеет договорную ценность. Стартапу с нагрузкой только по будням не стоит оплачивать ночи и выходные, если гарантия мощности не защищает достаточно выручки, чтобы перекрыть надбавку.

На публичной странице сказано, что при более длительных обязательствах возможны скидки, но их шкала не приводится. Согласованная скидка опускает точку окупаемости ниже 100% загрузки. Пока отдел продаж не зафиксировал ставку в форме заказа, считайте по публичной цене, а скидку воспринимайте как возможный бонус.

SLA 99% всё равно нужно перевести на язык бизнеса

Месячная доступность 99% допускает около 7 часов 18 минут простоя за месяц длиной 30.4 дня. Это лучше доступа по принципу best effort, однако корпоративный уровень Performance от Groq публикует 99.9%, поэтому 99% — не самое сильное обязательство в этом списке. Бизнесу стоит сравнить прописанную компенсацию, исключения для техобслуживания, региональную архитектуру и резервный маршрут, а не останавливаться на самом наличии процентов в договоре.

Provisioned Throughput проще всего обосновать, когда у приложения стабильная базовая нагрузка, предсказуемый выбор модели и обещания клиентам, которые способны нарушить ограничения общего парка. При колебаниях трафика в 10 раз, еженедельной смене модели или возможности перенести офлайн-задачи в Batch аргументов меньше. В таких условиях резервирование превращает неопределённость в оплачиваемый простой.

Как этот выбор меняет понедельничный разговор о бюджете

До 8 июля у команд, выбирающих Together, был большой разрыв между общим serverless с оплатой за токены и выделенной GPU-инфраструктурой. PTU добавляет промежуточную бюджетную строку: зарезервированную пропускную способность модели без самостоятельного подбора GPU и создания собственного serving-стека. Финансы могут утвердить фиксированный месячный лимит мощности, а инженеры — сохранить прежний inference API.

Следствием становится новая операционная метрика. Одних расходов на токены уже недостаточно. Ответственный за сервис должен видеть пиковое число запросов в секунду, соотношение входных и выходных токенов, долю попаданий в кеш, загрузку мощности, отклонённые из-за лимитов запросы и принятые результаты. Если дашборд не показывает все шесть показателей, компания не понимает, защищает её PTU или впустую расходует бюджет.

Один PTU MiniMax M3 обеспечивает около 600,000 рабочих вызовов агента

Один PTU способен обслужить около 600,000 вызовов MiniMax M3 за 30-дневный месяц, если каждый вызов потребляет 8,000 некешированных входных токенов и создаёт 1,000 выходных. Это та же нагрузка, для которой выше получилась serverless-цена $0.0036 за вызов, поэтому 600,000 serverless-вызовов стоят $2,160. При полной загрузке показатели мощности и токенов сходятся по определению.

Расчёт мощности учитывает обе части запроса. Восемь тысяч входных токенов занимают около 0.048 PTU-минуты при производительности MiniMax M3 в 166,667 входных токенов в минуту. Ещё 0.024 PTU-минуты нужны для тысячи выходных токенов при 41,667 токенах в минуту. Весь запрос расходует около 0.072 PTU-минуты. Если разделить 43,200 PTU-минут месяца на этот объём одного запроса, получится около 600,000 вызовов.

Теперь можно составить бюджет, пригодный для принятия решения:

При загрузке 80% PTU обслуживает около 480,000 вызовов. Эквивалентный serverless-счёт равен $1,728, поэтому месячная надбавка за резервирование составляет $432. PTU на 25% дороже фактически потреблённой serverless-работы. Для клиентского продукта такая надбавка приемлема, если зарезервированная мощность и SLA 99% защищают больше $432 выручки, времени поддержки или репутационных потерь.

При загрузке 70% PTU обеспечивает около 420,000 вызовов. Serverless стоит $1,512, а надбавка за мощность — $648. При 50% он обслуживает 300,000 вызовов, serverless обходится в $1,080, а половина счёта за PTU приходится на оплачиваемый простой.

Кеш меняет число вызовов, помещающихся в одну единицу. Если кешируется 80% входа, каждый запрос расходует около 0.04128 PTU-минуты вместо 0.072. При полной загрузке один PTU тогда способен выполнить примерно 1.0465 миллиона таких вызовов. Одновременно serverless-цена снижается с $0.0036 до $0.002064 за вызов, поэтому при полной нагрузке общая стоимость всё равно сходится около $2,160.

Следовательно, кеш даёт бизнесу не только снижение цены единицы, но и дополнительную пропускную способность. Длинный стабильный системный префикс позволяет той же зарезервированной мощности выполнить больше клиентской работы. Изменение промпта, которое лишает запросы повторного использования кеша, одновременно сокращает запас PTU и повышает serverless-расходы.

Расширим расчёт до полноценной бюджетной строки. Десять PTU стоят $21,600 за 30-дневный месяц и при полной загрузке обслуживают около 6 миллионов рассмотренных некешированных вызовов. При 70% — 4.2 миллиона. Эквивалентный serverless-счёт составит $15,120, а месячная надбавка за зарезервированную мощность и SLA — $6,480.

Именно $6,480 должен обосновать технический директор. Если ограничения общего парка угрожают валовой прибыли, расходам на поддержку или договорным штрафам более чем на $6,480, резервирование может окупиться. В противном случае serverless оставляет те же $6,480 на развитие продукта. Общая фраза «мы тратим $15,000 на токены» до такого решения не доводит.

Для Dedicated Inference нет столь же простой публичной точки окупаемости в токенах: производительность вывода зависит от модели, квантизации, формы пакета, числа ускорителей и конфигурации. Любой материал, который делит месячную цену GPU на одну условную токеновую ставку и объявляет универсальный порог, скрывает переменную, от которой и зависит ответ. Сначала измерьте выбранную модель на предполагаемом endpoint, а затем сравните стоимость принятого результата при фактической загрузке.

Dedicated Inference и GPU-кластеры решают разные задачи

Dedicated Inference подходит, когда контроль важнее гибкости самообслуживания. Together выделяет однопользовательское оборудование, поддерживает собственные модели, предлагает автомасштабирование и обработку всплесков трафика. Актуальная цена NVIDIA HGX H100 составляет $5.49 за GPU-час, HGX B200 — $8.99. Цены H200, B300, GB200 NVL72 и GB300 NVL72 можно получить только у отдела продаж.

При непрерывной работе 30 дней один H100 стоит $3,952.80, а один B200 — $6,472.80. Это суммы за один GPU без учёта возможной потребности в нескольких ускорителях. Endpoint оплачивается всё время, пока работает, независимо от числа запросов, поэтому даже простаивающее развёртывание остаётся активной статьёй бюджета.

Не рассчитывайте стоимость оборудования по старой документации о выделенных endpoints. Сейчас в документации указаны цифры для H100, H200 и B200, которые расходятся с актуальной страницей цен. Более новый и проверенный здесь источник — текущая страница цен. Именно поэтому дата обязательна рядом с ценой инфраструктуры.

Dedicated Inference оправдывает расходы, если fine-tuned или загруженную пользователем модель нельзя запустить в общем serverless, для p99-задержки требуется стабильное оборудование, serving модели нуждается в особых настройках либо стабильно высокая загрузка делает зарезервированный GPU экономически выгоднее. Если endpoint большую часть дня ждёт запросов, продукт проигрывает.

GPU-кластеры дают больше низкоуровневого контроля и могут казаться дешевле не по той причине

В GPU-кластере больше частей стека переходят к покупателю. Текущие ставки по требованию составляют $3.99 за GPU-час для H100, $5.99 для H200 и $8.19 для B200. Эквивалент H100 за 30 дней стоит $2,872.80, однако это не дешёвая замена выделенному H100 за $3,952.80. Покупатель кластера берёт на себя больше работы по развёртыванию, serving, оркестрации, наблюдаемости и управлению загрузкой.

При резервировании ставки снижаются с ростом срока. H100 стоит $3.69 на 7-30 дней, $3.45 на 31-90 дней и $3.19 на 91-180 дней. Для H200 цены в тех же диапазонах падают с $4.99 до $4.15 и $3.99, а для B200 — с $7.99 до $7.79 и $6.79. Для срока от 181 дня требуется индивидуальное предложение.

У скидки жёсткие условия. Согласно документации Together по биллингу GPU, полная стоимость резервирования списывается авансом или сразу после выделения ресурсов. Резервирование нельзя вернуть, частично возместить или поставить на паузу. Если кластер масштабируется сверх зарезервированной мощности, дополнительные ресурсы тарифицируются по ставкам по требованию.

Для H100, зарезервированного на 91-180 дней, нормализованный 720-часовой месяц стоит $2,296.80 за GPU. Это на $576 меньше эквивалента по требованию. Экономия реальна только при полезной загрузке ускорителя. Резерв из четырёх GPU не становится выгодным от более низкой почасовой ставки, если половина мощности простаивает.

У хранилища отдельный жизненный цикл. Общее хранилище стоит $0.16 за GiB в месяц, поэтому 1 TiB обходится примерно в $163.84 в месяц. Том сохраняется после завершения работы кластера и продолжает тарифицироваться, пока его не удалят. Это удобно для повторного создания вычислительных ресурсов вокруг постоянных данных, но заброшенные тома превращаются в незаметные расходы.

Обучение fine-tuned модели может быть дешёвым, а её постоянная работа — дорогой

Fine-tuning состоит из двух отдельных расходов: задания на обучение и последующего развёртывания модели. Первая строка может выглядеть незначительной, но хостинг результата способен стать главной месячной статьёй затрат.

Стандартную стоимость обучения Together рассчитывает как число токенов датасета, умноженное на количество эпох, плюс необязательные токены оценки, умноженные на число оценочных прогонов. Для моделей до 16B параметров supervised fine-tuning стоит $0.48 за миллион обработанных токенов с LoRA и $0.54 при полном fine-tuning. Direct Preference Optimization, или DPO, стоит $1.20 с LoRA и $1.35 при полной настройке.

Для моделей 17B-69B четыре ставки составляют $1.50, $1.65, $3.75 и $4.12. Для моделей 70B-100B — $2.90, $3.20, $7.25 и $8. Минимальная стоимость стандартного задания — $4.

Для более крупных и отдельных именных моделей действует специализированный прайс. LoRA для DeepSeek V4 Flash стоит $6 за миллион обработанных токенов при supervised fine-tuning и $15 при DPO, минимальная сумма — $12. Для gpt-oss-120B ставки равны $5 и $12.50 при минимуме $6. Для Kimi K2.6 или K2.7-Code — $15 и $37.50 при минимуме $60. Для GLM-5.2 — $40 и $100 при минимуме $60.

Из-за такого разброса одна и та же идея эксперимента даёт совершенно разные суммы. Датасет в 20 миллионов токенов за три эпохи означает обработку 60 миллионов токенов. Стандартный supervised LoRA для модели до 16B стоит $28.80, а специализированный LoRA для GLM-5.2 при том же количестве обработанных токенов — $2,400. Размер датасета не изменился; разницу создала цена базовой модели.

Но задание обучения — ещё не полная стоимость жизненного цикла. Для fine-tuned модели нужны развёрнутые мощности и достаточный предоплаченный баланс. Один актуальный выделенный H100, непрерывно работающий 30 дней, стоит $3,952.80. Команда может потратить $28.80 на создание небольшого адаптера, а затем ежемесячно платить более чем в 137 раз больше за один активный H100.

На этом часто ломается бюджет прототипа. Специалист по данным отчитывается о запуске обучения, а финансовый отдел позже видит счёт за serving. Утверждайте эксперимент вместе с планом развёртывания: ожидаемым временем онлайн, числом GPU, минимальным уровнем автомасштабирования, объёмом запросов и ответственным за остановку.

При отмене обучения возврат уже, чем ожидают многие покупатели. Together взимает плату за завершённые шаги и возвращает деньги лишь за невыполненную работу. По стандартным условиям прочие платформенные сборы возврату не подлежат. Относитесь к заданию обучения как к уже потреблённым вычислениям, а не к отменяемой подписке на ПО.

Sandbox и Code Interpreter — отдельные счётчики расходов ИИ-агента

Code Sandbox стоит $0.0446 за vCPU-час плюс $0.0149 за GiB оперативной памяти в час. Sandbox с 2 vCPU и 8 GiB, работающий 160 часов, обойдётся примерно в $33.34. Code Interpreter использует другую единицу тарификации: $0.03 за 60-минутную сессию.

В продукте с ИИ-агентами эти расходы добавляются к инференсу модели. Если каждый из 10,000 запусков агента в месяц открывает часовую сессию интерпретатора, только эта строка составит $300 без учёта токенов модели. Безопасное повторное использование сессий меняет стоимость выполненной задачи. Если же сессии остаются открытыми после завершения работы, простой вычислений становится уменьшенным аналогом простоя GPU.

Поэтому правильная единица измерения — стоимость принятого результата, а не миллиона токенов. Рассмотренный вызов MiniMax M3 стоит $0.0036; добавьте одну сессию Code Interpreter за $0.03 — и весь путь обойдётся как минимум в $0.0336 без учёта повторных попыток и других вызовов инструментов. Измеряйте весь процесс.

Together AI не бесплатна, даже если у модели указана цена $0 за токены

Сейчас у Together AI нет бесплатного пробного периода, а для доступа к платформе нужно заранее купить кредиты минимум на $5. Поэтому ответ о бесплатном тарифе однозначен: API-аккаунта без единого платежа не существует.

При этом в актуальном каталоге Ternary Bonsai 27B действительно указана со ставками $0 за миллион входных и $0 за миллион выходных токенов. Пока предложение доступно, дальнейший инференс может стоить $0, но аккаунту всё равно нужна покупка доступа за $5. Эти $5 не описаны как месячная подписка. Срок действия купленных предоплаченных кредитов сейчас не ограничен.

Кому достаточно первых $5 навсегда? Любитель или специалист, оценивающий только текущую модель с нулевой ценой, не выходящий за лимиты и не включающий платные услуги, может не потратить купленный баланс. Это узкий сценарий, а не бесплатный тариф для продакшена. Доступность модели, мощности и цены могут измениться, поэтому нельзя обещать клиентам, что рекламный или бесплатный endpoint навсегда останется основой продукта.

Прежние акции с бесплатными кредитами за регистрацию завершились. Текущая политика поддержки Together требует купить не менее $5 и подключить способ оплаты. Для обычного предоплаченного доступа отрицательный баланс не предусмотрен: когда купленные средства заканчиваются, доступ к API приостанавливается до пополнения. Клиенты по контракту работают на условиях своего заказа.

Кредиты не сгорают, но это не возвратный сберегательный счёт

У приобретённых кредитов сейчас нет срока действия. Это выгоднее политики ежегодного сгорания, но избыточное пополнение всё равно небезобидно. По условиям Together уплаченные сборы по умолчанию не возвращаются, платёжные обязательства нельзя отменить, а неполные месяцы не пересчитываются пропорционально, если в форме заказа не сказано иное.

Автопополнение нужно настраивать осторожно. В документации по биллингу указана сумма пополнения по умолчанию $25 и есть предупреждение: если порог выше текущего баланса, система может сразу повторять покупки, пока не восполнит разницу. Привяжите порог к ожидаемому расходу, уведомляйте о каждой покупке и контролируйте бюджет проекта отдельно от кредитного баланса.

Build Tiers повышают лимиты по мере накопления расходов

Пять уровней Build Tier у Together — это диапазоны лимитов, зависящие от общей суммы расходов за всё время, а не месячные тарифы с функциями. Tier 1 начинается с $5 и допускает 600 LLM-запросов в минуту. Tier 2 — с $50 и 1,800 запросами, Tier 3 — со $100 и 3,000, Tier 4 — с $250 и 4,500, Tier 5 — с $1,000 и 6,000.

Лимиты эмбеддингов растут с 3,000 RPM на Tier 1 до 10,000 на Tier 4 и Tier 5. Допуск для rerank увеличивается с 500,000 до 5,000,000 по пяти уровням. Это не универсальные гарантии для каждой модели. Together может вводить отдельные ограничения для моделей, а в текущей serverless-документации также описаны динамические лимиты, зависящие от доступной мощности и недавнего успешного трафика.

Для запуска продукта это существенное сочетание. Даже аккаунт Tier 5 может получить ответ 429, если у популярной модели более жёсткий лимит либо трафик резко превышает недавний уровень. Serverless снимает задачу выделения ресурсов, но не гарантирует любой всплеск. Выходами служат Batch, PTU или Dedicated Inference — у каждого свои компромиссы по цене и задержке.

Скрытые расходы: простой ресурсов и крайние случаи правил

Видимые токеновые ставки Together AI в целом прозрачны. Дорогие сюрпризы возникают на стыках продуктов — из-за обязательств, простаивающих ресурсов и предположений, которые только кажутся универсальными.

Календарный расчёт PTU: при $0.05 в минуту получается $2,160 за 30-дневный месяц. В примечании к актуальному калькулятору используются примерно 43,800 минут, что даёт около $2,190. Разница в $30 на один PTU превращается в $3,000 на 100 PTU. Применяйте правило расчёта из контракта.

Недозагрузка PTU: по публичным ценам PTU соответствует ценности serverless Together только при полной загрузке за 30 дней. При 50% эффективная стоимость токенов удваивается. Продукт всё ещё может окупить надбавку ценностью мощности и SLA, но саму надбавку нужно видеть.

Простой выделенных ресурсов: Dedicated Inference тарифицирует выделенное оборудование всё время работы, даже при нуле запросов. Хостинг fine-tuned модели нужно включать в месячный прогноз, а не только в заявку на эксперимент.

Невозвратное резервирование: резерв GPU-кластера оплачивается за весь срок, его нельзя приостановить или частично вернуть. Ошибка прогноза превращается в обязательные расходы.

Превышение мощности по требованию: масштабирование сверх зарезервированных GPU оплачивается по более высокой ставке по требованию. Даже стабильная базовая нагрузка преподнесёт сюрприз, если всплески оценены слишком низко.

Постоянное хранилище: данные остаются после завершения работы кластера, и плата начисляется до их удаления. При каждом выключении кластера нужно явно решить, сохранить или удалить том.

Доступность Batch: скидка зависит от модели, 24-часовое окно работает по принципу best effort, а завершённые ответы оплачиваются даже после отмены. Не применяйте 50% ко всему офлайн-бюджету без проверки актуального списка.

Настройки медиа по умолчанию: цены изображений и видео могут относиться к минимальному разрешению, длительности или стандартному числу шагов. Производственные настройки качества и повторные попытки меняют стоимость пригодного результата.

Поведение автопополнения: слишком высокий порог способен вызвать немедленные покупки, а обычные сборы возврату не подлежат. Относитесь к автопополнению как к механизму непрерывности продакшена с уведомлениями, а не как к функции «настроил и забыл».

Дрейф длины ответа: если после изменения промпта или модели ответы становятся длиннее, расходы растут даже при неизменном трафике. Учитывайте вход, кешированный вход, выход и принятые результаты отдельно.

Дрейф лимитов: ограничения serverless могут быть динамическими и зависеть от модели. Tier 5, полученный за накопленные расходы, не резервирует базовый парк оборудования.

Стандартной годовой скидки для самообслуживания здесь нет. Serverless работает по предоплате потребления, минимальный срок PTU — один месяц, а для GPU опубликованы диапазоны резервирования 7-30, 31-90 и 91-180 дней; более долгие обязательства обсуждаются с отделом продаж. Риск годовой привязки возникает в индивидуальной форме заказа или цепочке инфраструктурных резервов, а не в публичном годовом тарифе приложения.

Альтернативы Together AI: перед выбором нормализуйте одну и ту же модель

Together AI не всегда дешевле конкурентов на общей модели. Публичная serverless-цена gpt-oss-120B в точности совпадает с Fireworks AI и Groq: $0.15 за миллион входных токенов и $0.60 за миллион выходных. Задание с 1 миллионом входных и 250,000 выходных токенов у каждого провайдера стоит $0.30 без учёта преимуществ кешированного входа и индивидуальных соглашений.

Такой паритет полезен: он исключает цену токена из решающих факторов и заставляет сравнивать стоимость кеша, лимиты, задержку, уровень контроля провайдера, резервные маршруты, способы развёртывания и оформление SLA.

Fireworks AI совпадает по базовой ставке и предлагает более дешёвый кеш

Fireworks AI указывает для serverless-уровня Standard модели gpt-oss-120B цены $0.15 за вход, $0.015 за кешированный вход и $0.60 за выход на миллион токенов. Нормализованное задание без кеша стоит те же $0.30, что и у Together. Кроме того, Fireworks рекламирует стартовые кредиты на $1.

В этом узком сравнении Fireworks выигрывает на нагрузках с большим повторно используемым префиксом: текущая ставка кешированного входа gpt-oss указана явно и находится на низком уровне. У сервиса также есть serverless-уровни Standard, Priority и Fast — ещё один выбор между задержкой и ценой. Недостаток в том, что дополнительные уровни усложняют вроде бы простое сравнение ставок, а цена выделенного GPU относится к другому продукту, нежели PTU от Together.

Выбирайте Fireworks, если главная потребность — serverless на открытых моделях с активным кешированием, а управление уровнями сервиса подходит приложению. Together уместнее, когда стратегически важнее путь через один API к PTU, выделенному инференсу моделей, fine-tuning, sandbox или необработанным кластерам.

Groq продаёт скорость по той же токеновой ставке

У Groq модель gpt-oss-120B стоит те же $0.15 за вход и $0.60 за выход, поэтому нормализованное задание также обходится в $0.30. На текущей странице модели указаны скорость около 500 токенов в секунду, лимит плана Developer в 250,000 токенов в минуту и 1,000 запросов в минуту для этой модели.

Groq сильнее выглядит в коротком списке, когда продукт обещает низкую задержку генерации. Корпоративный уровень Performance добавляет provisioned throughput со SLA доступности 99.9%, но публичной цены нет. Поэтому сравнить токеновую стоимость самообслуживания легко, а нормализовать цену зарезервированной мощности без коммерческого предложения невозможно.

Groq подходит для интерактивного сценария, где набор поддерживаемых моделей и скорость важнее широкого стека Together для обучения и инфраструктуры. Он не подойдёт, если в одном аккаунте нужны fine-tuning, GPU-кластер, sandbox или публичный путь к PTU от Together.

OpenRouter может стоить дешевле, но добавляет компромисс агрегатора

Сейчас OpenRouter указывает для gpt-oss-120B цены $0.03 за вход, $0.03 за кешированный вход и $0.17 за выход на миллион токенов. Нормализованное задание с 1 миллионом входных и 250,000 выходных токенов стоит $0.0725 до комиссии за покупку кредитов. Если распределить комиссию 5.5% по полностью использованным кредитам, получится около $0.0765, хотя при небольших пополнениях доминирует минимальная комиссия $0.80.

В примере со спотовой ценой OpenRouter выигрывает за счёт маршрутизации между вышестоящими провайдерами. Он также предлагает автоматическое переключение и гораздо более широкий каталог моделей. Но это не тот же продукт, что резервирование мощности Together или выбор одного инфраструктурного провайдера. Маршрут, политика данных, задержка, доступность вышестоящих сервисов и смена провайдеров становятся частью архитектуры.

Бесплатный уровень OpenRouter доступнее, чем у Together: на текущей странице цен заявлено более 25 бесплатных моделей и 50 запросов в день. Обратная сторона — низкие бесплатные лимиты, комиссия платформы 5.5% при оплате по мере использования и право списать неиспользованные кредиты через один год. Together сейчас утверждает, что купленные кредиты не сгорают.

Выбирайте OpenRouter, если важнее всего широкий выбор моделей, резервные маршруты и текущая спотовая цена маршрутизации. Together лучше подходит, когда прямой контроль провайдера, предсказуемый переход к зарезервированной мощности, обучение моделей или выделенная инфраструктура важнее самого дешёвого маршрутизированного запроса.

Итог нормализованного сравнения прямолинеен. Для gpt-oss-120B у Together, Fireworks и Groq одинаковая цена некешированных токенов. В этом срезе OpenRouter дешевле, но меняет отношения с поставщиком. Решение зависит от операционных требований, а не от общего заявления, что одна платформа дешевле другой.

Кому подходит Together AI, а кому стоит выбрать другой сервис

Together AI подходит компании, которая ожидает, что нагрузка открытых моделей вырастет из непредсказуемых вызовов в осознанный план мощностей. Но сервис не становится автоматическим выбором каждого разработчика, которому нужен недорогой API.

Независимому техническому разработчику стоит начать с serverless и ограничить первую покупку суммой $5. Направьте задачу с чёткими границами в DeepSeek V4 Flash, gpt-oss-120B или другую модель, проходящую порог качества. Не переходите к PTU и выделенному оборудованию, пока продакшен-логи не подтвердят стабильный спрос. Если требуется лишь пробовать много моделей или пользоваться бесплатным доступом, первым аккаунтом удобнее может оказаться OpenRouter.

Основателю стартапа с финансированием стоит выбрать Together, если лестница развёртывания избавит от будущей миграции. Serverless позволяет проверить продукт, PTU — зарезервировать стабильную открытую модель за тем же API, а Dedicated Inference — разместить fine-tuned или собственную модель. Такая непрерывность ценнее небольшой разницы в цене токена, если дорожная карта уже ведёт к зарезервированной мощности.

Техническому директору компании среднего размера следует покупать PTU ради обязательств по сервису, а не из-за большого счёта. Спрогнозируйте загрузку, сопоставьте SLA 99% с обещанием клиентам и оцените резерв мощности через потери транзакций или эскалации поддержки. Если приложению нужна доступность 99.9%, одной строки 99% недостаточно: проектируйте резервный маршрут или согласуйте контракт.

Опытному специалисту сначала следует перенести офлайн-объёмы в Batch, а уже потом резервировать мощность. Классификация, обогащение, оценка и создание синтетических данных на подходящих моделях могут получить скидку до 50%. Это прямая скидка за согласие на задержку. PTU продаёт мощность и должен рассматриваться следующим.

Исследовательской команде или группе разработки моделей нужны Dedicated Inference либо GPU-кластеры только при наличии ответственного за загрузку. Обучение, собственный serving и низкоуровневый контроль могут оправдать такой стек. Если команда не умеет следить за GPU-часами, простаивающими репликами, всплесками потребления и постоянными томами, она покупает инфраструктуру, которой не способна управлять.

Откажитесь от Together AI при любом из четырёх условий. Единственный приоритет — минимальная цена маршрутизированного токена; трафик слишком нестабилен для месячного резервирования; нужная модель доступна у другого провайдера; либо компании требуется более сильный публичный SLA без переговоров с продажами. Fireworks, Groq, OpenRouter или прямой поставщик модели могут подойти лучше.

Что сделать в понедельник: измерить одну нагрузку до любого резервирования

В понедельник выберите один продакшен-процесс с чёткими границами и соберите данные о расходах за семь дней. Цель не в проверке всех моделей, а в том, чтобы понять, где должна работать нагрузка: в serverless, Batch, PTU или на выделенной мощности.

1. 1

   Определите один принимаемый результат

   Выберите задачу с измеримым итогом: корректная классификация, прошедшее проверку изменение кода, утверждённый черновик ответа поддержки или завершённое извлечение данных. Бизнес-метрика — стоимость принятого результата.

2. 2

   Зафиксируйте полный профиль потребления

   В течение семи дней записывайте число запросов, некешированный вход, кешированный вход, выход, повторные попытки, пиковое число запросов в секунду, ответы 429, задержку, время sandbox и принятые результаты. Отделяйте пики по будням от ночей и выходных.

3. 3

   Рассчитайте базовый serverless-сценарий

   Примените актуальные ставки модели к измеренному соотношению токенов. Перенесите подходящую офлайн-работу в Batch и пересчитайте результат. Ограничьте ненужный вывод и сохраняйте стабильные префиксы промптов, чтобы базовый сценарий учитывал достижимую экономию кеша.

4. 4

   Проведите тест загрузки PTU

   Введите в актуальный калькулятор PTU пиковую частоту запросов, долю попаданий в кеш и соотношение токенов. Сопоставьте необходимое число PTU со средним потреблением. При загрузке 80% публичная цена даёт эффективную токеновую надбавку 25%; решите, оправдывают ли её зарезервированная мощность и SLA 99%.

5. 5

   Переходите выше только ради конкретного требования

   Выбирайте Dedicated Inference для собственных моделей, однопользовательского контроля или стабильной производительности оборудования. Переходите на GPU-кластеры лишь тогда, когда команда владеет стеком serving или обучения. Назначьте ответственного за выключение и очистку хранилища рядом с владельцем бюджета.

Итоговое решение умещается в одну фразу, одинаково понятную финансам и инженерам: «эта нагрузка остаётся в serverless», «этот офлайн-процесс переходит в Batch» или «этот клиентский сценарий резервирует N PTU, потому что гарантия мощности оправдывает измеренную надбавку за простой». Это реальное действие на понедельник, а не миграция инфраструктуры под влиянием громкого ценового заголовка.

Цены Together AI: ответы на частые вопросы

Сколько стоят 1,000 токенов Together AI?

Разделите ставку модели за миллион на 1,000 и считайте вход и выход отдельно. У MiniMax M3 1,000 некешированных входных токенов стоят $0.0003, а 1,000 выходных — $0.0012. У Kimi K3 цены равны $0.003 за вход и $0.015 за выход на 1,000 токенов.

Сколько Together AI стоит в месяц?

У serverless нет фиксированной месячной подписки: после покупки доступа за $5 месячная сумма зависит от потребления. Один PTU стоит $2,160 за 30-дневный месяц либо около $2,190 при допущении со страницы цен о среднем месяце из 43,800 минут. Один непрерывно работающий выделенный H100 стоит $3,952.80 за 720 часов при актуальной ставке $5.49 в час.

Можно ли пользоваться Together AI бесплатно?

Нет. Сейчас Together AI не предлагает бесплатный пробный период и требует предварительно купить кредиты минимум на $5 для доступа к платформе. В актуальном каталоге у Ternary Bonsai 27B указаны ставки $0 за входные и выходные токены, однако аккаунт всё равно требует покупки на $5.

Даёт ли Together AI бесплатные кредиты?

Не в качестве постоянного бонуса за регистрацию. Прежние акции закончились, а текущий доступ требует покупки на $5. У Together также есть доступная только по приглашениям программа исследовательских кредитов для студенческих проектов вне формального учебного процесса, но широкого доступа к ней нет.

Какие лимиты у бесплатного тарифа Together AI?

Обычного бесплатного тарифа нет. Купленный баланс $5 переводит аккаунт на Build Tier 1, где сейчас указаны 600 LLM-запросов в минуту, 3,000 запросов эмбеддингов в минуту и лимит rerank 500,000. Динамические и зависящие от модели ограничения могут быть ниже.

Какие альтернативы Together AI стоит рассмотреть?

Fireworks AI — ближайшая широкая альтернатива для инференса и fine-tuning открытых моделей, Groq интересен для поддерживаемых моделей с низкой задержкой, а сильная сторона OpenRouter — широкий выбор моделей, маршрутизация и автоматическое переключение. Для gpt-oss-120B у Together, Fireworks и Groq сейчас одинаковые ставки: $0.15 за вход и $0.60 за выход на миллион токенов. Маршрутизированная цена OpenRouter в этом срезе ниже, но к ней добавляются комиссия за покупку кредитов и слой агрегатора.

Есть ли у Together AI скидка для студентов?

Together AI не публикует постоянный студенческий тариф. Программа исследовательских кредитов, доступная только по приглашениям, выдаёт небольшие гранты студентам для проектов вне формального учебного процесса и просит упомянуть Together AI в работе.

Какова политика возврата Together AI?

По условиям Together сборы по умолчанию не возвращаются, а платёжные обязательства нельзя отменить или пересчитать пропорционально, если в форме заказа не сказано иное. Резервирование GPU невозвратно. При отмене задания fine-tuning оплачиваются завершённые шаги, а деньги возвращаются только за невыполненную часть.

Сгорают ли кредиты Together AI?

Срок действия купленных предоплаченных кредитов сейчас не ограничен. Это не означает возможности возврата: кредиты могут оставаться доступными, но не подлежать возмещению, а купленные после выставления счёта средства нельзя направить на погашение более старой просроченной задолженности.

Изменились ли цены Together AI в 2026 году?

Да. 8 июля 2026 года Together AI запустила Provisioned Throughput — зарезервированную токеновую мощность по $0.05 за PTU-минуту, с минимальным сроком в один месяц и SLA доступности 99%. С июня также изменились текущий serverless-каталог и ставки на выделенное оборудование, поэтому на этой странице указана дата проверки 22 августа.

Provisioned Throughput дешевле serverless от Together?

Не автоматически. По публичным ставкам один полностью загруженный PTU почти точно соответствует 30-дневной стоимости той же мощности в serverless Together. Недозагрузка увеличивает эффективную цену токена. PTU покупают ради зарезервированной мощности и SLA; согласованная скидка за обязательство может улучшить ставку, но Together не публикует её шкалу.

AI Tools Map for Business Owners

AI Tools Map for Business Owners превращает цены моделей в практичный стек внедрения: для каждого инструмента показаны порог качества, роль в маршрутизации и ценовой сигнал к переходу. Подпишитесь и получите следующий выпуск бесплатно.