Meta Muse Spark Open 上线 Together AI，1M 上下文支持智能体编码
Together AI 作为 Day 0 发布合作方上线 Meta 的 Muse Spark Open，这是目前能力最强的美国开源权重模型，面向长时间运行的智能体编码工作流。
推荐理由：Together AI 以 Day 0 合作方身份上线 Meta 开源权重模型，并给出 API 调用方式与三档 token 价格。
Together AI
全部主题Together AI 的推理与微调服务：开源模型的托管价格、吞吐与批处理，以及跟自建 GPU 的成本对照。
最新精选
第 1–15 条 · 共 15 条Together AI Blog精选AI 评分6262
Together AI Blog精选AI 评分6262 Together AI 发布 Together Link，一条命令把开源模型接入现有编码工具
Together AI 发布 Together Link，把团队已在用的编码工具接到 Together AI 上的开源模型，官方称可把花费削减超过 50%。它支持 Claude Code、Claude Desktop、Codex（ChatGPT 应用和 CLI）、OpenCode 和 Pi，设置与登录保持不变，用一条 curl 命令即可安装，回到原生闭源模型也只需一条命令。
推荐理由：Together AI 发布 Together Link，把开源模型接入团队已在用的编码工具，并给出按会话对比花费的方式。
Together AI Blog精选AI 评分6262 Together AI 教程：花 $17 训练并部署自己的 Jev 分类模型
Together AI 发布教程，演示如何用 Qwen3.5 4B 为基座模型、从 Hugging Face 的多个数据集采样约 3.8 万条样本做微调，训练成本约 $17、耗时约 25 分钟。
推荐理由：Together AI 官方给出从数据准备到部署分类模型的完整流程，训练成本约 $17、耗时约 25 分钟。
Together AI Blog精选AI 评分6262 Together AI 扩展微调服务：新增模型、实时指标与更细粒度控制
Together AI 扩展其 Fine-Tuning 服务，新增 GLM-5.3、Kimi K2.7、Qwen 3.5 系列、Gemma 4 等开放权重模型支持，并加入实时实验指标追踪、专家层 LoRA、早停、任意 batch size、数据预检与 packing 控制。
推荐理由：Together AI 公布微调服务的新模型、实时指标与训练控制项，并给出 LoRA 训练价格下调幅度。
Together AI Blog精选AI 评分6262 Together AI 推出抢占式算力：同款 GPU 半价，公开预览
Together AI 宣布 Together GPU Clusters 的抢占式算力（preemptible compute）进入公开预览，在所有区域的 Kubernetes 集群上可用，按需费率的固定 50% 计费，按小时以下粒度计量。
推荐理由：Together AI 给 GPU 集群加了可被回收的抢占式节点，按需价格五折，适合能断点续跑的实验与批处理任务。
Together AI Blog精选AI 评分7878 GLM-5.3 与 Claude Fable 5 在 DeepSWE 上的成本与编码对比
Together AI 在 DeepSWE 的 113 个任务上各跑 4 次、共 904 次 rollout，对比 GLM-5.3（max）与 Claude Fable 5（max）：首次通过率分别为 69.0% 和 69.7%，差距在噪声范围内，但每次 rollout 成本为 $3.99 对 $21.63，相差 5.4 倍。
推荐理由：Together AI 用 904 次 rollout 对比两个模型在 DeepSWE 上的准确率与成本，可据此判断高价模型是否值得。
Together AI Blog精选AI 评分7878 Together AI 在 DeepSWE 上对比 GLM-5.3 与 GPT-5.6 Sol 的成本与编码表现
Together AI 在全部 113 个 DeepSWE 任务上对 GLM-5.3（max）与 GPT-5.6 Sol（max）各跑 4 次，共 904 次 rollout。
推荐理由：Together AI 用 113 个 DeepSWE 任务、904 次 rollout 对比两个模型，给出成本、通过率与路由方案。
Together AI Blog精选AI 评分6262 Together AI 实测 DeepSeek V4 Pro 0813 与 Claude Fable 5：成本差 90 倍，级联路由更划算
Together AI 在 DeepSWE 的 113 个任务上各跑 4 次、共 904 次 rollout，对比 DeepSeek V4 Pro 0813 与 Claude Fable 5。
推荐理由：Together AI 用 904 次 rollout 对比两款模型在 DeepSWE 上的准确率与成本，并给出可复用的级联路由方案。
Together AI Blog精选AI 评分7474 Together AI 上线 Kimi K3 开发者指南：2.8 万亿参数、1M 上下文与定价
Together AI 发布 Kimi K3 开发者指南，该模型为 Moonshot AI 的 2.8 万亿参数开放权重模型，支持 1M 上下文，API 兼容 OpenAI。
推荐理由：Together AI 官方给出 Kimi K3 的接入方式、定价与基准对比，可据此评估迁移与成本。
Together AI Blog精选AI 评分6262 Together AI 与 Moonshot AI 达成合作，原生上线 Kimi K3 模型
Together AI 宣布与 Moonshot AI 建立战略合作，成为 Moonshot 模型发布的首发平台，首个上线的是 Kimi K3，后续所有开放权重模型也将同步上线。
推荐理由：Together AI 与 Moonshot AI 合作首发 Kimi K3，开发者可了解该开源模型的规格与接入方式。
Together AI Blog精选AI 评分6262 Kimi K2.7 Code 与 Claude Fable 5 落地页生成对比：成本低约 94%
Together AI 用 12 个落地页提示词对比 Kimi K2.7 Code 与 Claude Fable 5，Kimi 平均便宜约 16 倍，整体成本低约 94%，生成 100 个页面可省约 94 美元。
推荐理由：原文用 12 个落地页对比两款模型的成本与质量，并给出 MCP 提供设计参考后的效果差异。
Together AI Blog精选AI 评分6262 Together AI 上线 DeepSeek-V4 Pro，支持 512K 上下文与缓存输入定价
Together AI 上线 DeepSeek-V4 Pro，Serverless Inference 提供 512K token 上下文，模型层面支持 1M token，专用基础设施可解锁完整 1M 上下文和预留容量。
推荐理由：Together AI 上线 DeepSeek-V4 Pro，给出 512K 上下文、三档推理模式和缓存输入价格，可据此估算长上下文成本。
Together AI Blog精选AI 评分6262 Together AI 扩展微调服务，新增工具调用、推理与视觉支持
Together AI 扩展 Together Fine-Tuning，原生支持工具调用、推理和视觉语言模型（VLM）微调，训练栈升级后可处理 100B+ 参数模型，吞吐最高提升 6 倍，数据集上限 100GB。
推荐理由：Together AI 把工具调用、推理与视觉微调收进同一套 API，并给出训练吞吐与成本预估，便于团队评估迁移。
Together AI Blog精选AI 评分6262 Together AI 发布实时语音 Agent 统一方案，STT、LLM、TTS 同集群部署
Together AI 发布了一套用于构建实时语音 Agent 的统一方案，把 STT、LLM、TTS 放在同一集群内，从用户说完到首个音频 token 的端到端延迟低于 500ms。
推荐理由：Together AI 把 STT、LLM、TTS 放在同一集群，端到端延迟低于 500ms，并接入 Cartesia 与 Deepgram 的语音模型。
Together AI Blog精选AI 评分6262 Together AI 发布 Dedicated Container Inference，自定义模型推理提速最高 2.6 倍
Together AI 发布 Dedicated Container Inference，让团队用自带 Docker 容器部署视频生成、数字人合成和图像处理等自定义生成式媒体模型，由平台负责自动扩缩容、排队、流量隔离与监控。
推荐理由：Together AI 推出面向自定义生成式媒体模型的容器推理服务，给出 1.4x–2.6x 提速与训练到部署零产物迁移的路径。