Together AI: inteligência, desempenho e preço dos modelos
Esta análise ajuda você a escolher o melhor modelo oferecido por Together AI para seu caso de uso.
Mais inteligente
Kimi K3.1 Pro
DeepSeek V4.1 Flash 1017 (max)
GLM-5.3 (max)
MiniMax-M3.1-FlashGLM-5.3-FlashIntelligence Index
17 modelos no total
Menor tempo por tarefa
Beam 1.0 (NVFP4)
Nemotron 3.5 Super VL (NVFP4)
Muse Glimmer (high)DeepSeek V4.1 Flash 1017 (max)Muse Spark Open (xhigh)Tempo por tarefa do Intelligence Index (minutos)
17 modelos no total
Menor preço
Nemotron 3.5 Super VL (NVFP4)MiniMax-M3.1-FlashGLM-5.3-Flash
Qwen3.5 9B (non-reasoning) (FP8)Qwen3.5 9B (FP8)Preço combinado (por 1M de tokens)
17 modelos no total
Together AI oferece 17 modelos, cada um com características diferentes de inteligência, desempenho e preço. Veja abaixo uma comparação das principais métricas entre os modelos.
- Em inteligência, os principais modelos oferecidos por Together AI são Kimi K3.1 Pro (46), DeepSeek V4.1 Flash 1017 (max) (33) e GLM-5.3 (max) (32).
- Em tempo por tarefa, Beam 1.0 (NVFP4) (2.1 min), Nemotron 3.5 Super VL (NVFP4) (4.6 min) e Muse Glimmer (high) (4.8 min) concluem uma tarefa do Intelligence Index mais rápido em Together AI. O tempo por tarefa varia significativamente entre os modelos: o mais lento leva 3.8x mais tempo que o mais rápido.
- Em latência, Qwen3.5 9B (non-reasoning) (FP8) (1.02s), gpt-oss-120b (low) (2.44s) e Beam 1.0 (NVFP4) (6.70s) têm o menor tempo até o primeiro token da resposta final.
- Em preço, Nemotron 3.5 Super VL (NVFP4) ($0.09), MiniMax-M3.1-Flash ($0.10) e GLM-5.3-Flash ($0.10) têm os menores preços combinados por 1M de tokens.
- Em tamanho da janela de contexto, Kimi K3.1 Pro (1M), DeepSeek V4.1 Flash 1017 (max) (1M) e MiniMax-M3.1-Flash (1M) aceitam as maiores janelas entre os modelos oferecidos por Together AI.
Inteligência
Artificial Analysis Intelligence Index
Evaluations
Agentic knowledge work, Elo
Knowledge
1 - hallucination rate
Agentic SaaS workflows
Agentic scientific research workflows in a terminal
Agentic software engineering in open-source repositories
Reasoning & knowledge
Professional document reasoning, All-pass
Agentic coding & terminal use
Physics reasoning
Quantitative analysis on spreadsheets & documents
Legal agentic work, Hallucination-Gated All-Pass Rate
Agentic business operations
Agentic real-world work tasks, Elo
Agentic interactive 3D experiences, Elo
Product and brand videos designed in code, Elo
Kubernetes incident root-cause analysis
Medical long context reasoning
Visual reasoning
Rich, varied, well-crafted language
Well-structured, scannable, answer-first
Truthful, acknowledges uncertainty, non-sycophantic
Use of filler and generic language
Intelligence Index vs. preço
Preços
Custo por tarefa do Intelligence Index
Intelligence Index vs. preço
Velocidade
Média das cargas de trabalho medidas de solicitação única e agênticas multiturno
Tempo por tarefa do Intelligence Index
Qualidade
Endpoint Accuracy Index
Latência
Média das cargas de trabalho medidas de solicitação única e agênticas multiturno
Tempo até o primeiro token da resposta final
Confiabilidade
Parcela de solicitações em que o endpoint falhou, em todas as cargas de trabalho medidas de solicitação única e agênticas multiturno
Taxa de erros do endpoint
Cache
Taxa de acertos do cache
Custo por tarefa vs. Taxa de acertos do cache
Análises adicionais | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
Kimi K3.1 Pro | 46 | $3.59 | 16.9 | 79.39 | 0.0% | 1M | Aberto | |||
DeepSeek V4.1 Flash 1017 (max) | 33 | $0.78 | 7.9 | 29.82 | 0.0% | 1M | Aberto | |||
GLM-5.3 (max) | 32 | $4.92 | 15.2 | 41.90 | 0.8% | 1M | Aberto | |||
MiniMax-M3.1-Flash | 29 | $0.46 | 17.4 | 78.24 | 9.9% | 1M | Aberto | |||
GLM-5.3-Flash | 28 | $0.69 | 12.5 | 24.88 | 0.7% | 1M | Aberto | |||
Muse Spark Open (xhigh) | 25 | $2.02 | 7.9 | 10.81 | 0.0% | 1M | Aberto | |||
Beam 1.0 (NVFP4) | 18 | $0.28 | 2.1 | 6.43 | 0.0% | 1M | Aberto | |||
Nemotron 3.5 Super VL (NVFP4) | 14 | $0.61 | 4.8 | 11.17 | 0.0% | 262k | Aberto | |||
 Inkling (xhigh) | 12 | $2.74 | 9.0 | 59.55 | 7.3% | 524k | Aberto | |||
Muse Glimmer (high) | 6 | $0.23 | 4.8 | 17.11 | 0.0% | 131k | Aberto | |||
 gpt-oss-120b (high) | 4 | $0.35 | 16.6 | 42.67 | 8.2% | 131k | Aberto | |||
DeepSeek R1 (Jan) | -- | -- | -- | -- | -- | 164k | Aberto | |||
MiniMax-M2.5 (FP4) | -- | -- | -- | -- | -- | 197k | Aberto | |||
Qwen3.5 9B (non-reasoning) (FP8) | -- | -- | -- | 1.06 | 2.1% | 262k | Aberto | |||
Qwen3.5 9B (FP8) | -- | -- | -- | 16.98 | 0.0% | 262k | Aberto | |||
GLM-4.5-Air (FP8) | -- | -- | -- | -- | -- | 131k | Aberto | |||
GLM-4.6 | -- | -- | -- | -- | -- | 203k | Aberto | |||
GLM-4.7 | -- | -- | -- | -- | -- | 203k | Aberto | |||
GLM-4.7 (non-reasoning) | -- | -- | -- | -- | -- | 203k | Aberto | |||
GLM-4.6 (non-reasoning) | -- | -- | -- | -- | -- | 203k | Aberto | |||
DeepSeek R1 0528 | -- | -- | -- | -- | -- | 164k | Aberto | |||
 Apriel-v1.5-15B-Thinker | -- | -- | -- | -- | -- | 131k | Aberto | |||
gpt-oss-120b (low) | -- | -- | -- | 2.41 | 8.2% | 131k | Aberto | |||
DeepSeek V4.1 Flash (max) | -- | -- | -- | 28.00 | 0.0% | 1M | Aberto | |||
GLM-5.2 (max) | -- | -- | -- | 8.71 | 0.0% | 262k | Aberto | |||
Kimi K3 (max) | -- | -- | -- | 27.50 | 0.0% | 1M | Aberto | |||
DeepSeek V3.1 (non-reasoning) | -- | -- | -- | -- | -- | 131k | Aberto | |||
Principais definições
Perguntas frequentes
Perguntas comuns sobre Together AI
Together AI oferece 17 modelos que acompanhamos: Kimi K3.1 Pro, DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), MiniMax-M3.1-Flash, GLM-5.3-Flash, Muse Spark Open (xhigh), Beam 1.0 (NVFP4), Nemotron 3.5 Super VL (NVFP4), Inkling (xhigh), Muse Glimmer (high), gpt-oss-120b (high), Qwen3.5 9B (non-reasoning) (FP8), Qwen3.5 9B (FP8), gpt-oss-120b (low), DeepSeek V4.1 Flash (max), GLM-5.2 (max) e Kimi K3 (max).
O modelo mais inteligente disponível em Together AI é Kimi K3.1 Pro, com 46 pontos no Intelligence Index.
O modelo com o menor tempo por tarefa em Together AI é Beam 1.0 (NVFP4), com 2.1 minutos por tarefa do Intelligence Index. O tempo por tarefa é o número de tokens de saída por tarefa dividido pela velocidade de saída de ponta a ponta; um valor menor significa que a tarefa termina mais cedo.
O modelo com o menor tempo até o primeiro token da resposta final em Together AI é Qwen3.5 9B (non-reasoning) (FP8), com 1.02s. Uma latência menor significa um tempo de resposta inicial mais rápido.
O modelo mais acessível em preço combinado oferecido por Together AI é Nemotron 3.5 Super VL (NVFP4), com $0.094 por 1M de tokens (proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída).
Os preços em Together AI variam em até 24.6x entre os modelos, de $0.094 por 1M de tokens no Nemotron 3.5 Super VL (NVFP4) a $2.31 por 1M de tokens no Kimi K3 (max).
Sim. Together AI oferece uma API compatível com a OpenAI, facilitando a migração da OpenAI e o uso de integrações existentes com o SDK da OpenAI.
Sim. Todos os 17 modelos oferecidos por Together AI são compatíveis com o modo JSON para saída estruturada.
Sim. Todos os 17 modelos oferecidos por Together AI são compatíveis com chamadas de funções (uso de ferramentas).
Sim. Together AI oferece 16 modelos de raciocínio: Kimi K3.1 Pro, DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), MiniMax-M3.1-Flash, GLM-5.3-Flash, Muse Spark Open (xhigh), Beam 1.0 (NVFP4), Nemotron 3.5 Super VL (NVFP4), Inkling (xhigh), Muse Glimmer (high), gpt-oss-120b (high), Qwen3.5 9B (FP8), gpt-oss-120b (low), DeepSeek V4.1 Flash (max), GLM-5.2 (max) e Kimi K3 (max). Os modelos de raciocínio usam um processo de reflexão prolongado para resolver problemas complexos antes de responder.
Sim. Todos os 17 modelos oferecidos por Together AI são de pesos abertos.
Sim. O desempenho de um provedor pode variar ao longo do tempo devido a mudanças na infraestrutura, balanceamento de carga e atualizações. Avaliamos continuamente todos os provedores e exibimos as tendências históricas de desempenho nos gráficos de evolução ao longo do tempo.
Ao escolher um modelo oferecido por Together AI, considere a inteligência (para tarefas que exigem qualidade), o tempo por tarefa (a rapidez com que o modelo conclui uma tarefa do Intelligence Index), a latência (para aplicações interativas que precisam de respostas iniciais rápidas), o preço (para cargas de trabalho atentas aos custos) e recursos como tamanho da janela de contexto, modo JSON e chamadas de funções.