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
DeepSeek V4.1 Flash 1017 (max)
GLM-5.3 (max)
Kimi K3 (max)
MiniMax-M3.1-FlashGLM-5.3-FlashIntelligence Index
19 modelos no total
Mais rápido
DeepSeek V4.1 Flash (max)
Nemotron 3.5 Super VL (NVFP4)DeepSeek V4.1 Flash 1017 (max)
Beam 1.0 (NVFP4)GLM-5.2 (max)Velocidade de saída
19 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)
19 modelos no total
Together AI oferece 19 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 DeepSeek V4.1 Flash 1017 (max) (45), GLM-5.3 (max) (45) e Kimi K3 (max) (44).
- Em velocidade de saída, os modelos mais rápidos são DeepSeek V4.1 Flash (max) (443 t/s), Nemotron 3.5 Super VL (NVFP4) (433 t/s) e DeepSeek V4.1 Flash 1017 (max) (373 t/s). A velocidade varia significativamente entre os modelos, com uma diferença de 57% entre o mais rápido e o mais lento.
- Em latência, Qwen3.5 9B (non-reasoning) (FP8) (0.90s), Llama 3.3 70B Turbo (1.87s) e DeepSeek V4.1 Flash (max) (4.84s) 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, DeepSeek V4.1 Flash 1017 (max) (1M), Kimi K3 (max) (1M) e MiniMax-M3.1-Flash (1M) aceitam as maiores janelas entre os modelos oferecidos por Together AI.
Avaliações de inteligência
Artificial Analysis Intelligence Index
Evaluations
Agentic knowledge work, Elo
Knowledge
1 - hallucination rate
Agentic SaaS workflows
Agentic real-world work tasks, Elo
Reasoning & knowledge
Professional document reasoning, All-pass
Agentic coding & terminal use
Long context reasoning
Coding
Physics reasoning
Agentic scientific research workflows in a terminal
Agentic software engineering in open-source repositories
Quantitative analysis on spreadsheets & documents
Legal agentic work, Hallucination-Gated All-Pass Rate
Agentic business operations
Agentic interactive 3D experiences, 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
Janela de contexto
Janela de contexto
Preços
Intelligence Index vs. preço
Resumo do desempenho
Velocidade de saída vs. preço
Velocidade
Medida pela velocidade de saída (tokens por segundo)
Velocidade de saída
Latência
Medida pelo tempo (segundos) até o primeiro token
Latência: Tempo até o primeiro token da resposta final
Comportamento do cache
Taxa de acertos do cache
Custo por tarefa vs. Taxa de acertos do cache
Tempo de resposta de ponta a ponta
Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed
Tempo de resposta de ponta a ponta vs. preço
Análises adicionais | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
DeepSeek V4.1 Flash 1017 (max) | 1.05M | Aberto | 45 | $0.32 | 301 | 0.30 | 8.60 | 6.64 | |||
GLM-5.3 (max) | 1.05M | Aberto | 45 | $1.97 | 141 | 0.75 | 18.43 | 14.14 | |||
Kimi K3 (max) | 1.05M | Aberto | 44 | $2.16 | 55 | 1.07 | 46.58 | 36.41 | |||
GLM-5.3-Flash | 1.05M | Aberto | 42 | $0.47 | 169 | 0.74 | 15.51 | 11.81 | |||
Qwen3.8 2.4T A95B | 262k | Aberto | 40 | $2.09 | 118 | 1.07 | 22.20 | 16.91 | |||
DeepSeek V4.1 Flash (max) | 1.05M | Aberto | 39 | $0.32 | 350 | 0.38 | 7.51 | 5.71 | |||
 Muse Spark Open (xhigh) | 1.05M | Aberto | 39 | $0.84 | 193 | 0.64 | 13.60 | 10.37 | |||
GLM-5.2 (max) | 262k | Aberto | 34 | $0.88 | 265 | 1.17 | 10.58 | 7.53 | |||
Beam 1.0 (NVFP4) | 1.05M | Aberto | 30 | $0.21 | 293 | 0.52 | 9.07 | 6.83 | |||
MiniMax-M3 | 1M | Aberto | 29 | $0.58 | 85 | 0.84 | 30.20 | 23.49 | |||
Nemotron 3.5 Super VL (NVFP4) | 262k | Aberto | 26 | $0.26 | 402 | 0.66 | 6.88 | 4.98 | |||
 Inkling (xhigh) | 524k | Aberto | 25 | $0.91 | 107 | 0.67 | 24.11 | 18.76 | |||
MiniMax-M2.5 (FP4) | 197k | Aberto | 23* | -- | -- | -- | -- | -- | |||
GLM-4.7 | 203k | Aberto | 22* | -- | -- | -- | -- | -- | |||
GLM-4.6 | 203k | Aberto | 19* | -- | -- | -- | -- | -- | |||
Muse Glimmer (high) | 131k | Aberto | 17 | $0.08 | 96 | 0.70 | 26.87 | 20.94 | |||
GLM-4.7 (non-reasoning) | 203k | Aberto | 17* | -- | -- | -- | -- | -- | |||
GLM-4.6 (non-reasoning) | 203k | Aberto | 15* | -- | -- | -- | -- | -- | |||
 Apriel-v1.5-15B-Thinker | 131k | Aberto | 14* | -- | -- | -- | -- | -- | |||
DeepSeek V3.1 (non-reasoning) | 131k | Aberto | 14* | -- | -- | -- | -- | -- | |||
Qwen3.5 9B (non-reasoning) (FP8) | 262k | Aberto | 13* | -- | 79 | 0.73 | 7.07 | -- | |||
DeepSeek R1 0528 | 164k | Aberto | 13* | -- | -- | -- | -- | -- | |||
 gpt-oss-120b (high) | 131k | Aberto | 12 | $0.11 | 98 | 0.57 | 26.02 | 20.36 | |||
DeepSeek R1 (Jan) | 164k | Aberto | 11 | $0.41 | -- | -- | -- | -- | |||
Qwen3.5 9B (FP8) | 262k | Aberto | 11 | $0.27 | 80 | 0.76 | 32.19 | 25.14 | |||
GLM-4.5-Air (FP8) | 131k | Aberto | 11* | -- | -- | -- | -- | -- | |||
gpt-oss-120b (low) | 131k | Aberto | 10* | -- | 101 | 0.51 | 25.27 | 19.80 | |||
Llama 3.3 70B Turbo | 131k | Aberto | 8* | -- | 64 | 1.83 | 9.67 | -- | |||
Principais definições
Perguntas frequentes
Perguntas comuns sobre Together AI
Together AI oferece 19 modelos que acompanhamos: DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), Kimi K3 (max), MiniMax-M3.1-Flash, GLM-5.3-Flash, Qwen3.8 2.4T A95B, DeepSeek V4.1 Flash (max), Muse Spark Open (xhigh), GLM-5.2 (max), Beam 1.0 (NVFP4), MiniMax-M3, Nemotron 3.5 Super VL (NVFP4), Inkling (xhigh), Muse Glimmer (high), Qwen3.5 9B (non-reasoning) (FP8), gpt-oss-120b (high), Qwen3.5 9B (FP8), gpt-oss-120b (low) e Llama 3.3 70B Turbo.
O modelo mais inteligente disponível em Together AI é DeepSeek V4.1 Flash 1017 (max), com 45 pontos no Intelligence Index.
O modelo mais rápido em velocidade de saída oferecido por Together AI é DeepSeek V4.1 Flash (max), com 442.5 tokens por segundo.
O modelo com o menor tempo até o primeiro token da resposta final em Together AI é Qwen3.5 9B (non-reasoning) (FP8), com 0.90s. 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 $0.09 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 22x entre os modelos, de $0.09 por 1M de tokens no Nemotron 3.5 Super VL (NVFP4) a $2.08 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.
18 de 19 modelos oferecidos por Together AI são compatíveis com o modo JSON para saída estruturada.
Sim. Todos os 19 modelos oferecidos por Together AI são compatíveis com chamadas de funções (uso de ferramentas).
Sim. Together AI oferece 17 modelos de raciocínio: DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), Kimi K3 (max), MiniMax-M3.1-Flash, GLM-5.3-Flash, Qwen3.8 2.4T A95B, DeepSeek V4.1 Flash (max), Muse Spark Open (xhigh), GLM-5.2 (max), Beam 1.0 (NVFP4), MiniMax-M3, Nemotron 3.5 Super VL (NVFP4), Inkling (xhigh), Muse Glimmer (high), gpt-oss-120b (high), Qwen3.5 9B (FP8) e gpt-oss-120b (low). Os modelos de raciocínio usam um processo de reflexão prolongado para resolver problemas complexos antes de responder.
Sim. 18 dos 19 modelos oferecidos por Together AI são de pesos abertos: DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), Kimi K3 (max), GLM-5.3-Flash, Qwen3.8 2.4T A95B, DeepSeek V4.1 Flash (max), Muse Spark Open (xhigh), GLM-5.2 (max), Beam 1.0 (NVFP4), MiniMax-M3, Nemotron 3.5 Super VL (NVFP4), Inkling (xhigh), Muse Glimmer (high), Qwen3.5 9B (non-reasoning) (FP8), gpt-oss-120b (high), Qwen3.5 9B (FP8), gpt-oss-120b (low) e Llama 3.3 70B Turbo.
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), a velocidade de saída (para tarefas que exigem alta vazão), 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.