Together AI：模型智能、性能与价格
本分析旨在帮助你根据使用场景，选择 Together AI 提供的最佳模型。
最智能
DeepSeek V4.1 Flash 1017 (max)
GLM-5.3 (max)
Kimi K3 (max)
MiniMax-M3.1-FlashGLM-5.3-FlashIntelligence Index
共 19 个模型
速度最快
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)输出速度
共 19 个模型
价格最低
Nemotron 3.5 Super VL (NVFP4)MiniMax-M3.1-FlashGLM-5.3-Flash
Qwen3.5 9B (non-reasoning) (FP8)Qwen3.5 9B (FP8)每 100 万 token 的混合价格
共 19 个模型
Together AI 提供 19 个模型，每个模型的智能、性能和价格特征各不相同。 下方对比了各模型的关键指标。
- 智能方面，Together AI 上表现最好的模型是 DeepSeek V4.1 Flash 1017 (max)（45）、GLM-5.3 (max)（45）和Kimi K3 (max)（44）。
- 输出速度方面，最快的模型是 DeepSeek V4.1 Flash (max)（443 t/s）、Nemotron 3.5 Super VL (NVFP4)（433 t/s）和DeepSeek V4.1 Flash 1017 (max)（373 t/s）。 各模型之间的速度差异显著，最快与最慢相差 57%。
- 延迟方面，Qwen3.5 9B (non-reasoning) (FP8)（0.90 秒）、Llama 3.3 70B Turbo（1.87 秒）和DeepSeek V4.1 Flash (max)（4.84 秒） 的首个答案 Token 延迟最低。
- 价格方面，Nemotron 3.5 Super VL (NVFP4)（$0.09）、MiniMax-M3.1-Flash（$0.10）和GLM-5.3-Flash（$0.10） 每 100 万 token 的混合价格最低。
- 上下文窗口方面，DeepSeek V4.1 Flash 1017 (max)（1M）、Kimi K3 (max)（1M）和MiniMax-M3.1-Flash（1M） 支持 Together AI 上最大的上下文窗口。
智能评测
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 与价格
上下文窗口
上下文窗口
价格
Intelligence Index 与价格
性能摘要
输出速度与价格
速度
按输出速度（每秒 token 数）衡量
输出速度
延迟
按首 Token 延迟（秒）衡量
延迟: 首个答案 Token 延迟
缓存行为
缓存命中率
每任务成本与缓存命中率
端到端响应时间
Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed
端到端响应时间与价格
进一步分析 | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
DeepSeek V4.1 Flash 1017 (max) | 1.05M | 开放 | 45 | $0.32 | 301 | 0.30 | 8.60 | 6.64 | |||
GLM-5.3 (max) | 1.05M | 开放 | 45 | $1.97 | 141 | 0.75 | 18.43 | 14.14 | |||
Kimi K3 (max) | 1.05M | 开放 | 44 | $2.16 | 55 | 1.07 | 46.58 | 36.41 | |||
GLM-5.3-Flash | 1.05M | 开放 | 42 | $0.47 | 169 | 0.74 | 15.51 | 11.81 | |||
Qwen3.8 2.4T A95B | 262k | 开放 | 40 | $2.09 | 118 | 1.07 | 22.20 | 16.91 | |||
DeepSeek V4.1 Flash (max) | 1.05M | 开放 | 39 | $0.32 | 350 | 0.38 | 7.51 | 5.71 | |||
 Muse Spark Open (xhigh) | 1.05M | 开放 | 39 | $0.84 | 193 | 0.64 | 13.60 | 10.37 | |||
GLM-5.2 (max) | 262k | 开放 | 34 | $0.88 | 265 | 1.17 | 10.58 | 7.53 | |||
Beam 1.0 (NVFP4) | 1.05M | 开放 | 30 | $0.21 | 293 | 0.52 | 9.07 | 6.83 | |||
MiniMax-M3 | 1M | 开放 | 29 | $0.58 | 85 | 0.84 | 30.20 | 23.49 | |||
Nemotron 3.5 Super VL (NVFP4) | 262k | 开放 | 26 | $0.26 | 402 | 0.66 | 6.88 | 4.98 | |||
 Inkling (xhigh) | 524k | 开放 | 25 | $0.91 | 107 | 0.67 | 24.11 | 18.76 | |||
MiniMax-M2.5 (FP4) | 197k | 开放 | 23* | -- | -- | -- | -- | -- | |||
GLM-4.7 | 203k | 开放 | 22* | -- | -- | -- | -- | -- | |||
GLM-4.6 | 203k | 开放 | 19* | -- | -- | -- | -- | -- | |||
Muse Glimmer (high) | 131k | 开放 | 17 | $0.08 | 96 | 0.70 | 26.87 | 20.94 | |||
GLM-4.7 (non-reasoning) | 203k | 开放 | 17* | -- | -- | -- | -- | -- | |||
GLM-4.6 (non-reasoning) | 203k | 开放 | 15* | -- | -- | -- | -- | -- | |||
 Apriel-v1.5-15B-Thinker | 131k | 开放 | 14* | -- | -- | -- | -- | -- | |||
DeepSeek V3.1 (non-reasoning) | 131k | 开放 | 14* | -- | -- | -- | -- | -- | |||
Qwen3.5 9B (non-reasoning) (FP8) | 262k | 开放 | 13* | -- | 79 | 0.73 | 7.07 | -- | |||
DeepSeek R1 0528 | 164k | 开放 | 13* | -- | -- | -- | -- | -- | |||
 gpt-oss-120b (high) | 131k | 开放 | 12 | $0.11 | 98 | 0.57 | 26.02 | 20.36 | |||
DeepSeek R1 (Jan) | 164k | 开放 | 11 | $0.41 | -- | -- | -- | -- | |||
Qwen3.5 9B (FP8) | 262k | 开放 | 11 | $0.27 | 80 | 0.76 | 32.19 | 25.14 | |||
GLM-4.5-Air (FP8) | 131k | 开放 | 11* | -- | -- | -- | -- | -- | |||
gpt-oss-120b (low) | 131k | 开放 | 10* | -- | 101 | 0.51 | 25.27 | 19.80 | |||
Llama 3.3 70B Turbo | 131k | 开放 | 8* | -- | 64 | 1.83 | 9.67 | -- | |||
关键定义
常见问题
关于 Together AI 的常见问题
Together AI 提供我们跟踪的 19 个模型：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)和Llama 3.3 70B Turbo。
Together AI 上最智能的模型是 DeepSeek V4.1 Flash 1017 (max)，Intelligence Index 得分为 45。
按输出速度计算，Together AI 上最快的模型是 DeepSeek V4.1 Flash (max)，速度为每秒 442.5 个 token。
Together AI 上首个答案 Token 延迟最低的模型是 Qwen3.5 9B (non-reasoning) (FP8)，延迟为 0.90 秒。延迟越低，初始响应越快。
按混合价格计算，Together AI 上最实惠的模型是 Nemotron 3.5 Super VL (NVFP4)，每 100 万 token 的价格为 $0.09（缓存命中/输入/输出比例为 7:2:1）。
Together AI 上各模型价格最多相差 22 倍，从最实惠的 Nemotron 3.5 Super VL (NVFP4)（每 100 万 token $0.09）到最昂贵的 Kimi K3 (max)（每 100 万 token $2.08）。
是，Together AI 提供兼容 OpenAI 的 API，可以轻松从 OpenAI 切换，或继续使用现有的 OpenAI SDK 集成。
Together AI 上 19 个模型中，有 18 个支持用于结构化输出的 JSON 模式。
是，Together AI 上全部 19 个模型均支持函数调用（工具使用）。
是，Together AI 提供 17 个推理模型：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)和gpt-oss-120b (low)。推理模型会先进行扩展思考来解决复杂问题，再给出答案。
是，Together AI 上 19 个模型中有 18 个是开放权重模型：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)和Llama 3.3 70B Turbo。
会。服务商性能可能因基础设施变化、负载均衡和更新而随时间波动。我们持续对所有服务商进行基准测试，并在“随时间变化”图表中展示历史性能趋势。
选择 Together AI 上的模型时，请考虑：智能（适合质量敏感型任务）、输出速度（适合吞吐量密集型任务）、延迟（适合需要快速首次响应的交互式应用）、价格（适合成本敏感型工作负载），以及上下文窗口大小、JSON 模式或函数调用支持等功能。