商业模式拆解 · Together AI
Together AI：低价开源推理引流，算力租赁才是底牌
靠开源模型按 token 推理吸引开发者，再用 GPU 集群租赁变现，赌注是五年算力扩张五十倍后仍有人买单。
关键数字
Together AI 的收入由两条线拼成：一条是按 token 计费的 serverless 推理和按副本分钟计的专用端点，面向开发者与 AI 应用公司；另一条是按小时计的 GPU 集群租赁和按 GPU 分钟计的后训练，面向需要稳定算力的大客户。前者单价透明、门槛低，负责拉新和跑量；后者客单价高、合同周期长，负责撑收入。钱几乎全部花在买卡、建集群和机房上，CEO 已公开说业务算力受限。它活下去的前提是：开源模型 token 用量继续涨，且客户懒得自己搭推理栈。一种可能的结局是成为中小 AI 公司的默认推理层，但毛利被 GPU 折旧和云厂商夹击，规模越大越像一家重资产算力转售商，而不是高毛利软件公司。
产品与模型
单一 OpenAI 兼容端点聚合 200+ 开源模型，降低切换成本
Together AI 的产品入口是一个 OpenAI 兼容的 API 端点，开发者改一行 base URL 就能调用 200 多个开源模型。这解决的不是模型能力问题，而是“选型疲劳”：团队不想为每个开源模型单独搭推理服务、谈 GPU 资源、写适配层。Together 把模型托管、批处理、限流打包成一个接口，按 token 收钱，没有最低消费。对小团队或小团队，这意味着不用先买卡就能试模型；对 Together，这意味着用极低门槛获取开发者流量。
依据R4R12自研小模型 Tev1 4B 用于内部决策，不靠它赚钱
据厂商页面，2026 年公开的 Tev1 4B Experimental 由 Qwen3.5 4B 微调，训练约 25 分钟，定位是决策模型。这个产品线的信号意义大于收入意义：Together 在展示自己既能托管别人的模型，也能低成本微调出自己的小模型。它没有进入按 token 计费的主力价格表，更像是内部工具或技术演示。对创业者来说，这提醒一件事：微调一个 4B 模型的时间和算力成本已经低到可以当日常实验，但把它变成收入需要另一套分发能力。
依据R5专用推理端点按副本分钟计费，把稳定性和价格绑在一起
除了 serverless，Together 提供专用推理端点，按分钟按副本计费，H100 80GB 每小时 5.49 美元，B200 180GB 每小时 8.99 美元。这本质上是把“推理延迟稳定”做成可计价商品：serverless 便宜但可能排队，专用端点贵但独占副本。对客户，这是用钱换确定性；对 Together，这是把 GPU 从按需市场搬进长约收入。这条线比 serverless 更像基础设施生意，也更依赖资本开支。注意：专用推理端点价与 GPU 集群按需价是不同产品口径，H100 在专用端点为 5.49 美元/小时、在集群租赁为 3.99 美元/小时，二者不可直接比较。
依据R2收入模式
Serverless 按 token 计费，用低价开源模型拉开发者跑量
第一条收入线是 serverless 推理，按 token 计费、无最低费用。公开价目里 Kimi K3 输入 3.00 美元/百万 token、输出 15.00 美元/百万 token；Muse Spark Open 在 2026 年 10 月 18 日前限时免费，之后输入 1.25 美元、输出 4.25 美元/百万 token。定价逻辑不是成本加成，而是对标闭源 API 做“开源更便宜”的心理锚点。客户称开源与闭源模型成本差可达 6 至 60 倍，这一差价常被用作开源推理的获客卖点。但按 token 计费的毛利很薄，量越大越考验集群利用率。
依据R1R6R13GPU 集群按小时租赁和后训练按 GPU 分钟计费，客单价更高
第二条线是 GPU 集群租赁：H100 按需每小时 3.99 美元、H200 5.99 美元、B200 8.19 美元，预留 H100 起价 3.19 美元。后训练按 GPU 分钟计费，B200-SXM 示例为每 GPU 小时 11 美元、四卡配置 88 美元/小时。这条线面向需要长期算力的团队，收入更可预测，但也更重资产。GB200 NVL72、GB300 NVL72、HGX B300 只联系销售报价，说明高端配置走定制合同，价格不公开。两条线的关系是：serverless 做入口，集群租赁做钱包份额。注意：此处 GPU 集群按需价与专用推理端点价是不同产品口径，H100 在集群租赁为 3.99 美元/小时、在专用端点为 5.49 美元/小时，二者不可直接比较。
依据R2R3R4R11客户与市场
客户是 AI 应用公司和隐私敏感企业，为省成本和不自建推理栈付钱
公开报道的客户包括 Cursor、Cognition、Decagon，都是 AI 原生应用公司，特点是 token 消耗大、对推理成本敏感、自己搭推理栈不划算。另一类客户是隐私敏感的美国机构和全球企业，Together 提供零数据保留与 SOC II 合规。这两类客户付钱的理由不同：前者为便宜和快，后者为合规和托管责任。共同点是都不想自己买卡、运维集群、处理模型版本升级。
依据R4R7R9获客与渠道
靠 OpenAI 兼容接口和免费额度获客，不靠销售团队铺量
Together 的触达方式很产品化：一个兼容 OpenAI 的端点，开发者改 base URL 就能用；新模型限时免费，比如 Muse Spark Open 免费到 2026 年 10 月 18 日，用免费额度换试用和口碑。这种渠道适合开发者自下而上采用，成本低、转化路径短。但高端 GPU 集群（GB200 NVL72 等）只联系销售报价，说明大客户仍靠销售驱动。两条渠道并行：API 自助获客，销售跟进大单。
依据R4R6R11成本结构
钱主要花在 GPU 集群和机房扩张上，公司已算力受限
Together 的成本结构是典型的重资产：买 GPU、建集群、付机房和电力。CEO 公开说业务已变为算力受限（compute-bound），意思是需求不缺，缺的是卡和机房。公司预计未来五年算力与基础设施扩张约 50 倍，这个数字直接决定了资本开支的斜率。按 token 计费的 serverless 和按小时计的集群租赁，毛利都受 GPU 折旧和利用率影响，利用率对毛利影响大（具体数据未披露）。
依据R7R9R13融资与资本
靠风险投资和战略投资方撑算力扩张，估值三级跳
Together 靠股权融资活着：2026 年 7 月完成 8 亿美元 C 轮，估值 83 亿美元，Aramco Ventures 领投，投资方含 Vista、General Catalyst、Nvidia、Salesforce Ventures 等。往前看，2025 年 2 月融资轮估值 33 亿美元，2024 年 3 月估值 12.5 亿美元。估值涨得快，融资额也大，但这些钱的主要用途是买卡和建集群。Nvidia 和 Salesforce Ventures 出现在投资方名单里，可能带战略色彩（此为推断，公开资料未说明战略意图）。
依据R7R9护城河
护城河是模型聚合的切换成本和合规托管，不是模型本身
Together 不拥有主流开源模型，它的粘性来自两处：一是 200 多个模型挂在一个端点下，客户换供应商要重写调用和重新谈合规；二是零数据保留与 SOC II 合规，对隐私敏感机构是硬门槛。这两点都是运营和信任积累，不是技术专利。潜在风险是，云厂商也能做同样的事，而且它们有更便宜的带宽和机房（此为推断，公开资料未直接披露）。Together 的差异化只能靠价格和响应速度维持。
依据R4R12风险与不确定性
算力扩张五十倍，需求跟不上就是折旧黑洞
公司预计未来五年算力与基础设施扩张约 50 倍，这是一个极激进的假设。如果开源模型 token 用量增长放缓，或者客户转向自建推理栈，已买的 GPU 就会变成折旧包袱。CEO 说算力受限，但算力受限也可能是“当前需求超过了已有供给”，不等于五年后还能消化五十倍。重资产生意的风险从来不是需求不来，而是需求来得比资本开支慢。
依据R7R9R13高端 GPU 报价不透明，定制合同压价空间大
GB200 NVL72、GB300 NVL72、HGX B300 只联系销售报价，没有公开定价。这意味着大客户合同是逐单谈的，价格不透明对卖方未必是好事：从公开信息看，客户可能拿云厂商的预留实例价来压价，若 Together 的集群规模不及超大规模云，则议价空间更大。后训练按 GPU 分钟计费，B200-SXM 每 GPU 小时 11 美元，这个价格对标的是谁，公开资料没有说。定制合同占比越高，收入的可预测性越差。
依据R3R4R11按 token 计费的 serverless 毛利薄，走量不一定赚钱
serverless 按 token 计费、无最低费用，定价直接对标闭源 API 的折扣。客户称开源与闭源模型成本差达 6 至 60 倍，这个差价是获客武器，但也意味着 Together 把毛利让给了客户和上游 GPU 供应商。如果 token 用量增长主要来自低价模型，收入涨了、毛利不涨，规模越大越像算力转售。公开资料没有披露毛利率，无法判断这条线是否赚钱。
依据R1R13关键节点
对AI原生公司创始人的启示
这一节是编辑判断，基于上面的证据推演，不是公司原话。
小团队可以借它的聚合端点做入口，但别把推理当利润中心
Together 把 200 多个开源模型挂在一个 OpenAI 兼容端点下，开发者改一行 base URL 就能调用，serverless 按 token 计费、无最低消费。这套做法的可借之处在于：小团队不必自己买卡，也能用现成 API 拼出一个统一入口，把选型疲劳和适配成本从客户身上接过来。但正文明确指出按 token 计费的毛利很薄，量越大越考验集群利用率，Together 自己也是靠专用端点和集群租赁撑收入。小团队没有 GPU 集群，借不了这条重资产变现路径，只能把推理当引流品，把利润放在集成、合规托管这类服务上。
免费额度和低价 token 能换来第一批开发者，换不来议价能力
Together 用 Muse Spark Open 限时免费、低价开源模型 token 对标闭源 API 做获客，客户称开源与闭源成本差可达 6 至 60 倍。小团队可以照搬这个节奏：用免费额度或低价试用换第一批用户和口碑，渠道成本低、转化路径短。但要注意，这个差价是 Together 让给客户的，正文说它把毛利让给了客户和上游 GPU 供应商。小团队没有八亿美元融资和机房去扛折旧，一旦跟着打价格战，就没有后手；免费额度只能当获客手段，不能当长期定价策略。
算力受限是它的约束，也是小团队不该模仿它买卡的理由
Together 公开说业务已变为算力受限，计划未来五年算力与基础设施扩张约 50 倍，钱主要花在买卡、建集群和机房上。这说明连拿到大额融资的公司都缺卡，小团队更不该把资本开支压在 GPU 上。可借的是它对需求侧的判断：客户不想自己买卡、运维集群、处理模型版本升级，这个托管需求真实存在。小团队能做的是在多个推理供应商之间做比价、切换和故障转移，赚服务费；借不了的是它靠 Nvidia、Salesforce Ventures 等投资方撑起的算力扩张，差在资本和机房，不在产品思路。
公开资料没有回答的问题
- serverless 按 token 计费与 GPU 集群租赁各自的收入占比是多少？公开资料未披露。
- 毛利率和 GPU 利用率是多少？公开资料未披露。
- 员工规模和客户总数是多少？公开资料未披露。
- 年化订单额 11.5 亿美元与月处理 token 量 400 万亿之间如何对应？公开资料未披露。
证据来源
正文里的编号对应下面的来源。数字没有来源的句子在成稿前已被删除；公开资料未披露的直接写明未披露。
- R1Available models - Together AI docsdocs.together.ai · 一手来源 · 可信度 91
- R2Pricing - Together AI docsdocs.together.ai · 一手来源 · 可信度 91
- R3Pricing - Together AI docsdocs.together.ai · 一手来源 · 可信度 90
- R4AI Native Cloud on NVIDIA Accelerated Compute | Together AItogether.ai · 一手来源 · 可信度 87
- R5Tev1 4B Experimental API: Pricing, Benchmarks & Docs | Together AItogether.ai · 一手来源 · 可信度 87
- R6Muse Spark Open (Free for limited time) API: Pricing, Benchmarks & Docs | Together AItogether.ai · 一手来源 · 可信度 86
- R7Together AI Raises $800 Million at $8.3 Billion Valuationmoney.usnews.com · 媒体与披露 · 可信度 86
- R8Together AI pricing 2026 | OMR Reviewsomr.com · 媒体与披露 · 可信度 85
- R9Together AI raises $800 million at $8.3 billion valuationentrepreneur.economictimes.indiatimes.com · 媒体与披露 · 可信度 85
- R10Together AI Pricing (October 2026): Serverless, Dedicated & GPU Clusters | Morphmorphllm.com · 媒体与披露 · 可信度 85
- R11Together AI: Pricing, Review & Alternatives (2026)aquanode.io · 媒体与披露 · 可信度 85
- R12Together AI Pricing In 2026: Models, Costs, And How To Manage Your Bill - Why Finance Caps What It Can't See: 87% of finance leaders are raising AI budgets they can't justifycloudzero.com · 媒体与披露 · 可信度 85
- R13Open-weight AI models drive shift to data control - SiliconANGLEsiliconangle.com · 媒体与披露 · 可信度 85
- R14Together AI Up To 4B pricing — Together AI | Future AGIfutureagi.com · 媒体与披露 · 可信度 84
由 EveryTik 调研流水线生成（deepseek-flash），经结构门禁、数字核对与独立审稿；引用 11 个来源、7 个独立域名。发现错误请以公开来源为准，我们会在下一轮调研时修正。