Modelos abiertos con garantía del 99 %: Together AI lanza inferencia reservada

Los modelos de IA abiertos ya cuentan con inferencia fiable: el 8 de julio, Together AI presentó Provisioned Throughput, con garantía de 99 % de uptime y capacidad reservada.

¿Qué es Provisioned Throughput y cómo funciona?

Hasta ahora, las empresas que trabajan con modelos de pesos abiertos tenían que elegir entre dos opciones. La primera es la inferencia serverless: cómoda y de «pago por uso», pero sin garantías de rendimiento, lo que la hace poco fiable para cargas de producción. La segunda son las GPU dedicadas: previsibles y con control total, pero exigen facturar por horas de GPU, planificar la capacidad y gestionar la pila de inferencia. Provisioned Throughput es un tercer modelo.

El cliente adquiere PTU (Provisioned Throughput Units), una parte fija de la capacidad: un número garantizado de tokens por minuto para un modelo concreto, reservado en exclusiva para él. Los tokens de entrada, en caché y de salida consumen PTU con coeficientes distintos, lo que permite optimizar el gasto según el tráfico real. La API de Provisioned Throughput es idéntica a la de Serverless y Dedicated Inference, de modo que se puede cambiar sin modificar el código.

Parámetros clave del producto:

• Lanzamiento: 8 de julio de 2026; plazo mínimo de contrato de un mes
• Modelos disponibles al inicio: MiniMax M3 y GLM-5.2
• Regiones: Norteamérica, EMEA y otras
• SLA: 99 % de uptime
• Precio: 0,05 $ por PTU por minuto
• Ahorro: hasta un 90 % frente a Claude Opus 4.8 según las tarifas públicas

Por qué los modelos abiertos desplazan a las API cerradas

Together AI registra un fuerte aumento de la demanda de modelos abiertos: en nueve meses, el volumen de tokens que pasa por la API de la compañía creció de 30.000 millones a más de 400 billones al mes. Una parte considerable de ese tráfico son cargas de trabajo que antes se ejecutaban en las API cerradas de los grandes laboratorios.

Las empresas que se han pasado a modelos abiertos informan de una reducción de los costes de inferencia de entre 6 y 20 veces. La razón principal es la posibilidad de repartir las tareas a lo largo de la «frontera de Pareto»: las complejas van a modelos potentes y las rutinarias a otros más ligeros y baratos. Esa flexibilidad es imprescindible para escalar agentes de IA: cuando cada empleado tiene varios agentes en paralelo para programación, cálculos financieros y automatización, el presupuesto de tokens pasa a ser una partida que se fija en el consejo de administración.

Provisioned Throughput responde justo a eso: capacidad conocida de antemano, precio claro y SLA, sin necesidad de contratar un equipo de DevOps para mantener clústeres de GPU.

Qué significa

Provisioned Throughput cierra una brecha que llevaba mucho tiempo abierta en el mercado de modelos abiertos: capacidad predecible y SLA sin perder la sencillez del pago por tokens. Para los equipos de IA que escalan cargas agénticas, es una ruta real desde las API cerradas hacia los modelos abiertos sin perder fiabilidad.

Preguntas frecuentes

¿Qué modelos están disponibles ahora en

Provisioned Throughput?

En el lanzamiento, el 8 de julio de 2026, están disponibles MiniMax M3 y GLM-5.2. Together AI ha anunciado una ampliación a más de 40 modelos seleccionados para uso en producción, pero no ha indicado plazos.

¿Cuánto cuesta el contrato mínimo?

El plazo mínimo es de un mes. El coste depende del número de PTU: 0,05 $ por PTU por minuto. Cada PTU garantiza un rendimiento fijo en tokens por minuto para el modelo elegido, sin costes adicionales de infraestructura.

¿Cómo usar modelos abiertos de forma fiable en producción?

Antes había que elegir entre la inferencia serverless sin garantías de rendimiento y las GPU dedicadas. Provisioned Throughput de Together AI ofrece un tercer camino: capacidad reservada con garantía de 99 % de uptime y pago por tokens, como en las API cerradas.