Together AI Blog
Fonte de notícias de IA. Os artigos são selecionados e adaptados pela redação do Hamidun News.
Últimas publicações
Together AI lança o Post-Training: RL e SFT em B200 por US$ 9 a hora de GPU
A Together AI abriu o serviço Post-Training: RL e SFT em GPUs dedicadas, LoRA e pesos completos, migração do Tinker com uma linha. Nas primeiras 8 semanas, a B200 custa US$ 9 por GPU-hora.
Together AI e Y Combinator lançam o primeiro cluster de GPUs para startups da YC
Together AI e Y Combinator lançaram o primeiro cluster de GPUs dedicado a startups da comunidade YC, sem exigir contratos obrigatórios de dois anos para aluguel de computação.
Kimi K2.7 Code versus Claude Fable 5: páginas de destino 94% mais baratas
Together AI comparou Kimi K2.7 Code e Claude Fable 5 em 12 páginas de destino: Kimi custou 94% menos e mal perdeu em qualidade de resultado.
Together AI leva nove trabalhos de pesquisa para a conferência ICML 2026 em Seul
Together AI anunciou que nove de seus trabalhos de pesquisa foram aceitos em ICML 2026 em Seul — as apresentações cobrem toda a pilha de infraestrutura de IA, de agentes a kernels de GPU.
Mamba-3: alternativa aos transformers com complexidade linear
Pesquisadores da CMU e Together AI apresentaram Mamba-3 — uma nova arquitetura baseada em SSM otimizada para geração rápida de texto.
Together AI lança inferência garantida para modelos abertos com SLA de 99%
A Together AI apresentou o Provisioned Throughput — capacidade de inferência reservada para MiniMax M3 e GLM-5.2, com SLA de 99% de uptime e economia de até 90% em comparação com APIs fechadas.
Together AI levanta $800M em rodada Series C para desenvolver IA open-source
Together AI fechou sua rodada Series C em $800M com participação da NVIDIA, Aramco Ventures e Vista Equity — a plataforma aposta em modelos open-source que são 6–20 vezes mais baratos que alternativas proprietárias.
Together AI: GPT-5.5, Gemini e Opus não conseguem escrever kernels multi-GPU rápidos
O novo benchmark ParallelKernelBench mostrou que os melhores modelos de linguagem resolvem menos de um terço das tarefas de geração de kernels CUDA para sistemas multiprocessadores.
Together AI recebeu a certificação ISO 27001:2022 para cargas de trabalho de AI corporativas
Together AI passou por uma auditoria internacional ISO 27001:2022 — uma verificação independente confirmou a maturidade do seu sistema de segurança da informação para clientes corporativos.
Together AI lança MiniMax M3 com contexto de 1 milhão de tokens e suporte multimodal
A Together AI tornou-se parceira da MiniMax para lançar o M3, um modelo principal com suporte a 1 milhão de tokens de contexto, processamento nativo de imagens e aceleração de inferência de até 125%.
Together AI na NVIDIA GTC 2026: Dynamo, modelos multiagentes e AI de voz
Na GTC 2026, a Together AI apresentou a integração com NVIDIA Dynamo 1.0, lançou a stack NemoClaw para agentes e disponibilizou o modelo Nemotron 3 Super de 120B.
Together AI superou o TensorRT-LLM em 31% em benchmarks para agentes de código
O Together Inference Engine registrou 31% mais tokens por segundo e reduziu o TTFT pela metade em carga de pico — o primeiro teste justo para agentes em produção.
Together AI apresenta ATLAS: especulador que acelera LLM em 4 vezes
A nova tecnologia de especulador com aprendizado adaptativo ATLAS da Together AI acelera inferência em LLM em 4 vezes sem configuração manual — adapta-se automaticamente à carga de trabalho do usuário.
Together AI lançou os clusters de GPU autossuficientes Instant Clusters nas NVIDIA H100 e B200
A Together AI lançou o Instant Clusters — clusters de GPU autossuficientes baseados nas NVIDIA H100 e B200, que são implantados em minutos e prontos para produção sem longos processos de aprovação.
Together AI multiplicou por 3.000 os limites da Batch Inference API e reduziu os preços em 50%
A Batch Inference API agora processa 30 bilhões de tokens (em vez de 10 milhões) e custa metade do preço da real-time API. Ela oferece suporte a todos os 40+ modelos da plataforma.
Together AI expande plataforma: treinamento de modelos com 100B+ parâmetros
A plataforma de fine-tuning da Together AI agora treina os modelos de código aberto mais poderosos — DeepSeek-R1, Qwen3-235B e Llama 4 — com suporte a contextos expandidos e integração com Hugging Face.
FlashAttention-3 acelerará transformers duas vezes com 75% de utilização de GPU
Together AI lançou FlashAttention-3 — um algoritmo que acelera transformers de 1,5 a 2 vezes e utiliza 75% do desempenho da GPU H100, mantendo baixa precisão FP8.
Together AI alcança 90% mais velocidade no treinamento com NVIDIA Blackwell
A Together AI anunciou acesso a clusters de GPU NVIDIA Blackwell com otimizações próprias, alcançando 90% mais velocidade no treinamento do Llama 70B e 15.264 tokens por segundo por GPU.
ThunderKittens da Together AI: nova linguagem para kernels GPU eficientes
A Together AI apresentou o ThunderKittens — uma linguagem de programação para kernels GPU que se escreve como PyTorch, mas funciona como CUDA puro. No H100, o código roda até mais rápido que o FlashAttention2 clássico.
DSGym: framework para treinamento de agentes de data science com 90+ tarefas científicas
Together AI lançou DSGym, um framework unificado para treinar agentes LLM em data science, integrando 90+ tarefas de bioinformática e 92 competições Kaggle com resultados SOTA.
Together AI explicou por que a nuvem para IA é uma arquitetura totalmente diferente
Startups de IA como Cursor iteram semanalmente e consomem GPU como aplicações web de 2012. Together AI descobriu qual deve ser a nuvem para acompanhar a velocidade das empresas nativas de IA.
Together AI: como as otimizações de kernel fecham a lacuna entre modelos e GPU
A equipe de otimizações de kernel da Together AI criou uma tecnologia que acelera o desempenho de GPUs em 2-3x. Em uma semana, adaptaram kernels para as novas GPUs Blackwell — trabalho que a NVIDIA levou um ano para faze
FlashAttention-4: como Together AI acelerou atenção na GPU Blackwell
Together AI apresentou FlashAttention-4 — uma otimização do algoritmo de atenção para GPU Blackwell, que atinge 1605 TFLOPs/s e funciona 2.7 vezes mais rápido que Triton.