Together 降价推 B200 后训练服务：每小时 9 美元，可自持训练循环

togethercompute · x · 2026-10-21

Together AI 宣布在 B200 上提供 post-training 促销价：前八周每 GPU 小时 9 美元（原价 11 美元），支持 SFT 与 RL 训练。

服务核心卖点是用户保留训练循环：用自己的数据和奖励函数，通过 Python 编写 recipe（RL 一步即 sample、reward、forwardbackward、optimstep、weightssync），Together 只负责底层基础设施——GPU 容量、RL 的训练-推演一致性、并行设置和针对各模型的 rollout 引擎调优。支持 GRPO、PPO 或自定义损失、Multi-LoRA 或全参数训练，可并行开多个 LoRA 实验会话并接入 Weights & Biases 自行跟踪，Tinker 兼容，训完模型归用户自行部署。