用AI编程写文档？现在可以按分钟租容量，成本低至Claude的一成

Together AI给MiniMax M3上了个新服务——Provisioned Throughput（预留吞吐量）。团队按分钟租用推理容量，有99%的正常运行时间SLA。这是他们三种推理模式之一：Serverless Inference（按用量付费，容量尽力而为）、Provisioned Throughput（保留容量，有SLA）、Dedicated Inference（保留专用基础设施，适合微调模型）。三种模式用同一套API，切换不用改代码。

一分钟固定费率，成本低至Claude一成

Provisioned Throughput以PTU为单位购买，每个PTU每分钟0.05美元，提供固定的每分钟token速率。推理流量分三类：未缓存输入token、缓存输入token、输出token，每类消耗PTU容量速率不同。对MiniMax M3，一个PTU处理能力：未缓存输入138,840 TPM，缓存输入694,200 TPM，输出23,140 TPM。团队可以用Together AI的计算器，拿自己的请求量和token混合算一下需要几个PTU。

在满利用率下，MiniMax M3在Provisioned Throughput上的有效费率约为输入每百万token 0.36美元，输出每百万token 2.16美元。相比之下，Claude Opus 4.8的标准列表价是输入每百万token 5美元，输出每百万token 25美元——差了一个数量级。

三个典型工作负载的月成本模拟

Together AI模拟了三个生产工作负载：
- 编码代理：每次请求85K输入、450输出，80%缓存命中，每秒1个请求
- 支持代理：3K输入、500输出，50%缓存命中，每秒5个请求
- 文档管道：15K输入、800输出，20%缓存命中，每秒2个请求

三个工作负载在M3 Provisioned Throughput上的月成本分别是33K、24K、35K美元。而Claude Opus 4.8按列表价分别是342K、273K、428K美元——省了大约九成。不过这个数字不是普遍适用的。实际省多少取决于token类型组合和缓存命中率。缓存命中率越高，同样PTU容量能处理的token越多。

MiniMax M3专为编码和代理场景设计，支持100万token上下文窗口，原生接受文本、图像和视频输入，稀疏注意力架构让长上下文处理更高效。一次性输入整本技术文档或大量代码文件时不必分段。

怎么用

Provisioned Throughput最低期限一个月，更高承诺级别有折扣，具体折扣比例没公布。该服务已在北美、EMEA等地区可用。MiniMax全球业务总裁Linda Sheng说，这个服务让团队能以所需可靠性运行模型，并支持从封闭API迁移。

Together AI没提供M3预留容量与Serverless模式的实际延迟对比，也不清楚其他类型工作负载（如实时对话、图像生成）的成本表现。团队可以先用Serverless按量付费做开发，上线后切到预留容量——API一样，不用改代码。