Together AI или Claude: открытые модели против закрытых

Если вы в 2026 году хоть раз выбирали инференс, то наверняка сравнивали codexkey и Together.ai. На первый взгляд они конкуренты: оба отдают OpenAI-совместимый HTTP API, оба тарифицируют по токенам, оба обещают низкую задержку и высокий throughput. Под капотом они решают совершенно разные задачи и держат совершенно разные каталоги моделей.

codexkey это шлюз, сфокусированный на Claude: он отдаёт Sonnet и Opus из семейства Anthropic и gpt-5.6-luna для дешёвых задач, поддерживает prompt caching и tool use и принимает платежи по рельсам для EU и RU. Together.ai крупнейший в мире коммерческий хост открытых моделей: он размещает Llama 3.3, Qwen 2.5, DeepSeek-V3, Mixtral и длинный хвост файнтюнов и продаёт их по агрессивным ценам за токен.

Haiku у нас есть: в каталоге claude-haiku-5.5 и claude-haiku-4.5, цены указаны на странице моделей. Они работают в канале Premium, в канале Cheap Haiku нет.

Это честная версия сравнения. Где open-weights в масштабе обходят проприетарный frontier? Где Claude по-прежнему впереди? И, спойлер, почему большинство продакшн-команд в 2026 году запускают оба варианта сразу.

Что обещает каждый из сервисов

Together.ai строится на тезисе, что открытые модели догнали уровень «достаточно хорошо» для большинства задач, а выигрывает тот, кто хостит их дешевле, быстрее и надёжнее, чем вы сделаете это сами. Llama 3.3 70B, Qwen 2.5 72B, DeepSeek-V3 (671B MoE) и десятки моделей поменьше доступны за одним OpenAI-совместимым endpoint. Есть выделенные эндпоинты, файнтюнинг и batch-инференс. Предложение такое: платите в 5-10 раз меньше, чем за frontier closed models, и получайте 80-90% качества.

codexkey строится на другом тезисе: для действительно важных задач (агентный кодинг, long-context рассуждения, надёжный tool use, клиентские ассистенты) разрыв между Claude и лучшей открытой моделью всё ещё значим. А командам в EU и RU не нужно бороться с отказами Stripe, санкционным трением и биллингом только для США, чтобы получить к нему доступ. Предложение: вы получаете frontier Claude через OpenAI-совместимый API, платите через СБП, картой или криптой и экономите на стоимости за счёт prompt caching.

Разные задачи, разные ответы. Спрашивать нужно не «что лучше», а «что для какой задачи».

Цена за единицу качества: расчёт, который всем нужен

Возьмём конкретные цифры 2026 года. Примерные цены за миллион токенов:

В глаза бросаются две вещи:

1. Output-токены открытых моделей в 5-17× дешевле, чем у Sonnet: у открытых моделей цена обычно симметрична (input ≈ output), а Claude берёт премию за генерацию.
2. Качество на сложных рассуждениях действительно близкое, но не равное. На SWE-Bench, на long-context retrieval, на агентных tool-loop'ах Sonnet 4.6 всё ещё впереди Llama 3.3 70B на 10-20 п.п. и пусть с меньшим отрывом, но заметно опережает DeepSeek-V3.

Если вы классифицируете, извлекаете данные, суммаризируете или генерируете по шаблону, разница в качестве не превращается в реальное различие продукта, а разница в цене превращается. Для кодящего агента, который должен с первого раза провести рефакторинг по нескольким файлам, разница в качестве проявляется сразу: лишние итерации, сломанные сборки, потерянное время инженеров. Всё это перевешивает экономию на инференсе.

Когда выигрывают open-weights (берите Together)

Есть нагрузки, для которых Together.ai прямой ответ:

• Высокообъёмная классификация. Вы размечаете тикеты поддержки, раскидываете письма, считаете скоринг лидов, модерируете UGC. Модель вызывается миллионы раз в день с короткими промптами, нужен дешёвый output и предсказуемая задержка, а Llama 3.3 70B по цене меньше доллара выигрывает по TCO.
• Эмбеддинги и генерация рядом с retrieval. Модель придумывает синтетические запросы, расширяет поисковые термины, переписывает документы под индекс. Качество здесь быстро выходит на плато.
• Файнтюн под узкий домен. Если у вас есть собственные данные и конкретная задача (извлечение юридических клауз, медицинское кодирование, нишевый перевод), файнтюн Llama 3.3 8B на Together может обойти универсальную frontier-модель и стоить в 50× дешевле за вызов.
• Страховка на случай self-hosting. Если завтра модель придётся забрать внутрь (регуляторика, data residency, стоимость), открытые веса позволяют это сделать. У закрытых моделей такого выхода нет.
• Batch и ночные пайплайны. Batch API у Together дешевле ещё примерно на 50%, и он подходит ночным задачам по обогащению данных, где задержка не важна.

Если нагрузка звучит как «нужно вызвать компетентную LLM 50 миллионов раз в месяц, а абсолютно лучший ответ не нужен», Together делает ровно ту работу, для которой создан.

Когда выигрывает Claude (берите codexkey)

Есть и задачи, где расчёт «цена за качество» переворачивается:

• Кодящие агенты. Cursor, Cline, Aider, Claude Code и остальная экосистема агентного кодинга по умолчанию выбирают Claude, и не случайно. Sonnet надёжнее вызывает инструменты, точнее правит файлы и планирует в несколько шагов, и в продакшене ему пока нет равных. Неудачный ход агента обходится дороже удачного, потому что запускает цикл повторов.
• Сложные многошаговые рассуждения. Стратегические меморандумы, архитектурный дизайн, юридический анализ, всё, где важна цепочка рассуждений. Sonnet 4.6 чаще с первого раза выдаёт корректный и внутренне согласованный ответ.
• Длинный контекст с кэшированием. 200K контекста Claude плюс prompt caching от Anthropic позволяют загрузить документ на 100 страниц один раз и задать 50 вопросов дешевле, чем на большинстве открытых моделей: кэшированные токены стоят долю от свежего input.
• Надёжный tool use на глубине. Открытые модели умеют вызывать инструменты, но иногда ломаются: передают неверные аргументы, выдумывают имена функций, уходят в бесконечные циклы. Это проявляется на глубине 3+ и отлаживается мучительно.
• Клиентские ассистенты, где важны тон и поведение при отказах. Claude, настроенный по безопасности и качеству, ведёт себя в продакшене предсказуемее. Файнтюны открытых моделей могут дрейфовать в нежелательную сторону.

Если задача звучит как «этот ответ уйдёт платящему клиенту, или закоммитится в кодовую базу, или станет основанием для решения», самый дешёвый токен редко оказывается правильным.

Платежи: где разница для EU и RU реальна

Together.ai биллит в USD через Stripe. Для американской или западноевропейской компании с корпоративной картой это не проблема. А если вы разработчик из России, Беларуси, Казахстана, части MENA или даже некоторых юрисдикций ЕС, где Stripe нервно реагирует на ваш MCC-код, отказы вам наверняка знакомы.

codexkey принимает карты, СБП (Систему быстрых платежей) и крипту через CryptoBot, Platega и CryptoCloud. Для московского стартапа или белградской студии «API работает и платёж проходит» уже само по себе преимущество.

Это не мелочь. Мы потратили достаточно часов на разбор вопроса «почему Stripe считает мошенничеством мою вполне легальную российскую карту», чтобы знать: удобство платёжных рельсов это реальный moat.

Код: переключение провайдеров через OpenAI SDK

Оба сервиса совместимы с OpenAI. Переключиться можно одной строкой:

from openai import OpenAI

# codexkey (Claude Sonnet 4.6)
codexkey = OpenAI(
    api_key="sk_cdx_...",
    base_url="https://api.codexkey.ru/v1",
)

# Together.ai (Llama 3.3 70B)
together = OpenAI(
    api_key="...",
    base_url="https://api.together.xyz/v1",
)

def smart(prompt: str):
    return codexkey.chat.completions.create(
        model="claude-sonnet-5",
        messages=[{"role": "user", "content": prompt}],
    )

def cheap(prompt: str):
    return together.chat.completions.create(
        model="meta-llama/Llama-3.3-70B-Instruct-Turbo",
        messages=[{"role": "user", "content": prompt}],
    )

def route(task: dict):
    if task["type"] in {"classify", "extract", "summarize_short"}:
        return cheap(task["prompt"])
    return smart(task["prompt"])

Вот и весь паттерн: по клиенту на провайдера, одна функция-роутер, готово.

Можно ли использовать оба? Да, и скорее всего нужно

Самые сильные продакшн-стеки 2026 года это не «codexkey ИЛИ Together», а «codexkey И Together», с маршрутизацией по типу задачи:

• Классифицировать, извлекать данные, обогащать их пачками → Together (Llama 3.3 70B или Qwen 2.5 72B)
• Расширять поисковые запросы, генерировать синтетические данные → Together
• Агентный кодинг, сложные рассуждения, клиентский ассистент → codexkey (Sonnet 4.6)
• Набросать дешёвый черновик, который потом улучшит умная модель → Together (Llama 3.3 8B) → codexkey (Sonnet) на полировку
• Отвечать на вопросы по длинным документам → codexkey с prompt caching

Простой роутер, который смотрит на тип задачи и ожидаемый объём output, способен срезать 60-80% стоимости инференса по сравнению со схемой «всё в Sonnet» и почти не потерять в качестве продукта: задачи для дешёвой модели как раз те, где разрыв в качестве не важен.

Про стратегию prompt caching и расчёт стоимости по Claude читайте в статье Цены на Claude API в 2026.

Итог

Together.ai и codexkey не конкуренты, а взаимодополняющие половины здорового продакшн-стека LLM.

• Together подходит высокообъёмным нагрузкам, которые терпимы к качеству и чувствительны к стоимости: на нём вы берёте открытые веса, batch, файнтюны и длинный хвост моделей.
• codexkey подходит задачам, в которых frontier-возможности Claude действительно видны в продукте (кодинг, рассуждения, long-context, tool use, клиентские сценарии) и где вам важно платить по рельсам EU и RU.

По умолчанию отправляйте в codexkey интеллект, который смотрит на пользователя. Чёрную работу отдавайте Together. Маршрутизируйте по задаче, а не по ощущениям. И счёт, и метрики качества скажут вам спасибо.