Together AI B200训练降价：首八周9美元/GPU时

Together AI 近期在社交平台宣布，其基于 NVIDIA B200 GPU 的 post-training（后训练）服务价格调整为每 GPU 小时 9 美元，适用于开通后的前八周，原价为 11 美元。这一降价直接瞄准了需要频繁跑 SFT（监督微调）和 RL（强化学习）实验的团队，尤其是那些希望把训练循环保留在自己代码中的开发者。

价格调整的具体内容

根据官方推文，此次优惠的核心信息有三点：价格从 11 美元/GPU 小时降至 9 美元/GPU 小时；优惠期限为前八周；适用场景为 post-training，包括 SFT 和 RL 两类任务。

对于后训练阶段而言，实验迭代频率往往高于预训练，单次训练时长相对较短但次数多，因此单位时间成本对总开销的影响非常直接。以八周为窗口计算，如果一个团队每天占用一张 B200 跑 10 小时，原价下约 6160 美元，新价格下约 5040 美元，节省超过 1100 美元。对于同时使用多卡并行的团队，节省幅度会成比例放大。

为什么后训练成本值得关注

大模型落地过程中，后训练已经成为决定模型实际表现的关键环节。SFT 让基座模型对齐特定任务格式，RL（包括 RLHF、DPO、GRPO 等变体）则进一步优化模型在目标奖励下的行为。这两类工作共同的特点是：需要反复试错。学习率、数据配比、奖励函数设计、KL 系数等超参数的任何调整，都意味着一轮新的训练任务。

成本下降的意义不只在于省钱。当单次实验的边际成本降低，团队更愿意并行跑多组配置，或缩短单次实验的规模来快速验证假设。这种"多试几次"的能力，在工程实践中往往比单次大规模训练更能推动进度。

SFT（监督微调）：在预训练基座模型之上，用标注好的（输入，输出）对继续做梯度更新，让模型学会按任务要求的格式和风格作答。它通常比预训练便宜得多，但对数据质量极其敏感，数据配比、epoch 数、学习率都会显著影响效果。

RLHF（基于人类反馈的强化学习）：先训练奖励模型，再用 PPO 等算法优化策略模型，使输出更符合人类偏好。流程复杂、显存占用高，通常需要策略模型、参考模型、奖励模型和值函数模型同时在位，因此对 GPU 资源要求远高于 SFT。

DPO（直接偏好优化）：跳过显式奖励模型，直接用偏好对构造损失函数，实现更简单、训练更稳定，是目前 RLHF 的轻量替代。

GRPO（分组相对策略优化）：对同一 prompt 采样多个输出，用组内相对得分作为优势估计，省去价值网络，在推理类任务（如数学、代码）中效果突出。

把训练循环留在自己代码里

官方推文中特别强调"keep the training loop in your own code"。这一点对熟悉后训练工作流的开发者来说指向明确：平台提供的是 GPU 算力和调度能力，而不是一个封闭的黑盒训练服务。团队可以沿用自己熟悉的框架和代码结构，把训练逻辑、数据管道、评估脚本掌握在自己手中，只把计算负载交给远端集群。

这种模式的好处在于可迁移性。训练代码不被平台锁定，换用其他算力供应商时迁移成本较低；调试和复现实验时，开发者面对的是自己写的代码，而不是平台封装的接口。对于需要长期维护训练管线的团队，这是一个实际的考量点。

“训练循环”指从数据加载、前向计算、损失计算、反向传播到优化器更新的完整控制流程。把它保留在自己的代码中，意味着平台只提供裸算力（类似启动一台远程 GPU 机器），而不接管训练调度。与之相对的托管式微调服务通常由平台封装训练脚本和超参数接口，上手快但可定制性有限，也难以复现内部细节。对于已有成熟训练框架（如 PyTorch + FSDP/DeepSpeed）的团队，前者更利于调试和迁移。

B200 在这类工作负载中的位置

B200 是 NVIDIA 面向大规模 AI 工作负载的 GPU 产品，具备较高的显存带宽和计算吞吐。在后训练场景中，它的价值主要体现在两方面：一是支持较大参数规模模型的微调，二是在 RL 这类需要频繁前向和反向计算的任务中缩短单轮迭代时间。

需要说明的是，本次公告只涉及价格，没有披露具体的显存配置、互联带宽或可用集群规模等细节。实际体验会受集群调度、排队情况等因素影响，团队在评估时应结合自身任务规模做小规模测试。

B200 属于 NVIDIA Blackwell 架构的数据中心 GPU，采用双 die 封装，配备 HBM3e 高带宽显存，单卡显存容量与带宽相比上一代 H100 有明显提升。在微调与 RL 场景里，大显存意味着可以容纳更长的上下文或更大的 batch，减少梯度累积和 offload 带来的额外开销；更高的计算吞吐则直接缩短单步迭代时间。需要注意的是，后训练的实际吞吐还取决于卡间互联（如 NVLink）和集群网络，单卡参数并不能完全代表端到端表现。

如何判断是否适合你的团队

从成本结构看，这项优惠更适合以下情况：后训练实验密集、需要短期集中算力、且团队已有成熟的训练代码。如果任务规模很小，单卡即可完成，降价带来的绝对节省有限；如果任务需要超大规模集群，则还需确认平台的实际供给能力。

八周的窗口期也值得纳入规划。团队可以把这八周用于集中跑一轮实验矩阵，验证数据配比或奖励函数的关键假设，再根据结果决定后续的算力投入方式。

小结

Together AI 将 B200 后训练价格下调至 9 美元/GPU 小时并设置八周优惠期，释放的信号是清晰的：后训练算力正在成为云厂商争夺的细分市场。对开发者而言，关键不是追逐最低单价，而是把降低的边际成本转化为更多有效实验。价格是入口，实验效率和代码自主权才是长期价值所在。