DEV Community

Cover image for Together AI подняла $800 млн при оценке $8.3 млрд — саудовский Aramco Ventures возглавил раунд неоклауд-провайдера: нейросети…
Promptra profile image Promptra Team
Promptra Team for Promptra

Posted on

Together AI подняла $800 млн при оценке $8.3 млрд — саудовский Aramco Ventures возглавил раунд неоклауд-провайдера: нейросети…

#ai #llm #api #chatgpt

Если коротко: 1 июля 2026 года очередной крупный чек в ИИ-инфраструктуру выписали не привычные фонды Кремниевой долины, а нефтяные деньги из Саудовской Аравии. И тебе это важно не потому, что раунд большой, а потому, что он объясняет, откуда берётся дешёвый доступ к открытым моделям, на которых ты, скорее всего, уже собираешь или собираешься собирать рабочие процессы для своей компании.

Дальше разберём факты без пересказа пресс-релиза, а потом перейдём к тому, что с этим делать на практике: как подключить открытые модели, сколько это стоит, где всё ломается и чего такой провайдер не решает в принципе.

Что именно произошло 1 июля 2026

Главное: Together AI закрыла раунд Series C на $800 млн при оценке $8.3 млрд после сделки. Раунд возглавила Aramco Ventures, инвестиционное подразделение саудовской нефтяной компании.

По данным анонса самой Together AI и разбора в TechCrunch от 1 июля 2026 года, помимо Aramco Ventures в раунде участвовали Vista Equity Partners, General Catalyst, Emergence Capital, Nvidia, March Capital, Pegatron и S Ventures (венчурное подразделение SentinelOne).

Несколько цифр, которые задают контекст. Все они приводятся со слов компании и цитируемых ею источников; независимой аудиторской проверки этих чисел нет.

Показатель Значение Источник
Раунд Series C $800 млн Together AI / TechCrunch, 01.07.2026
Оценка после раунда $8.3 млрд Together AI / TechCrunch, 01.07.2026
Годовые контрактные бронирования более $1.15 млрд за последний квартал Together AI (данные компании)
Предыдущий раунд (Series B, ~16 мес. назад) $305 млн при оценке $3.3 млрд Together AI / TechCrunch
Рост оценки за ~16 месяцев в 2.5 раза расчёт по данным раунда
Рост использования открытых моделей в 3 раза за 12 месяцев цитируется в анонсе компании

Обрати внимание на разделение. Сумма раунда и состав инвесторов - это факты, которые подтверждают и первичный анонс, и TechCrunch. А вот бронирования на $1.15 млрд и «утроение спроса на открытые модели» - это заявления компании и цитируемые ею исследования. Хорошая цифра для маркетинга, но не аудированная отчётность. Держи это в голове, когда встретишь её в чужих постах уже без оговорок.

Что такое неоклауд и почему это вообще касается бизнеса

Главное: Together AI - это не сервис с чат-окном для конечного пользователя. Это «неоклауд»: компания арендует и перепродаёт кластеры Nvidia GPU и специализированную ИИ-инфраструктуру тысячам платящих клиентов.

Среди её клиентов компания называет Cursor, Cognition и Decagon - то есть продукты, которым нужно гонять большие модели под нагрузкой, а не разово спросить у чат-бота рецепт.

Разница принципиальная. Классический гиперскейлер (условные AWS, Google Cloud) продаёт тебе всё: сеть, хранилища, базы, сотни сервисов. Неоклауд специализируется на одном - на вычислениях для нейросетей: GPU, быстрый интерконнект между картами, готовые движки инференса. За счёт узкой специализации он часто даёт цену за токен ниже, чем универсальные облака, и берёт на себя возню с масштабированием.

Для бизнеса это значит вот что. Раньше «запустить свою нейросеть» означало купить или арендовать сервер с видеокартами, поднять окружение, настроить квантизацию, следить за очередями. Неоклауд превращает это в вызов API: ты платишь за токены, а железо и его загрузка - чужая забота.

Схема: где находится неоклауд между железом Nvidia, открытыми моделями и приложением бизнеса

И вот здесь всплывает связь с деньгами Aramco. Если ты в России строишь нейросети для бизнеса компании на открытых моделях, то экономика этих моделей напрямую зависит от того, сколько GPU-мощностей строится в мире и по какой цене. Раунд на $800 млн - это в том числе про то, что дешёвый инференс открытых моделей продолжат субсидировать капиталом.

Почему раунд возглавили саудовские деньги, а не долина

Редакционно это самый интересный поворот истории. Крупнейший чек в инфраструктуру для нейросетей выписал не классический венчур, а Aramco Ventures - подразделение нефтяного гиганта.

Логика читается без конспирологии. У нефтяных экономик Персидского залива есть две вещи, которых не хватает многим фондам: большой длинный капитал и стратегический интерес диверсифицироваться из нефти в вычисления. ИИ-инфраструктура - это капиталоёмкий бизнес, где деньги нужны не на «продукт», а на физические кластеры GPU и электричество. Это ближе к нефтепереработке, чем к обычному софтверному стартапу, и такому инвестору понятнее.

Вывод, который я делаю осторожно и помечаю как своё мнение: концентрация капитала в инференсе смещается к тем, у кого есть энергия и терпение. Для тебя как для потребителя это скорее хорошо в короткую (мощности субсидируются) и требует внимания в долгую (растёт зависимость от нескольких инфраструктурных игроков). Проверяемого факта здесь нет - есть направление, за которым стоит следить.

Как это применить: подключаем открытые модели к своим задачам

Теперь практическая часть. Together AI - это зарубежный провайдер, и напрямую из России к нему подключаться неудобно: нужна иностранная карта и, как правило, VPN. Поэтому дальше я показываю схему на совместимом API, который работает без этого, а сам подход одинаков для любого OpenAI-совместимого эндпоинта.

Главное для практики: большинство провайдеров открытых моделей, включая Together AI, говорят на диалекте OpenAI API. Значит, ты пишешь код один раз, а потом меняешь только два поля: api_key и base_url.

Вот минимальный рабочий пример на Python с официальным OpenAI SDK. Ключ - это секрет, не коммить его в репозиторий, читай из переменной окружения.

import os
from openai import OpenAI

# ВАЖНО: ключ - это секрет. Храни в переменной окружения, не в коде.
client = OpenAI(
    api_key=os.environ["PROVOD_API_KEY"],   # ВАШ_КЛЮЧ из личного кабинета
    base_url="https://api.provod.ai/v1",      # меняем только эту строку
)

resp = client.chat.completions.create(
    model="deepseek-chat",  # открытая модель
    messages=[
        {"role": "system", "content": "Ты помощник поддержки. Отвечай коротко."},
        {"role": "user", "content": "Клиент спрашивает про сроки возврата."},
    ],
    temperature=0.2,
)

print(resp.choices[0].message.content)
Enter fullscreen mode Exit fullscreen mode

Поток авторизации: ключ из личного кабинета, base_url, заголовок Authorization, ответ модели

Ключевая мысль: строка base_url - единственное, что отличает вызов Together AI, любого другого зарубежного провайдера и российского шлюза. Логика приложения не меняется. Это и есть практический смысл слова «совместимость», которое так часто мелькает в анонсах.

Для российской команды удобный вариант - агрегатор, который отдаёт этот же совместимый API, но с оплатой рублями. provod.ai работает по единой ключевой схеме: одна base_url, один ключ, а внутри - Claude, GPT, Gemini, DeepSeek и Qwen. То есть ту же архитектуру ты собираешь без иностранной карты и без VPN. Это не замена собственной инфраструктуры на GPU и не то же самое, что Together AI как неоклауд, - это доступ к семействам моделей через один вход, когда тебе нужно их сравнивать и переключать.

Сколько это стоит и какую модель выбрать

Главное: не бери самую большую модель по привычке. Для типовых бизнес-задач открытые модели вроде DeepSeek или Qwen часто закрывают потребность дешевле, а флагманы Claude или GPT оставляй на то, где реально нужно сложное рассуждение.

Важная оговорка про цены. Точные тарифы за токены меняются часто и зависят от конкретного провайдера, поэтому здесь я не называю рублёвых цифр - смотри актуальный прайс в личном кабинете на момент, когда читаешь. Ниже - не ценник, а карта выбора модели под класс задачи.

Задача бизнеса Разумный старт Когда поднимать до флагмана
Классификация обращений, теги Qwen / DeepSeek почти никогда
Черновики писем, ответы поддержки DeepSeek если нужен строгий тон бренда
Извлечение данных из текста Qwen / DeepSeek если формат плавает и много исключений
Суммаризация длинных документов средняя модель с большим контекстом если важна фактическая точность
Сложный анализ, код, рассуждения Claude / GPT сразу, это их профиль

Сопоставление классов задач и уровней моделей, от лёгких открытых до флагманов

Практический приём для контроля бюджета: сделай в коде роутинг. Дешёвая модель обрабатывает поток, а на сложные или пограничные случаи ты эскалируешь запрос на флагман. С совместимым API это буквально смена значения поля model в том же вызове - переписывать интеграцию не нужно.

Если тебе важно честно сравнить, кто из семейств лучше решает именно твою задачу, удобно иметь их за одним API. У зарубежного разработчика это обычно означает несколько аккаунтов, несколько карт и несколько тарифов. Собранный из России доступ к Claude, GPT, Gemini, DeepSeek и Qwen в одном чате и по одному ключу снимает эту возню: один рублёвый баланс, оплата картой, СБП или по счёту, и закрывающие документы для бухгалтерии - договор, счёт, акт. Для сравнения моделей между собой это ровно тот инструмент, который нужен.

Где всё это ломается: типовые ошибки и связка с n8n

Красивые схемы разбиваются о реальность на одних и тех же местах. Собрал частые провалы, которые встречаешь при подключении открытых моделей к рабочим процессам.

  • 401 Unauthorized. Чаще всего это лишний пробел в ключе, старый ключ или ключ не от того окружения. Проверь заголовок Authorization: Bearer ВАШ_КЛЮЧ.
  • 404 или пустой ответ на model. Имя модели написано не так, как ждёт провайдер. У разных шлюзов имена одной и той же открытой модели отличаются - сверяйся со списком в кабинете.
  • 429 Too Many Requests. Уперся в лимит запросов. Нужен ретрай с экспоненциальной задержкой, а не цикл без пауз.
  • Ответ обрывается на полуслове. Маленький max_tokens или модель уткнулась в лимит контекста. Увеличь лимит или сократи входной текст.
  • Модель «фантазирует» факты. Открытые модели тоже галлюцинируют. Для извлечения данных проси строгий JSON и валидируй его на своей стороне, не доверяй тексту на слово.

Карта отладки: коды ошибок 401, 404, 429 и куда смотреть при каждом

Отдельно про n8n, потому что в российских командах это популярный способ собрать автоматизацию без большого кода. n8n умеет ходить в любой HTTP-эндпоинт, а значит - в любой OpenAI-совместимый API.

Рабочая схема в n8n без кастомного кода:

  1. Возьми ноду HTTP Request.
  2. Метод - POST, URL - https://api.provod.ai/v1/chat/completions (или эндпоинт твоего провайдера).
  3. В Headers добавь Authorization со значением Bearer ВАШ_КЛЮЧ. Храни ключ в Credentials n8n, а не в теле ноды открытым текстом.
  4. В Body (JSON) передай model, messages и temperature - те же поля, что в коде выше.
  5. Результат разбери нодой, читающей choices[0].message.content.

Один нюанс, о котором забывают: n8n сам по себе - это платформа автоматизации, а не поставщик моделей. Он оркестрирует вызовы, но нейросеть за ним всё равно чья-то. Не путай слой оркестрации со слоем модели, иначе будешь искать баг не там.

⚠️ Осторожно с выводами из одного раунда

Отдельный флажок, потому что вокруг таких новостей быстро вырастают мифы. Крупный раунд Together AI - это сигнал спроса и доверия инвесторов, но не доказательство того, что открытые модели теперь «лучше» закрытых или что конкретно тебе нужно строить свою GPU-инфраструктуру.

Оценка в $8.3 млрд и рост в 2.5 раза за 16 месяцев (данные раунда) говорят о деньгах и ожиданиях рынка, а не о качестве конкретной модели под твою задачу. Качество ты проверяешь только на своих данных и своих примерах, а не по размеру чужого чека.

Чего это всё не решает

Честно про границы, потому что без этого гайд превращается в рекламу.

  • Не заменяет собственную инфраструктуру. Если тебе по требованиям безопасности нужен on-prem или приватный контур, ни неоклауд, ни агрегатор его не заменят. Это отдельная стройка.
  • Не заменяет GigaChat и другие российские модели. provod.ai не предоставляет GigaChat. Если задача требует именно отечественной модели с её лицензией и локализацией, это отдельный контракт с её вендором.
  • Не заменяет платформы автоматизации. n8n, интеграционные шины и оркестрация остаются на тебе. API отдаёт модель, но не строит за тебя бизнес-процесс.
  • Не даёт эксклюзивные функции вендоров. Если фича доступна только по фирменной подписке конкретного провайдера, через совместимый шлюз её может не быть.
  • Не отменяет работу по внедрению. Промпты, валидация, мониторинг, оценка качества - это твой труд. Ни один раунд финансирования его не сделает.

Смысл всей истории для тебя приземлённый. Деньги Aramco в Together AI - это ещё один сигнал, что инференс открытых моделей будет и дальше доступным и субсидируемым капиталом. А твоя задача - не гнаться за новостью, а собрать простую, дешёвую и проверяемую связку под конкретную работу компании. Совместимый API делает эту связку переносимой: сегодня один провайдер, завтра другой, код тот же.

Мем: спокойный инженер меняет одну строку base_url вместо переписывания всей интеграции

Хочешь собрать это без иностранной карты и VPN, с оплатой рублями и закрывающими документами? Открой доступ к Claude, GPT, Gemini, DeepSeek и Qwen по одному ключу на provod.ai и подключи первую модель по примеру выше.

Источники

Оговорка: цифры по годовым бронированиям (более $1.15 млрд) и по утроению использования открытых моделей за 12 месяцев приводятся со слов Together AI и цитируемых ею исследований. Независимой аудиторской проверки этих данных на момент 14.07.2026 нет.

provod.ai — Russian LLM API aggregator. One OpenAI-compatible endpoint to all flagship models: OpenAI (GPT-5.6, GPT-5.5), Anthropic (Claude Opus 4.8, Sonnet 4.6), Google (Gemini 3.1 Pro, 3.5 Flash), DeepSeek V4 Pro, Qwen 3.6 Plus. Provider prices at the CBR rate, no token markup. Pay in rubles to a Russian legal entity with full closing documents.

Try: provod.ai · model catalog · docs

Top comments (0)