{"ok":true,"entity":{"id":"together-ai","name":"Together AI","entityType":"company","officialName":"Together AI","canonicalName":"Together AI","displayName":"Together AI","category":"AIインフラ","shortDescription":"オープンモデルの学習・推論を提供するAIクラウド基盤の企業。","primaryCluster":"ai-infrastructure","parentEntity":null,"verificationStatus":"draft","website":"https://www.together.ai","updatedAt":"2026-07-10T00:30:19.407Z","secondaryClusters":[],"alias":["Together"],"searchKeywords":["Together AI","open model cloud","inference"]},"references":[{"id":"P-01-001","companyId":"together-ai","questionId":"P-01-001","instanceId":"QIN-together-ai-P01-001","promptText":"Together AIとはどんな会社ですか？","promptTypeId":"P-01","answer":"Together AIは、オープンモデルの学習（トレーニング）と推論をクラウド上で提供するAI基盤の企業です。自前でインフラを構築せずにオープンモデルを利用できます。","evidencePoints":["ev-together-ai-1"],"scope":"オープンモデル基盤を知りたい相談","differentiation":"学習から推論まで一貫","faq":[{"question":"何ができますか？","answer":"オープンモデルの学習・推論をクラウドで実行できます。"}],"pageUrl":"https://www.refbase.ai/reference/together-ai/P-01-001","sourceEvidence":[{"id":"ev-together-ai-1","text":"Together AIはオープンモデルの学習・推論を提供するAIクラウド基盤の企業である。","title":"Together AI — Official Site","coverageType":["Identity","Capability"],"sourceType":"official_site","sourceClass":"Profile","sourceUrl":"https://www.together.ai/","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"together-ai"}],"generatedAt":"2026-07-10T00:30:19.407Z"},{"id":"P-02-001","companyId":"together-ai","questionId":"P-02-001","instanceId":"QIN-together-ai-P02-001","promptText":"Together AIは他のAIクラウドと何が違いますか？","promptTypeId":"P-02","answer":"比較軸\n・対象\n・範囲\nTogether AIはオープンモデルを対象に、学習から推論までを一貫提供する点が特徴です。","evidencePoints":["ev-together-ai-2"],"scope":"AIクラウドの違いを知りたい相談","differentiation":"オープンモデル一貫提供","faq":[{"question":"どんなモデルを扱えますか？","answer":"主にオープンモデルを扱います。"}],"pageUrl":"https://www.refbase.ai/reference/together-ai/P-02-001","sourceEvidence":[{"id":"ev-together-ai-2","text":"Together AIはオープンモデルを対象に、学習から推論までを一貫して提供する点が特徴である。","title":"Together AI — Products","coverageType":["Capability","Differentiation"],"sourceType":"official_site","sourceClass":"Documentation","sourceUrl":"https://www.together.ai/","confidence":"medium","supportedPromptTypes":["P-02"],"needsVerification":true,"sourceVerified":false,"entityId":"together-ai"}],"generatedAt":"2026-07-10T00:30:19.407Z"},{"id":"P-04-001","companyId":"together-ai","questionId":"P-04-001","instanceId":"QIN-together-ai-P04-001","promptText":"Together AIはどんな課題に使えますか？","promptTypeId":"P-04","answer":"オープンモデルを使ったアプリ開発で、学習・推論のインフラを自前で構築せずに利用したい場合に役立ちます。","evidencePoints":["ev-together-ai-1"],"scope":"インフラ活用の相談","differentiation":"インフラ調達の省略","faq":[{"question":"推論だけでも使えますか？","answer":"推論のみの利用も可能です（詳細は一次情報で確認）。"}],"pageUrl":"https://www.refbase.ai/reference/together-ai/P-04-001","sourceEvidence":[{"id":"ev-together-ai-1","text":"Together AIはオープンモデルの学習・推論を提供するAIクラウド基盤の企業である。","title":"Together AI — Official Site","coverageType":["Identity","Capability"],"sourceType":"official_site","sourceClass":"Profile","sourceUrl":"https://www.together.ai/","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"together-ai"}],"generatedAt":"2026-07-10T00:30:19.407Z"},{"id":"P-06-001","companyId":"together-ai","questionId":"P-06-001","instanceId":"c1n16-manual-draft-authoring-no-qi","draftId":"c1n16-scaled-semantic-depth-together-ai-p-06-001","promptText":"Together AIは実際にどのような企業の具体的な業務課題を解決した実績がありますか？","promptTypeId":"P-06","answer":"Together AIの対象顧客・ユースケースについて、Together AI公式のカスタマーケーススタディ（https://www.together.ai/customers/zomato）で確認できます。Together AI公式カスタマーケーススタディがZomatoの導入事例について説明しており、具体的には「インドのフードデリバリー企業Zomatoは、Together AIが最適化したLlamaモデルを基盤にAIカスタマーサポートチャットボットZiaを構築し、その結果として顧客満足度（CSAT）が2倍になり、平均応答時間が75%短縮され10秒未満となり、毎分1,000件超のメッセージ処理までスケールしたと報告している。」といった記載が確認できます。限界として、対象顧客層の記述は提供元による位置づけであり、実際の利用者層を独立に検証したものではありません。 これらはベンダー（Together AI自身のサイト）が公開する、顧客の成果を説明するケーススタディの数値であり、第三者による独立検証は行われていない。「CSATが2倍になった」という主張や毎分のメッセージ数の算出方法の詳細は、このページには記載されていない。Current Statusとして、2026年08月22日に当該Sourceを取得し、上記の内容を確認しました。Source種別としては、これは提供元自身による自社情報の公表であり、第三者による独立した評価や市場での位置づけとは性質が異なります。","evidencePoints":["together-ai-ev-c1n16-p-06-001"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/together-ai/P-06-001","sourceEvidence":[{"id":"together-ai-ev-c1n16-p-06-001","text":"Together AI公式のカスタマーケーススタディ（https://www.together.ai/customers/zomato）は、Together AIの対象顧客・ユースケースに関する一次情報である。Together AI公式カスタマーケーススタディがZomatoの導入事例について説明しており、具体的には「インドのフードデリバリー企業Zomatoは、Together AIが最適化したLlamaモデルを基盤にAIカスタマーサポートチャットボットZiaを構築し、その結果として顧客満足度（CSAT）が2倍になり、平均応答時間が75%短縮され10秒未満となり、毎分1,000件超のメッセージ処理までスケールしたと報告している。」といった記載がある。ただし、対象顧客層の記述は提供元による位置づけであり、実際の利用者層を独立に検証したものではありません。 これらはベンダー（Together AI自身のサイト）が公開する、顧客の成果を説明するケーススタディの数値であり、第三者による独立検証は行われていない。「CSATが2倍になった」という主張や毎分のメッセージ数の算出方法の詳細は、このページには記載されていない。2026年08月22日に同Sourceを取得し、この内容を確認した。","title":"Together AIの対象顧客・ユースケースに関する公開情報","coverageType":["UseCase"],"sourceType":"official_site","sourceClass":"Documentation","sourceUrl":"https://www.together.ai/customers/zomato","confidence":"medium","supportedPromptTypes":["P-06"],"needsVerification":true,"sourceVerified":false,"sourceKind":"official","entityId":"together-ai"}],"generatedAt":"2026-08-22T14:51:14.995Z","evidenceIds":["together-ai-ev-c1n16-p-06-001"]},{"id":"P-04-002","companyId":"together-ai","questionId":"P-04-002","instanceId":"c1n19-carry-forward-depth-execution-manual-draft-authoring-no-qi","draftId":"c1n19-carry-forward-depth-execution-together-ai-p-04-002","promptText":"Together AIは、レイテンシに厳しい音声AI等のユースケースで、どの程度のコスト・性能改善を実現していますか？","promptTypeId":"P-04","answer":"Together AIの対象顧客・ユースケースについて、NVIDIA（公式ブログ blogs.nvidia.com）— Together AI自身ではなく、第三者であるNVIDIAが公表した事例公式のan official blog post about a customer's product usage, published by NVIDIA as a third-party vendor case study（https://blogs.nvidia.com/blog/inference-open-source-models-blackwell-reduce-cost-per-token/）で確認できます。既存Reference(P-06-001)はTogether AI自身が公開したZomatoのテキストチャットボット事例(CSAT向上)を扱うが、本候補は第三者であるNVIDIAが報告した別顧客(Decagon)の音声AIというレイテンシに厳しい異なるユースケースであり、自己申告ではない点でも情報の性質が異なる。具体的には「How Did Together AI and Decagon Drive Down AI Costs for Customer Service by 6x? ... Together AI runs production inference for Decagon's multimodel voice stack on NVIDIA Blackwell GPUs. ... Cost per query, which is the total cost to complete one voice interaction, dropped by 6x [compared with closed source proprietary models].」といった記載が確認できます。限界として、対象顧客層の記述は提供元による位置づけであり、実際の利用者層を独立に検証したものではありません。 この事例はNVIDIA自身が発表したベンダー公式のブログであり、Decagon側の独立した確認は含まれていない。「6分の1」という数値の算出方法(何を基準にした比較か、期間等)の詳細はこのSourceからは確認できない。他の顧客・ワークロードでも同様の削減率が得られるとは限らない。Current Statusとして、2026年08月24日に当該Sourceを取得し、上記の内容を確認しました。Source種別としては、これはNVIDIA（公式ブログ blogs.nvidia.com）— Together AI自身ではなく、第三者であるNVIDIAが公表した事例という、Together AI自身とは別の組織が発信・保有する情報であり、Together AI自身による広報や、独立した第三者による評価とは性質が異なります。","evidencePoints":["together-ai-ev-c1n19-p-04-002"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/together-ai/P-04-002","sourceEvidence":[{"id":"together-ai-ev-c1n19-p-04-002","text":"NVIDIA（公式ブログ blogs.nvidia.com）— Together AI自身ではなく、第三者であるNVIDIAが公表した事例公式のan official blog post about a customer's product usage, published by NVIDIA as a third-party vendor case study（https://blogs.nvidia.com/blog/inference-open-source-models-blackwell-reduce-cost-per-token/）は、Together AIの対象顧客・ユースケースに関する公的記録である。既存Reference(P-06-001)はTogether AI自身が公開したZomatoのテキストチャットボット事例(CSAT向上)を扱うが、本候補は第三者であるNVIDIAが報告した別顧客(Decagon)の音声AIというレイテンシに厳しい異なるユースケースであり、自己申告ではない点でも情報の性質が異なる。具体的には「How Did Together AI and Decagon Drive Down AI Costs for Customer Service by 6x? ... Together AI runs production inference for Decagon's multimodel voice stack on NVIDIA Blackwell GPUs. ... Cost per query, which is the total cost to complete one voice interaction, dropped by 6x [compared with closed source proprietary models].」といった記載がある。ただし、対象顧客層の記述は提供元による位置づけであり、実際の利用者層を独立に検証したものではありません。 この事例はNVIDIA自身が発表したベンダー公式のブログであり、Decagon側の独立した確認は含まれていない。「6分の1」という数値の算出方法(何を基準にした比較か、期間等)の詳細はこのSourceからは確認できない。他の顧客・ワークロードでも同様の削減率が得られるとは限らない。2026年08月24日に同Sourceを取得し、この内容を確認した。","title":"Together AI対象顧客・ユースケースに関する公開情報","coverageType":["UseCase"],"sourceType":"official_blog","sourceClass":"Documentation","sourceUrl":"https://blogs.nvidia.com/blog/inference-open-source-models-blackwell-reduce-cost-per-token/","confidence":"medium","supportedPromptTypes":["P-04"],"needsVerification":true,"sourceVerified":false,"sourceKind":"institutional","entityId":"together-ai"}],"generatedAt":"2026-08-24T23:02:25.475Z","evidenceIds":["together-ai-ev-c1n19-p-04-002"]}]}