知识卡片：Together Link：在既有编码智能体 Harness 中运行开放模型

一句话结论

Together AI 推出 Together Link，把 Kimi K3、GLM 5.3 等开放模型接入团队已在使用的编码 agent harness（如 Claude Code、Codex、OpenCode、Pi 等），来源称可保持原有工作流并节省超过 50% 模型支出。

事件概述或研究问题

来源标注发布日期为 10/5/2026，作者为 Will Van Eaton、Hassan El Mghari。Together AI 发布 Together Link，目标不是要求团队更换编码 agent，而是把既有 harness 连接到 Together AI 上的开放模型。

其针对的问题是：编码 agent 已在工程团队中普及，但每个任务——从单行修复到完整重写——常由同一个高级闭源模型执行。规模化后成本快速上升，来源称工程组织每月在闭源模型上的支出可从数万美元到数百万美元不等。与此同时，开放模型已缩小与闭源顶级模型的差距，Together Link 试图把这种替代与分流能力带入既有工具。

方法/产品要点

• Together Link 连接团队已使用的 harness 与 Together AI 上的开放模型，强调“同一 agent、同一工作流、更低账单”。
• 支持范围据来源包括：Claude Code、Claude Desktop、Codex（ChatGPT app 与 CLI）、OpenCode、Pi。
• 原有设置与登录保持不变；来源称切回原生闭源模型只需一条命令，数分钟内可完成接入。
• 安装命令为：curl -fsSL https://link.together.ai/install | bash。
• 使用 Together AI API key 连接；计费走既有 Together API key，支持 serverless pay-as-you-go 或 credit packs，无需单独合同。
• “Auto”模式由 Together AI Router 选择模型：读取每个 session 的首个任务，快速修复交给快速低成本模型，难题交给前沿能力模型。
• 若用户提供 Anthropic key，Auto 在 Opus 5.5 与 GLM 5.3 之间路由；若不提供，则在 GLM 5.3 与 GLM 5.3 Flash 之间路由。
• 路由每个 session 只发生一次，来源称这样 prompt caching 可以继续工作。
• 每个 session 后有节省追踪器，显示实际花费，以及同一 session 若在 Opus 5.5 上运行的成本。
• Together Link 运行在 Together 的 serverless inference 上；来源称这也是开发者已在 OpenRouter 上为这些模型选择的基础设施。

主要结果或产业意义

• 来源声称 Together Link 可把模型支出削减超过 50%，且不改变团队现有编码 agent 工作流。
• 开放模型中，Kimi K3 与 GLM 5.3 被来源描述为可处理许多最困难的编码任务；GLM 5.3 Flash 与 DeepSeek V4.1 Flash 被描述为适合日常编码任务。
• 来源称 Together AI 在 OpenRouter 上为以下模型提供最大 token 份额：DeepSeek V4.1 Flash（40.8%）、GLM 5.3 Flash（28.2%）、Kimi K3（23.1%），截至 9/30/2026。
• 产业意义在于：模型层与 harness 层进一步解耦，团队可以在既有编码 agent 内混用开放与闭源模型，并按任务难度做路由和成本可视化。

为什么重要

• 编码 agent 的生产化正在把模型调用变成持续性大额支出；降低单位任务成本比单纯提升模型能力更直接影响企业采用。
• Together Link 的卖点不是新 IDE 或新 agent，而是“接入既有 harness”。这降低了迁移成本，也把路由器、计费与节省追踪变成产品的一部分。
• 对开放模型生态而言，这是把模型能力转化为企业工作流内可替换选项的具体渠道；对闭源模型而言，则意味着在编码场景中可能被按任务难度分流。
• 与已有“开源AI栈：模型、推理、网关与路由器、Harness与工具”卡片的关系：该卡片强调分层替换的生态结构；本条是具体厂商产品实例，增量在于一键安装、Auto 路由、按 session 节省追踪，以及兼容既有编码 harness 的落地方式。
• 与 Devin Outposts、Windsurf 更名为 Devin Desktop 等卡片相比，本条不聚焦执行位置或 IDE/代理管理，而是聚焦在既有编码 agent 内接入第三方开放模型与成本控制。

局限与不确定性

• 来源为厂商博客；“节省超过 50%”未给出基准、工作负载、模型价格、缓存命中率或计算方法，待核实。
• 支持的 harness 列表、各工具版本兼容性、安装后行为与长期维护情况，待核实。
• Auto 路由的失败回退、隐私与数据留存、区域可用性、企业合规能力，材料未说明，待核实。
• 每 session 只路由一次，可能无法覆盖 session 内任务类型发生变化的情况；来源未说明是否可手动干预或中途切换。
• OpenRouter token 份额数据截至 9/30/2026，统计口径、长期趋势与是否覆盖全部流量，待核实。
• GLM 5.3、Kimi K3、GLM 5.3 Flash、DeepSeek V4.1 Flash、Opus 5.5 等模型的实际能力、价格、速度与可用性，应以各官方来源为准，待核实。
• 来源标注发布日期为 10/5/2026；具体时区与日期格式待核实。

与既有脉络的关系

本条延续“开放模型可替换、harness 不必重建”的脉络，但增量更偏产品化与运营层：Together Link 把模型路由、计费、节省追踪和既有编码 agent 兼容打包在一起。相较已有卡片中偏生态分层、执行位置或 IDE 管理的讨论，本条展示的是一个具体接入层产品如何把开放模型推入企业既有编码工作流。

可用于图书/PPT/简报的角度

• “模型可替换，工作流不重写”：开放模型进入企业既有 harness 的案例。
• AI 编码代理的成本工程：按任务难度路由、按 session 节省追踪、缓存与计费集成。
• 开放模型 vs 闭源模型在编码场景中的分工：难题用前沿模型，日常任务用低成本模型。
• 推理基础设施与路由器作为分发渠道：Together AI 通过 OpenRouter 份额与 serverless 平台建立位置。
• 企业采用开放模型的阻力与卖点：迁移成本、兼容性、计费、合规与可观测性。

原始材料

• 英文标题：Together Link: frontier-quality open models in the harness you already use
• Fetched title：Together Link: open models in the harness you already use. Start with one command today.
• Fetched description：Together Link brings frontier open models like GLM 5.3 and Kimi K3 into the coding agent your team already uses, cutting model spend by over 50%.
• 英文关键词：Together Link; open models; coding agents; harness; Together AI Router; Claude Code; Claude Desktop; Codex; OpenCode; Pi; GLM 5.3; Kimi K3; DeepSeek V4.1 Flash; Opus 5.5
• 原始来源：Together AI Blog, “Together Link: frontier-quality open models in the harness you already use”, Authors: Will Van Eaton, Hassan El Mghari, Published 10/5/2026.
• URL: https://www.together.ai/blog/together-link-frontier-quality-open-models-in-the-harness-you-already-use