Together AI เปิดตัว Together Link (เบต้า) — CLI ฟรี MIT ที่ทำให้ Claude Code, Codex, OpenCode และ Pi รันบน Kimi K3 / GLM 5.3 ได้ด้วยคำสั่งเดียว พร้อม auto router ที่ส่งงานยากไป Opus 5.5 ถ้าใส่คีย์ Anthropic แต่เอกสารสามชุดยังพูดไม่ตรงกัน

5 ตุลาคม 2026 Together AI เปิดตัว Together Link เวอร์ชันเบต้า เป็น CLI ฟรีที่ใช้สัญญาอนุญาต MIT (ซอร์สบน GitHub) แนวคิดสรุปได้ในประโยคเดียวคือ “ใช้ harness เดิม เปลี่ยนแค่โมเดล” คุณยังใช้ Claude Code, Codex, OpenCode หรือ Pi ตัวเดิม แต่ให้คำขอวิ่งไปที่โมเดลเปิดที่ Together โฮสต์ไว้ เช่น Kimi K3, GLM 5.3 และ DeepSeek V4.1 Flash แทนโมเดลปิดราคาแพง

Together ให้เหตุผลว่าองค์กรวิศวกรรมจ่ายค่าโมเดลปิดกัน “ตั้งแต่หลักหมื่นถึงหลักล้านดอลลาร์ต่อเดือน” ทั้งที่งานส่วนใหญ่ เช่น แก้บั๊กบรรทัดเดียว ไม่จำเป็นต้องใช้โมเดลระดับท็อป บริษัทจึงเคลมว่าจะ ลดค่าใช้จ่ายได้เกิน 50% ตัวเลขนี้เป็นของผู้ขายเองและยังไม่มีการวัดอิสระ แต่สิ่งที่น่าสนใจกว่าคือวิธีที่เครื่องมือนี้เข้าไปเสียบกับเอเจนต์ที่นักพัฒนาใช้อยู่แล้ว

ใช้งานอย่างไร

ติดตั้งด้วยคำสั่งเดียวบน macOS หรือ Linux (ตัวติดตั้งจะลง Bun ให้ถ้ายังไม่มี และวางคำสั่งไว้ที่ ~/.local/bin):

curl -fsSL https://link.together.ai/install | bash
togetherlink configure          # ใส่ Together API key (และ Anthropic key ถ้าต้องการ)
togetherlink claude             # หรือ tclaude
togetherlink codex exec "Explain this project"
togetherlink --main zai-org/GLM-5.3 claude   # ล็อกโมเดลเดียว ต้องวาง flag ไว้ก่อนชื่อเครื่องมือ

ตาม เอกสารทางการ Together Link ไม่รัน proxy หรือ daemon บนเครื่อง แต่ละเครื่องมือจะคุยกับ gateway ที่ Together โฮสต์โดยตรง ส่วน Claude Code, Codex, OpenCode และ Pi จะได้ config ชั่วคราวที่ใช้เฉพาะรอบนั้นและถูกลบเมื่อจบเซสชัน ไฟล์อย่าง ~/.codex หรือ ~/.claude จึงไม่ถูกแก้ ส่วน Claude Desktop และ ChatGPT Desktop จะใช้โปรไฟล์แยกที่สั่งปิดได้ (togetherlink chatgpt off) นอกจากนี้ MCP server, skills และปลั๊กอินของ OpenCode และ Pi ยังโหลดได้ตามปกติ

พอจบเซสชันจะมีใบเสร็จแสดงจำนวนโทเค็นและค่าใช้จ่าย ใน Claude Code แถบสถานะจะโชว์ค่าใช้จ่ายโดยประมาณเทียบกับถ้าใช้ Opus และดูยอดย้อนหลังได้ด้วย togetherlink usage --last 7d ข้อควรรู้เล็ก ๆ จากเอกสารคือ ถ้ารัน Claude Code แบบ headless ผ่าน Together Link ต้องต่อท้ายด้วย < /dev/null ไม่อย่างนั้นโปรเซสจะค้างรอ stdin

Auto router: ส่งงานยากไป Opus ถ้าคุณมีคีย์

ค่าเริ่มต้นของทุกเซสชันคือโมเดลเสมือนชื่อ auto ถ้าใส่ Anthropic API key ไว้ คำขอที่ยากใน Claude Code และ Claude Desktop จะถูกส่งไป Claude Opus และเรียกเก็บเงินจากบัญชี Anthropic ของคุณเอง ส่วน Codex, OpenCode, Pi และ ChatGPT Desktop จะใช้โมเดลของ Together เสมอ

ในเมนู /model ของ Claude Code แต่ละ tier ถูกแมปไปที่โมเดลเปิด ได้แก่ Opus → Kimi K3, Fable → GLM 5.3 และ Sonnet → DeepSeek V4.1 Flash ทุกตัวมี context 1M ราคาในเอกสาร (ต่อ 1M โทเค็น input/output) คือ GLM 5.3 $1.40/$4.40, DeepSeek V4.1 Flash $0.30/$1.20 และ Qwen3.8 2.4T $2.00/$6.00

จุดที่เอกสารยังไม่ตรงกัน — เช็กเองก่อนใช้จริง

เราอ่านแหล่งข้อมูลทางการทั้งสามชุดแล้วพบว่า ยังขัดกันหลายจุด ซึ่งเป็นเรื่องปกติของเบต้า แต่บางจุดกระทบบิลโดยตรง:

• ราคา Kimi K3 — หน้าโปรดักต์ ระบุ $3.00/$15.00 แต่ตารางในเอกสารระบุ $2.70/$13.50 (cache $0.27)
• วิธี route — บล็อกและหน้าโปรดักต์บอกว่า router “อ่านงานแรกของเซสชัน แล้วเลือกครั้งเดียวต่อเซสชัน เพื่อให้ prompt caching ยังทำงาน” แต่เอกสารบอกว่า gateway “จำแนกพรอมต์ทุกคำขอ” และตารางใน README ก็เขียนว่า “Routes per request” ซึ่งสองแบบนี้มีผลต่อ cache hit และค่าใช้จ่ายต่างกันมาก
• โมเดลที่ใช้ตอนไม่มีคีย์ Anthropic — บล็อกบอกว่า route ระหว่าง GLM 5.3 กับ GLM 5.3 Flash แต่ GLM 5.3 Flash ไม่อยู่ในตารางโมเดลของเอกสารหรือ README เลย
• tier Haiku — README (v0.9.75) แมป Haiku → MiniMax M3 แต่เอกสารไม่มี tier Haiku และไม่มี MiniMax M3 ในตาราง

คำแนะนำคือให้รัน togetherlink models ดูตารางจริงก่อนใช้งาน และดูใบเสร็จหลังเซสชันแรกเสมอ

มุมมอง AI Curator

เครื่องมือแบบนี้มีมาก่อนแล้ว เช่น Claude Code Router ที่รัน gateway บนเครื่อง, OpenRouter ที่ตั้งผ่าน env var และ ollama launch สิ่งที่ Together Link ทำได้ดีกว่าคือ ประสบการณ์คำสั่งเดียวที่ย้อนกลับได้ และใบเสร็จค่าใช้จ่ายที่วางไว้ข้างตัวเลข “ถ้าใช้ Opus จะเท่าไร” ซึ่งเป็นการตลาดที่ฉลาด เพราะทำให้คนเห็นส่วนต่างทุกครั้งที่ปิดเซสชัน

แต่ต้องเข้าใจว่านี่ไม่ใช่การ “รันโมเดลเปิดเอง” ทุกพรอมต์ ทุกไฟล์ที่เอเจนต์อ่าน และทุกผลลัพธ์จากเครื่องมือ จะวิ่งผ่าน gateway ของ Together และถ้าเปิด auto router คู่กับคีย์ Anthropic ข้อมูลก็จะไปถึง Anthropic ด้วย ทีมในไทยที่ทำงานกับโค้ดลูกค้าหรือข้อมูลที่อยู่ใต้ PDPA ควรเช็กนโยบาย data retention และ ZDR ของ Together ก่อนเปิดให้ทั้งทีมใช้ ไม่ใช่แค่ดูว่าบิลลดลงเท่าไร อีกเรื่องที่ต้องระวังคือ CLI ที่ติดตั้งด้วย curl | bash และอัปเดตตัวเองเป็นระยะ คือของที่รันบนเครื่อง dev ทุกเครื่อง ทีมที่เข้มเรื่อง supply chain ควร pin เวอร์ชันไว้

ภาพที่ใหญ่กว่านั้นคือ harness กำลังแยกตัวออกจากโมเดล จนเป็นเลเยอร์ที่ถูกแย่งกันชัดเจนขึ้นเรื่อย ๆ ก่อนหน้านี้ DeepSeek ทำ bridge เข้า Claude Code mods และตอนนี้ผู้ให้บริการ inference ก็มาเสียบตรงเข้า Claude Code กับ Codex แล้ว สำหรับทีมเล็กในภูมิภาคที่ค่า Opus ต่อหัวสูงเมื่อเทียบกับเงินเดือน dev การแบ่งงานแบบ “งานประจำวันใช้ GLM 5.3 หรือ DeepSeek Flash ส่วนงานยากค่อยใช้โมเดลปิด” น่าจะกลายเป็นค่าเริ่มต้นในอีกไม่นาน คำถามที่เหลือคือ router ของใครตัดสินใจแม่นกว่า และใครเปิดเผยตรรกะการ route ได้โปร่งใสกว่า ซึ่งตอนนี้แม้แต่เอกสารของ Together เองก็ยังตอบไม่ตรงกัน

แหล่งข่าว

• Together AI Blog — Together Link: frontier-quality open models in the harness you already use (5 ต.ค. 2026)
• Together AI Docs — Together Link (เบต้า)
• GitHub — Nutlope/togetherlink (MIT)
• Together AI — Together Link product page (ราคาและ harness ที่รองรับ)