Rnj-1 Instruct
MODEL PROFILE模型资料essentialai · 2025-12-04 发布 · rnj 家族 · 开源权重 · 1 家平台收录
NEW
返回厂商
Rnj-1 Instruct 是 Together AI 于 2025 年 12 月发布的开源权重文本指令模型，上下文与单次输出均为 32768 tokens，按输入输出同价的低价计费，面向需要低成本批量文本处理与工具调用的开发者。
模型介绍
Rnj-1 Instruct 属于 rnj 系列，由 Together AI 推出，定位为通用文本指令模型，仅支持文本输入与文本输出，开源权重可直接获取。它解决的是成本敏感场景下的常规生成需求：32768 tokens 的上下文窗口与同样为 32768 tokens 的单次最大输出，意味着既能处理较长的输入材料，也能一次性产出长文本，不需要分段续写。能力层面提供工具调用与温度调节，可用于需要外部函数协作的流程编排，也能按任务类型调整输出的稳定度。官方定价为输入与输出均 0.15 美元/百万 tokens，输入输出同价在长输出任务上较为少见。本站未收录其公开跑分，架构细节的官方披露也有限，选型时建议以自有任务上的实测结果为准，而不是依赖榜单排序。
选型建议需要开源权重、长输出与低单价且任务以常规文本处理为主时选它；若依赖公开跑分背书或需要多模态、强推理能力则不宜作为首选。
关键指标
适用场景
- 批量改写与润色长篇文章，利用 32K 输出上限一次性返回完整成稿
- 对合同、报告类长文档做结构化信息抽取与字段归纳
- 接入工具调用搭建检索问答或表单填写类业务流程
- 以较低温度生成稳定的分类标签与标准化回复模板
- 在成本敏感的高频调用场景中替代单价更高的同类模型
暂无：知识截止、许可证、参数规模、缓存读价、缓存写价、推理、结构化输出、附件（上游未公开，本站不估算）。 资料更新于 342 天前；发布 342 天；最近一次更新时刚收录。
规格与能力
上面没列到的字段官方未放出完整技术报告，可确认的是开源权重、纯文本模态与 32K 级上下文，其余参数规模与结构细节公开资料较少。
- 结构采用纯文本输入输出设计，上下文窗口与单次最大输出同为 32768 tokens，长文档与长回答可在一次请求内完成。
- 能力支持工具调用与温度调节，前者便于接入外部函数与检索流程，后者便于在确定性输出与发散生成之间切换。
- 披露权重已开源可自行部署核验，但层数、注意力机制等架构说明未完整公开，深度评估需依赖本地实测。
- 开源权重
- 是
- 模型家族
- rnj
能力
工具调用温度调节
性能表现
本站未收录该模型的第三方跑分，性能判断只能基于上下文规格、功能项与同价位对比做定性推断。
- 强项32K 上下文与等长的最大输出，适合长材料摘要、整篇改写这类既吃输入又吃输出的任务，不必截断。
- 短板缺少公开跑分与详细架构说明，复杂推理和代码类任务的上限难以事前判断，需先用样本验证。
- 适合常规问答、内容改写、结构化抽取与工具编排等对成本敏感、对极限推理要求不高的生产任务。
价格与性价比
结合各平台报价与同类对比输入与输出统一为 0.15 美元/百万 tokens，在同类开源权重模型中处于偏低区间，长输出场景的成本优势更明显。
- 定位定价走低价路线，与同厂商其他小参数模型形成价格梯度，适合作为高频调用的默认档位。
- 横向对比Qwen 2.5 7B Instruct Turbo 输入价高出 100%，Qwen2.5 Coder Instruct 32B 高出 340%，DeepSeek R1 Distill Qwen 32B 高出 91.3%。
- 平台差价本站收录的 models.dev 与 models.dev · togetherai 两个报价口径完全一致，均为输入输出 0.15 美元，不存在跨平台套利空间。
- 省钱输出与输入同价，长回答不会因输出单价上浮而失控，相较输出价为输入价数倍的蒸馏模型更适合生成长文本。
平台报价对比
2 个来源口径| 来源 | 输入价 | 输出价 | 缓存读 | 相对输入价 |
|---|---|---|---|---|
| models.dev | $0.15/M | $0.15/M | — | 0.0% |
| models.dev · togetherai | $0.15/M | $0.15/M | — | 0.0% |
同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.15/M / $0.15/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。
同类模型对比
5 条| 模型 | 上下文 | 输入价 | 输出价 | 输入价差 | AA 综合 |
|---|---|---|---|---|---|
| Nano BananaGoogle | 32.8K | $0.3/M | $2.5/M | +100.0% | — |
| Nano Banana (Vertex AI)Eden AI | 32.8K | $0.3/M | $2.5/M | +100.0% | — |
| Qwen2.5 7B InstructAlibaba | 32.8K | $0.1/M | $0.2/M | -33.3% | — |
| Mistral Small 3.2 24BKilo Gateway | 32.8K | $0.1/M | $0.3/M | -33.3% | — |
| Qwen MaxAlibaba | 32.8K | $1.6/M | $6.4/M | +966.7% | — |
取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价
关于 Rnj-1 Instruct 的常见问题
5 条Rnj-1 Instruct 的 API 价格是多少？
当前收录的官方口径价格为输入 $0.15/M、输出 $0.15/M，单位为美元 / 百万 tokens。不同网关可能有自己的加价与折扣，实际计费以调用平台为准。
Rnj-1 Instruct 支持多长的上下文？
资料显示上下文窗口 32.8K（32,768 tokens），单次最大输出 32.8K。实际可用长度还取决于调用平台的限制。
Rnj-1 Instruct 是开源模型吗？
Rnj-1 Instruct 提供开源权重，可以自行下载部署。本站展示的价格是各托管平台对 API 调用的报价，自部署不计入。
Rnj-1 Instruct 支持哪些能力？
按当前资料，Rnj-1 Instruct 支持工具调用、温度调节。输入输出模态为 文本。
Rnj-1 Instruct 可以在哪些平台调用？
当前资料显示该模型被 1 家 provider 或网关收录。本站核对的数据来源包括 models.dev、HowToken。收录数量只反映公开目录的部署面，不代表任何一家平台的服务质量。
使用注意
- 口径本站未收录任何公开跑分，第三方榜单评分缺失，文中性能判断均为基于规格的定性推断，不代表实测水平。
- 边界仅支持文本模态，不具备图像或音频处理能力；收录平台仅 1 家，多平台可用性与区域延迟尚无法交叉验证。
资料说明
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。
本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并，冲突时取优先级高的来源；价格单位为美元 / 百万 tokens。
