Vertiefende Analyse · Etwa 3 Min. Lesezeit
Together Post-Training trennt Ihre Trainingsschleife vom verwalteten GPU-Betrieb
Der Dienst vom 19. Oktober bietet programmierbares SFT und RL, mit befristetem B200-Preis statt Monatspaket.
- Datum der Quelle
- Hier veröffentlicht
- Quelle geprüft
Together startet Post-Training am 19. Oktober zur Anpassung offener Gewichte mit Supervision und Verstärkung. Entwickler definieren die Schleife, die Plattform betreibt Training und Rollouts. Mehr Kontrolle ersetzt weder Daten noch Bewertung oder Budget.
Nachrichten anhören
Diesen Artikel vorlesen oder mit den Nachrichten fortfahren.
Vorlesen wird vorbereitet…
Gerätestimme
Browser oder Gerät verarbeiten die Sprache. AISubHub sendet den Text nicht an eine Audio-API. Stimmen und Wiedergabe bei gesperrtem Bildschirm hängen vom Gerät ab.
Beim Fortsetzen kann sich ein kurzer Satzteil wiederholen.
Auf einen Blick
- LoRA-Experimente teilen Model Resources; vollständige Gewichte nur bei ausgewählten Modellen. Trainer und Generator erlauben eigene Synchronisierung.
- Abgerechnet wird je GPU-Minute; B200 kostet in den ersten acht Wochen reduziert 9 US-Dollar je GPU-Stunde, nicht je Auftrag oder Monat.
- Muse Spark Open, GLM 5.3, Kimi K3 und Qwen 3.8-27B werden unterstützt, nicht alle neu veröffentlicht.
Kontrolle über das Experiment
SFT nutzt Supervisionsdaten, RL Umgebungsbelohnungen. Anders als der separate Fine-Tuning-Dienst ist die gesamte Schleife definierbar: Daten, Umgebungen, Harnesses, Protokolle und Auswertung. Standardverluste oder Gradienten eigener lokaler Ziele sind möglich. Flexibilität garantiert keine richtige Belohnung oder Bewertung. Ingenieurhilfe ist Zusammenarbeit, kein Ersatz für jedes Design. Wir sehen programmierbare Infrastruktur, kein automatisches Erfolgsrezept.
Dedizierte Ressourcen und Sitzungen
Model Resource weist GPU ohne Prioritätskonkurrenz anderer Kunden zu und hält Sitzungen derselben Basis. Trainer berechnet und aktualisiert, Generators erzeugen Rollouts. SFT kann null Generatoren nutzen; Entwickler steuern Synchronisierung und asynchrones RL. Mehrere LoRA teilen Kapazität, Vollgewichte nur ausgewählte Modelle. Muse Spark Open, GLM 5.3, Kimi K3 und Qwen 3.8-27B starten, Erweiterung ist geplant. Gemeinsame Nutzung bedeutet nicht gleiche Hardwarebedürfnisse.
Numerische Qualität muss geprüft werden
Together beschreibt Drift durch unterschiedliche Trainings- und Inferenznumerik trotz gleicher Gewichte. Genannt werden Routing Replay, Cache, Parallelisierung und Packing. Dedicated Model Inference kann mehrere LoRA bedienen; Qualität bei FP4-Zusammenführung wird behauptet, von uns nicht reproduziert. Kundenzeugnisse zu Parallelität oder geschlossener Modellparität und Offline-Tests sind keine allgemeinen Benchmarks. Ein Pilot prüft servierten Checkpoint, Abnahme und Rollouts, statt Zuverlässigkeit aus effizientem Training abzuleiten.
Nutzungspreis ist kein Monatsabo
GPU-Minuten bestimmen jede Ressourcenrechnung. 9 Dollar je B200-GPU-Stunde für acht Wochen sind weder kompletter Multi-GPU-Preis noch Dauerangebot. Generatoren, Größe, Laufzeit und Serving ändern Kosten. Together behauptet Vorteile gegenüber Tokenpreisen bei Skalierung; das ist keine allgemein verifizierte Ersparnis. SDK, Cookbooks und Tinker-Migration wurden nicht ausgeführt. Gewichte, Lizenz, Datenrechte und Deployment sind separat zu prüfen; der Blog erteilt keine pauschale kommerzielle Erlaubnis.
Warum es wichtig ist
Forschungskontrolle kann bleiben, während GPU-Betrieb delegiert wird. Gemeinsame LoRA und Rollout-Kapazität sind anhand akzeptierter Aufgaben und gesamter Servingkosten zu bewerten, nicht Trainingsanzahl. Frontier-Parität wird nicht garantiert.
Grenzen und Verfügbarkeit
Gelesen wurden Startbericht und Preis, ohne Guides, Training, Serving oder Kauf. Gratisrechnen, persönliches Abo oder gleiche Rechte aller Modelllizenzen folgen daraus nicht.
Quellen und Belege
Datum der Quelle: 19.10.2026 · Quelle geprüft: 20.10.2026
KI-gestützte redaktionelle Beiträge, anhand der genannten Primärquellen geprüft. Anbieterangaben werden zugeordnet; eine Aufnahme ist keine Empfehlung.