Analyse approfondie · Environ 3 min de lecture
Together Post-Training sépare votre boucle d'entraînement de ses GPU gérés
Le service du 19 octobre propose SFT et RL programmables, avec prix B200 temporaire plutôt qu'abonnement mensuel.
- Date de la source
- Publié ici
- Source vérifiée
Together lance Post-Training le 19 octobre pour adapter des modèles à poids ouverts par supervision et renforcement. Le développeur définit la boucle et la plateforme gère entraînement et rollouts. Plus de contrôle ne supprime ni données, ni évaluation, ni budget.
Écouter les actualités
Écoutez cet article ou poursuivez la lecture des actualités.
Préparation de la lecture…
Voix de l’appareil
La voix est traitée par votre navigateur ou appareil. AISubHub n’envoie pas le texte à une API audio. Les voix et la lecture écran verrouillé dépendent de l’appareil.
La reprise peut répéter une courte phrase.
En bref
- Les expériences LoRA partagent un Model Resource ; les poids complets concernent certains modèles. Trainer et Generator séparent la synchronisation.
- Facturation par GPU-minute ; la promotion B200 est de 9 dollars par GPU-heure pendant les huit premières semaines, pas le prix du travail ou du mois.
- Muse Spark Open, GLM 5.3, Kimi K3 et Qwen 3.8-27B sont pris en charge, sans nouveau lancement simultané de chaque modèle.
Le produit apporte le contrôle expérimental
SFT apprend sur supervision, RL sur récompenses d'environnement. Contrairement au fine-tuning distinct, la boucle entière est programmable : données, environnements, harnesses, journalisation et évaluation. Pertes standards ou gradients d'un objectif local sont acceptés. Cette souplesse ne garantit pas une bonne récompense ou évaluation. L'accompagnement d'ingénieurs reste collaboration, pas remplacement de toute conception. Nous y voyons une infrastructure programmable, non une recette de succès automatique.
Ressources dédiées et sessions
Model Resource alloue des GPU sans concurrence des requêtes d'autres clients et contient des sessions de même base. Trainer calcule et actualise ; Generators réalisent les rollouts. SFT peut utiliser zéro générateur, avec synchronisation choisie et RL asynchrone. Plusieurs LoRA partagent une capacité, les poids complets seulement pour certains modèles. Muse Spark Open, GLM 5.3, Kimi K3 et Qwen 3.8-27B sont initiaux ; l'extension reste prévue. Partager ne rend pas tous les besoins matériels identiques.
La qualité numérique reste à vérifier
Together décrit les écarts entraînement-inférence pouvant dévier la politique malgré les mêmes poids. Routing replay, cache, parallélisme et empaquetage sont proposés. Dedicated Model Inference sert plusieurs LoRA ; l'entreprise affirme préserver la qualité après fusion FP4. Nous ne l'avons pas reproduit. Témoignages de concurrence ou de parité avec un modèle fermé et tests offline ne sont pas des benchmarks généraux. Un pilote doit évaluer le checkpoint servi, l'acceptation et les rollouts plutôt que déduire fiabilité du seul entraînement efficace.
Usage promotionnel ne signifie pas abonnement
Chaque ressource est facturée par GPU-minute. Neuf dollars par GPU-heure B200 sur huit semaines ne fixe pas le coût multi-GPU total ou permanent. Générateurs, taille, durée et déploiement changent la facture. Together dit battre le prix au token à grande échelle ; c'est son affirmation, pas une économie universelle vérifiée. SDK, cookbooks et migration Tinker n'ont pas été exécutés. Poids, licences, droits des données et déploiement demandent vérification ; le blog n'autorise pas tout usage commercial.
Pourquoi cela compte
On peut garder le contrôle scientifique en déléguant les opérations GPU. LoRA partagées et rollouts se jugent par tâches acceptées et coût total servi, non nombre d'entraînements. Le service ne garantit pas la parité de frontière.
Limites et disponibilité
Tout le lancement et le prix ont été lus sans consulter les guides, entraîner, servir ou acheter. Aucun calcul gratuit, abonnement personnel ou égalité de droits entre licences n'est établi.
Sources et preuves
Date de la source: 19 oct. 2026 · Source vérifiée: 20 oct. 2026
Articles assistés par IA, vérifiés avec les sources primaires citées. Les affirmations des fournisseurs sont attribuées ; la présence ne vaut pas recommandation.