詳しい解説 · 読了目安 4 分
Together Post-Training：学習ループは利用者、GPU運用はサービス側
10月19日のSFT・RLサービスはプログラム可能で、B200価格は期間限定。月額契約ではない。
- 原典の公開日
- 当サイトの公開日
- 出典確認日
Togetherは10月19日、公開重みモデルを教師あり学習や強化学習で調整するPost-Trainingを発表した。開発者がループを定め、基盤が訓練とrolloutを動かす。制御が増えても、データ、評価、予算は不要にならない。
ニュースを聴く
この記事を読み上げるか、ニュースを続けて聴けます。
読み上げを準備中…
端末の音声
読み上げはブラウザーまたは端末が処理します。AISubHub は文章を音声 API に送りません。利用できる音声やロック画面での再生は端末によって異なります。
再開時に短い部分を繰り返す場合があります。
要点
- LoRA実験はModel Resourceを共有でき、全重み実験は一部モデルのみ。TrainerとGeneratorで同期時点を選べる。
- GPU分単位で課金し、最初の8週間のB200はGPU時間当たり9米ドルの割引。全作業料金や月額ではない。
- Muse Spark Open、GLM 5.3、Kimi K3、Qwen 3.8-27Bの初期対応で、各モデルの新発売ではない。
実験の制御権が製品の範囲
SFTは教師データ、RLは環境報酬を使う。別の微調整サービスと違い、データ、環境、代理枠組み、記録、外部評価を含むループ全体を定められる。標準損失のほか、独自の局所目的から勾配を送れる。ただし柔軟性は報酬や評価の正しさを保証しない。支援エンジニアも協業であって設計の全面代替ではない。当サイトは自動成功の処方でなく、プログラム可能な基盤と捉える。
専用資源と学習セッション
Model Resourceは他顧客要求と優先順位を争わないGPU割当で、同じ基礎モデルの複数セッションを持てる。Trainerは計算と更新、Generatorはrolloutを行う。SFTはGeneratorをゼロにでき、同期時点や非同期RLを制御する。複数LoRAは容量共有、全重みは一部モデルのみ。Muse Spark Open、GLM 5.3、Kimi K3、Qwen 3.8-27Bで開始し拡大は今後。共有しても全実験の機器要件が同じにはならない。
数値的品質の主張は検証対象
同じ重みでも訓練・推論の数値差が方策をずらすとし、routing replay、キャッシュ、並列、packingを説明する。Dedicated Model Inferenceは複数LoRAを提供し、FP4へ統合しても品質維持と同社は主張する。再現していない。並列実験や非公開モデル並みという顧客証言・オフライン評価は汎用ベンチマークではない。実提供チェックポイント、課題合格、rolloutを確認し、効率的訓練だけで本番の信頼性を判断しない。
従量割引と月額を区別する
各資源はGPU分で課金する。8週間のB200毎GPU時間9ドルでは複数GPU総額や恒久料金は分からない。Generator数、規模、時間、配備で費用は変わる。拡大時にトークン課金より安いというのは同社の主張で、普遍的節約を検証したものではない。SDK、cookbook、Tinker移行は実行していない。重み、許諾、データ権、配備条件を別途確認する必要があり、ブログは一律商用許可ではない。
注目する理由
研究の制御を保ちGPU運用を委ねる可能性がある。LoRA共有やrollout容量は、実提供モデルの合格課題と総費用で判断すべきで、訓練回数ではない。前線モデルと同等の品質を保証するサービスではない。
制約と提供状況
公式発表と価格を全文読み、ガイド確認、訓練、提供、購入はしていない。無料計算資源、個人契約、モデル許諾をまたぐ同一権利は得られない。
出典と根拠
原典の公開日: 2026/10/19 · 出典確認日: 2026/10/20
AI を活用した編集記事を、記載した一次情報で確認しています。企業の主張は出典を明示し、掲載は推奨を意味しません。