Подробный разбор · Около 3 мин чтения
Первый год Tinker: инфраструктуру можно передать, суждение остаётся у команды
Thinking Machines подводит итоги API обучения и специализированных моделей; часть функций производства остаётся в бете.
- Опубликовано здесь
- Дата источника
- Источник проверен
В обзоре от15 октября описан переход Tinker от исследовательского API постобучения к корпоративному обучению и обслуживанию моделей. Передача GPU и контрольных точек провайдеру не заменяет собственные данные, цели обучения и критерии качества.
Слушать новости
Прослушайте эту статью или включите новости подряд.
Подготовка чтения…
Голос устройства
Речь обрабатывает браузер или устройство. AISubHub не отправляет текст в аудио-API. Доступные голоса и работа при заблокированном экране зависят от устройства.
При продолжении короткая фраза может повториться.
Кратко
- Сервис начинался с14 текстовых моделей Qwen и Llama и добавил более20; заявлен диапазон4B–1T параметров, а модальности зависят от модели.
- Полное дообучение и производственная выборка, совместимая с OpenAI и Anthropic, остаются бета-функциями. Более высокий поток и интерактивность ещё разрабатываются.
Четыре операции разделяют обязанности
sample генерирует токены, forward_backward считает градиенты, optim_step меняет веса, save_state сохраняет состояние. Tinker управляет GPU и контрольными точками; пользователь задаёт примеры, инструкции, потери и награды. Это гибче фиксированного рецепта, но не определяет правильный ответ, тяжесть ошибки или право использовать данные для обучения. Такие решения остаются у команды.
Улучшения работы не равны измеренной гарантии
Компания сообщает об автомасштабировании на десятки тысяч одновременных запросов, оптимизациях LoRA, диагностике и Perfetto. Заявлены две смены поколений GPU без простоя и обновления без остановки обучения. Для предприятий перечислены проекты, SSO, роли, API аудита, шифрование и частная VPC. По словам компании, контент принадлежит клиенту и не используется для обучения её моделей. Наш анализ требует проверить применимость к конкретному аккаунту, региону и договору: перечень возможностей сам по себе не является проектом безопасного внедрения.
Больше моделей, но разные стадии готовности
После14 исходных моделей добавлено более20 из семейств Nemotron, Kimi, GLM, DeepSeek, GPT-OSS и Inkling. Диапазон4B–1T означает разные требования к ресурсам, а не одинаковые возможности. Большинство принимает изображения; Inkling добавил аудио. Рецепты включают обучение с учителем, обучение с подкреплением, дистилляцию и отдельные задачи; доступны CISPO, DRO, собственные функции потерь и top-k логвероятности. Полное дообучение и совместимая производственная выборка остаются бета; более интерактивное и высокопроизводительное обслуживание ещё разрабатывается.
Числа требуют контекста задачи и выборки
В примере SDFT для Qwen2.5-7B-Instruct точность работы с инструментами равна42.9 у базовой модели,63.2 после SFT и70.6 после SDFT: улучшение7.4 процентного пункта относительно SFT. Это не гарантированный эффект покупки сервиса. Приведены SQL Bridgewater/UIUC при15% сравниваемой стоимости инференса, исправление LaTeX Sundial при7% стоимости GPT-6 Astra и поиск Glean вдвое быстрее с25% меньшим числом токенов без заявленного ухудшения качества. Результат SQL92.97% использует выбор из16 образцов. Мы не объединяем эти разные задачи в общий рейтинг моделей.
Проверить, превращается ли экспертиза в полезный сигнал
Главная идея — обучать на реальных планах инструментов, повторяющихся ошибках и отраслевых правилах награды. Мы предлагаем отложить тесты до обучения и сравнить принятые ответы, задержку и все расходы: обучение, выборку, хранение и человеческий контроль. Сначала стоит проверить, достаточно ли улучшить инструкции или поиск. План коммерческого масштабирования не доказывает окупаемость для каждого бизнеса и не означает включения этих возможностей в потребительскую подписку на ИИ.
Почему это важно
Наш анализ рекомендует ограниченный пилот с заранее отложенными тестами и проверенными правами на данные. Важны принятые результаты и общие расходы, включая обучение, хранение и проверку человеком.
Ограничения и доступность
Это заявления поставщика и упомянутых клиентов, не независимое воспроизведение AISubHub. Корпоративные функции, бета-доступ и выигрыш не универсальны; единой цены подписки статья не устанавливает.
Источники и подтверждения
Дата источника: · Источник проверен:
Материалы подготовлены с помощью ИИ и сверены с указанными первоисточниками. Заявления поставщиков атрибутированы; публикация не означает рекомендацию.