A Together AI bővíti finomhangolási szolgáltatását
A Together AI több új nyílt súlyú modellel, élő mérőszámokkal és részletesebb finomhangolási beállításokkal bővítette szolgáltatását. A vállalat szerint a változások a kísérletek követését, az adatok ellenőrzését és a tréning költségeinek kezelését is megkönnyítik.
- A Together Fine-Tuning 18 új nyílt súlyú modellt támogat.
- A tréning- és kiértékelési mérőszámok futás közben, több felületen is elérhetők.
- Az Expert LoRA a Mixture-of-Experts modellek szakértői rétegeit is taníthatóvá teszi.
- A korai leállítás a legjobb validációs eredményű ellenőrzőpontot tartja meg.
- A Together AI több modellnél 30, egyes gpt-oss modelleknél akár 70 százalékos árcsökkentést közölt.
Új modellek és részletesebb kísérletkövetés
A Together AI 2026. szeptember 11-i közleménye szerint a Together Fine-Tuning már több új nyílt súlyú modellt támogat. A listára többek között a GLM-5.3, a GLM-5.2, a GLM-5.1, a DeepSeek-V4-Flash-0731, a DeepSeek-V4-Flash, a Kimi K2.7-Code, a Kimi K2.6, a Qwen 3.8-27B, a Qwen 3.6-35B-A3B, a Qwen 3.6-27B, a Qwen 3.5-27B, a Qwen 3.5-9B, a Qwen 3.5-4B, a Qwen 3.5-2B, a Qwen 3.5-0.8B, valamint a Gemma 4-31B és a Gemma 4-26B-A4B került fel.
A vállalat különböző felhasználási célokat emel ki. A nagyobb teljesítményre törekvő csapatok a GLM-5.3 és a Kimi K2.7 modelleket választhatják, míg a teljesítmény és a költség egyensúlyára figyelőknek a Qwen 3.8-27B vagy a Gemma 4 lehet érdekes. Helyi és eszközön futó alkalmazásokhoz a Qwen 3.5 család 0,8 milliárdtól 9 milliárd paraméterig kínál modelleket. A Together AI szerint a GLM-5.3 a Terminal-Bench 2.1 teszten 88,2 pontot ért el.
A finomhangolási munkamenetek mostantól minden tréning- és kiértékelési lépésnél rögzítik a mérőszámokat. A loss, a gradiens norma és a tanulási ráta az API-n, a parancssoros felületen és a kezelőfelületen is elérhető. Validációs adathalmaz használatakor a kiértékelési loss és más mérőszámok is megjelennek. A műszerfalon a grafikonok futás közben frissülnek, több feladat eredménye pedig egyetlen ábrán hasonlítható össze.
Expert LoRA, korai leállítás és rugalmasabb tréning
A szolgáltatás Expert LoRA támogatást is kapott a kevert szakértői, vagyis Mixture-of-Experts modellekhez. A Together AI közlése szerint ezekben a modellekben a paraméterek több mint 90 százaléka a szakértői rétegekben található, miközben a hagyományos LoRA ezeket a rétegeket változatlanul hagyja.
A vállalat saját tesztjében 200 kitalált tényt tanított a modelleknek. Az expert rétegeket is elérő adapterek az új ismeretek legfeljebb 89 százalékát idézték fel, míg a csak a figyelmi rétegekre kapcsolódó adapterek legfeljebb 15 százalékot értek el. Az MMLU-Pro teszten az előbbi megoldás 75,3, az utóbbi 71,5 százalékot ért el.
Az új korai leállítási funkció validációs loss alapján fejezi be a tréninget, amikor az eredmény már nem javul. A rendszer a legjobb validációs losshoz tartozó ellenőrzőpontot tartja meg végső modellként, a fel nem használt tréninglépéseket pedig automatikusan visszatéríti. A türelem, a kisebb javulások érzékenysége és a bemelegítési szakasz is beállítható.
A felhasználók tetszőleges effektív kötegméretet is megadhatnak. A gradient_accumulation_steps beállítással a rendszer több mikrokötegben gyűjti a gradienseket, mielőtt frissíti az optimalizálót. Az effektív kötegméret a batch_size és a gradient_accumulation_steps szorzata.
Alacsonyabb tréningárak és új adatellenőrzés
A Together AI szerint a támogatott modellek többségénél csökkentette a tréning árát. A megtakarítás 30 százaléktól indul, a gpt-oss sorozat egyes modelljeinél pedig eléri a 70 százalékot. LoRA adapterek tréningjénél, 1 millió tokenre számolva, a Qwen/Qwen3.5-9B SFT ára 0,48-ról 0,34-re, DPO ára 1,20-ról 0,84-re változott. A Qwen/Qwen3.8-27B és a google/gemma-4-31B-it SFT ára 1,50-ről 1,05-re, DPO ára 3,75-ről 2,62-re csökkent.
Az openai/gpt-oss-120b esetében az SFT 5,00 helyett 2,50, a DPO 12,50 helyett 6,25 lett. Az openai/gpt-oss-20b SFT ára 1,50-ről 0,40-re, DPO ára 3,75-ről 1,00-re változott. A közlemény nem nevez meg pénznemet.
A szolgáltatásban a tréning előtt megtekinthető a tokenizált adathalmaz is. A felhasználók láthatják a tokenazonosítókat, a tokeneket, az egyes tokenekhez tartozó címkéket, a losshoz hozzájáruló szakaszokat, valamint azt, hogy egy sor csonkolódott-e a modell maximális szekvenciahosszánál. A futó munkamenet által ténylegesen feldolgozott, tokenizált és csomagolt adathalmaz egy része szintén elérhető a Python SDK-n keresztül.
A változások a fejlesztők számára egy helyen teszik követhetőbbé a finomhangolási folyamatot: ellenőrizhetik az adatfeldolgozást, összevethetik a futó kísérleteket, módosíthatják a tréning beállításait, és leállíthatják a munkamenetet, ha a validációs eredmény már nem javul.
