Together Post-Training : façonner des modèles de niveau frontière, à votre manière
Together AI décrit une offre pour transformer des modèles ouverts comme Qwen, GLM ou Kimi en modèles sur mesure par SFT ou RL : l'utilisateur écrit la boucle d'entraînement et Together gère l'infrastructure sous-jacente.
Ce que dit l'article
Together AI a publié le 19 octobre 2026 Together Post-Training, un service pour construire des modèles personnalisés par apprentissage par renforcement avec récompenses d'environnement et par fine-tuning supervisé sur données étiquetées. L'utilisateur définit la boucle d'entraînement, Together gère l'infrastructure et l'optimisation.
Au lancement, les modèles proposés sont Muse Spark Open, GLM 5.3, Kimi K3 et Qwen 3.8-27B, d'autres étant promis dans les semaines suivantes. Le service gère LoRA (dont plusieurs adaptateurs partageant des GPU) et l'entraînement des poids complets pour certains modèles, avec les pertes cross-entropy, GRPO, CISPO et DPPO, et l'apprentissage par renforcement asynchrone. La facturation se fait à la minute-GPU, à 9 $ par heure de GPU B200 pendant les huit premières semaines. Les utilisateurs de l'API Tinker peuvent migrer en changeant une ligne d'import, et des ingénieurs déployés chez le client aident au choix du modèle, aux données, à l'évaluation et au déploiement. Deel et Jack & Jill font partie des premiers clients cités.
Lire l'article officiel Fiche AnnuIA
Résumé rédigé par AnnuIA avec ses propres mots, d'après la page officielle de Together AI. Le contenu et les droits appartiennent à l'éditeur : consultez l'article d'origine.