Together Post-Training：自分に合った方法でフロンティア級のモデルを形作る
Together AI は、Qwen、GLM、Kimi などのオープンモデルを SFT や RL でカスタムモデルに仕上げる仕組みを紹介しています。ユーザーが学習ループを書き、基盤インフラは Together が管理します。
記事の内容
Together AIは2026年10月19日、環境報酬を用いた強化学習とラベル付きデータによる教師ありファインチューニングでカスタムモデルを構築するサービス、Together Post-Trainingを公開しました。利用者が学習ループを定義し、インフラと最適化はTogetherが担当します。
開始時の対応モデルはMuse Spark Open、GLM 5.3、Kimi K3、Qwen 3.8-27Bで、数週間以内にさらに追加される予定です。LoRA（GPUを共有する複数アダプターを含む）と一部モデルでの全重み学習、cross-entropy、GRPO、CISPO、DPPOの損失、非同期強化学習に対応します。課金はGPU分単位で、最初の8週間はB200 GPU 1時間あたり9ドルです。Tinker APIの利用者はimport行を1つ変えるだけで移行でき、現場に入るエンジニアがモデル選定、データ、評価、デプロイを支援します。初期顧客としてDeelとJack & Jillが挙げられています。
この要約は、Together AI の公式ページをもとに AnnuIA が自分の言葉で作成しました。内容および権利は発行元に帰属します。元の記事をご覧ください。