Together AI ha ampliado su servicio de ajuste fino para admitir una gama más amplia de modelos de peso abierto, incluidos GLM-5.3 y Kimi K2.7, mientras introduce seguimiento de experimentos en tiempo real y controles más finos sobre el proceso de entrenamiento.

  • El nuevo soporte de modelos incluye GLM-5.3, Kimi K2.7, Qwen 3.8-27B, Gemma 4 y variantes DeepSeek-V4.
  • Las métricas en vivo ahora se exponen a través de API, CLI e interfaz de usuario, permitiendo a los usuarios monitorear la pérdida y las normas de gradiente en tiempo real.
  • LoRA experto permite que los adaptadores apunten a capas expertas en modelos Mixture-of-Experts, mejorando la recuperación de nuevo conocimiento al 89% en comparación con el 15% para adaptadores estándar.
  • La parada anticipada detiene automáticamente las ejecuciones cuando la pérdida de validación se estabiliza y reembolsa los pasos de entrenamiento no utilizados.
  • Se admiten tamaños de lote arbitrarios mediante acumulación de gradientes para manejar secuencias que exceden la memoria de la GPU.
  • Los precios para entrenar adaptadores LoRA se han reducido entre un 30% y un 70%, con ahorros específicos para modelos como la serie gpt-oss.
  • La validación previa de archivos verifica los conjuntos de datos JSONL en busca de errores de esquema antes del envío del trabajo, y los pesos por ejemplo permiten controlar la influencia por ejemplo.

Estas actualizaciones tienen como objetivo reducir la fricción técnica y los costos mientras habilitan un control más preciso sobre los flujos de trabajo de desarrollo de modelos.