Together AI a étendu son service de fine-tuning pour prendre en charge une plus large gamme de modèles à poids ouverts, notamment GLM-5.3 et Kimi K2.7, tout en introduisant le suivi des expériences en temps réel et un contrôle plus fin du processus d'entraînement.

  • Le nouveau support de modèles inclut GLM-5.3, Kimi K2.7, Qwen 3.8-27B, Gemma 4 et les variantes DeepSeek-V4.
  • Les métriques en direct sont désormais exposées via l'API, la CLI et l'interface utilisateur, permettant aux utilisateurs de surveiller la perte et les normes des gradients en temps réel.
  • Le LoRA expert permet aux adaptateurs de cibler les couches d'experts dans les modèles Mixture-of-Experts, améliorant le rappel des nouvelles connaissances à 89 % par rapport à 15 % pour les adaptateurs standard.
  • L'arrêt anticipé arrête automatiquement les exécutions lorsque la perte de validation stagne et rembourse les étapes d'entraînement inutilisées.
  • Des tailles de lot arbitraires sont prises en charge via l'accumulation des gradients pour gérer les séquences qui dépassent la mémoire GPU.
  • Les prix pour l'entraînement des adaptateurs LoRA ont été réduits de 30 % à 70 %, avec des économies spécifiques pour des modèles comme la série gpt-oss.
  • La validation préalable des fichiers vérifie les jeux de données JSONL pour les erreurs de schéma avant la soumission du job, et les poids par exemple permettent un contrôle de l'influence par exemple.

Ces mises à jour visent à réduire la friction technique et les coûts tout en permettant un contrôle plus précis des flux de travail de développement des modèles.