Together AI a publié un guide et un dépôt open-source pour le fine-tuning d'un modèle de classification similaire à Jev, en utilisant le modèle de base Qwen3.5 4B.
Together AI a introduit les déploiements Canary, une fonctionnalité qui migre le trafic en direct d'un modèle actuel vers un nouveau checkpoint par étapes avec des portes (gates). Ce système automatise le mécanisme de sécurité pour l'échange de modèles en exécutant des vérifications de santé et des portes de métriques optionnelles avant de déplacer le trafic, permettant des pauses et des annulations automatiques si les performances se dégradent.
Together propose un cadre permettant aux entreprises de migrer des modèles d'IA propriétaires vers des modèles open source (OSM) à l'aide de services gérés, avec pour objectif de réduire la complexité et d'accélérer l'adoption. Le processus implique de découvrir des modèles adaptés grâce à des benchmarks, de les évaluer via la relecture du trafic, d'adapter les prompts ou les poids, et de calculer le ROI pour justifier le changement.
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.
L'équipe des noyaux de Together AI a optimisé la bibliothèque ThunderKittens pour exploiter les nouvelles fonctionnalités de la plateforme NVIDIA Vera Rubin NVL72, en ciblant spécifiquement une performance améliorée pour les multiplications matricielles NVFP4 et FP8.
Together AI annonce la prévisualisation publique du calcul preemptible pour Together GPU Clusters sur Kubernetes, offrant une option moins coûteuse pour les charges de travail tolérantes aux interruptions. Les nœuds preemptibles utilisent la capacité accélérée NVIDIA inutilisée et sont facturés à 50 % fixes du tarif on-demand.
Cet article présente la pile MIGHT (Modèle, Inférence, Passerelles, Harnais, Outils), une architecture modulaire qui permet aux développeurs d'exploiter des modèles open source pour le développement logiciel agentique sans nécessiter une expertise approfondie en apprentissage automatique ni du matériel dédié.