A Together AI expandiu seu serviço de ajuste fino para suportar uma gama mais ampla de modelos de peso aberto, incluindo GLM-5.3 e Kimi K2.7, ao mesmo tempo que introduz rastreamento de experimentos em tempo real e controles mais refinados sobre o processo de treinamento.
- O suporte a novos modelos inclui GLM-5.3, Kimi K2.7, Qwen 3.8-27B, Gemma 4 e variantes DeepSeek-V4.
- As métricas em tempo real agora estão expostas via API, CLI e UI, permitindo que os usuários monitorem a perda e as normas dos gradientes em tempo real.
- O LoRA especializado permite que adaptadores direcionem camadas de especialistas em modelos Mixture-of-Experts, melhorando a recuperação de novos conhecimentos para 89%, comparado a 15% para adaptadores padrão.
- A parada antecipada interrompe automaticamente as execuções quando a perda de validação se estabiliza e reembolsa os passos de treinamento não utilizados.
- Tamanhos de lote arbitrários são suportados via acumulação de gradiente para lidar com sequências que excedem a memória da GPU.
- Os preços para o treinamento de adaptadores LoRA foram reduzidos em 30% a 70%, com economias específicas para modelos como a série gpt-oss.
- A validação prévia de arquivos verifica conjuntos de dados JSONL quanto a erros de esquema antes do envio do trabalho, e os pesos por exemplo permitem controle da influência por exemplo.
Essas atualizações visam reduzir a fricção técnica e os custos, ao mesmo tempo que habilitam um controle mais preciso sobre os fluxos de trabalho de desenvolvimento de modelos.