Together KI startet einen Post-Training-Service für individuelle Modelle

Together KI am 2026-10-19 haben Together Post-Training vorgestellt, einen Dienst, der Entwicklern hilft, individuelle Modelle mithilfe von Reinforcement Learning und überwachtem Feinabstimmung zu erstellen, während das Unternehmen die zugrunde liegende Infrastruktur verwaltet, so der an diesem Tag veröffentlichte Blogbeitrag des Unternehmens.

Beweise und Kontext

Der Start ist so konzipiert, dass Nutzer ihre eigenen Trainingsschleifen definieren können, während Together die darunterliegenden GPU-Systeme verwaltet, einschließlich Model Resources, Training Sessions, Trainer-Instanzen und Generator-Instanzen, so das Unternehmen. Together erklärte, der Dienst unterstütze LoRA-Training, mehrere LoRA-Adapter mit derselben GPU-Kapazität und Vollgewichts-Experimente für ausgewählte Modelle, während er gleichzeitig asynchrone RL- und benutzerdefinierte Trainingsziele ermöglicht.

Together sagte, der Dienst startet mit Openweight-Modellen, darunter Muse Spark Open, GLM 5.3, Kimi K3 und Qwen 3.8-27B, wobei in den kommenden Wochen weitere Modelle hinzugefügt werden. Das Unternehmen gab außerdem an, den Service in den ersten acht Wochen zu einem reduzierten Preis von $9 pro GPU-Stunde B200 Nutzung anzubieten.

Die Ankündigung erfolgt, nachdem Together am 2026-07-01 mitgeteilt hat, dass es $800 Millionen Series-C-Kapazitäten aufgenommen und Zusagen für mehr als 500 MW unabhängig kapitalisierte Rechenkapazität gesichert hat, was den Finanzierungskontext für den Infrastrukturausbau bietet. Dies folgt auch auf eine 2026-09-29 Ankündigung mit Mubadala, die Infrastrukturmöglichkeiten der VAE KI und eine Präsenz in Abu Dhabi erkundet.

Together erklärte, der Dienst sei darauf ausgelegt, die Infrastrukturbelastung nach dem Training zu verringern, die Rollout- und Trainingsleistung zu verbessern und trainierte Checkpoints leichter einzusetzen oder zu verfeinern. Im Blog des Unternehmens wurde außerdem erwähnt, dass das Angebot Unterstützung für Multi-LoRA-Adapter in Dedicated Model Inference sowie Optimierung für die Bereitstellung von Checkpoints mit FP4 Präzision beinhaltet. Diese Fähigkeiten werden vom Unternehmen berichtet und wurden im bereitgestellten Material nicht unabhängig bewertet.

In seiner Launch-Note enthielt Together Erfahrungsberichte von Early-Access-Kunden bei Deel, Jack & Jill und Collinear KI, die schnellere Experiment-Setups und die Möglichkeit, RL-Workloads mit gemeinsamer GPU-Kapazität auszuführen, beschrieben. Diese Kommentare wurden vom Unternehmen zugeschrieben und sind im Quellmaterial nicht unabhängig verifiziert.