Together AI ha presentado Together Post-Training, un servicio para convertir modelos de lenguaje de pesos abiertos en modelos propios del cliente. El anuncio lleva fecha del 19 de octubre de 2026 (10/19/2026 en la fuente). Admite entrenamiento con datos supervisados (SFT) y con recompensas de un entorno (aprendizaje por refuerzo).
Qué hace el servicio
El cliente define todo el bucle de entrenamiento: datos, entornos, arneses para agentes y pasos adicionales como el registro de métricas o la evaluación externa. Según Together, ahí está la diferencia con su servicio de fine-tuning actual. La infraestructura de fondo corre por cuenta de Together.
Los experimentos se ejecutan sobre Model Resources, asignaciones de GPU reservadas para el cliente. Un recurso puede alojar varias Training Sessions, por ejemplo conjuntos de adaptadores LoRA que comparten las mismas GPU. El entrenamiento de pesos completos está disponible para modelos seleccionados. Cada sesión tiene un Trainer para los pasos hacia delante y hacia atrás, y Generators para las simulaciones (rollouts). En SFT, un recurso puede arrancar sin generadores para ahorrar coste. Para rollouts largos de agentes se admite RL asíncrono.
Las funciones de pérdida estándar incluyen entropía cruzada, GRPO, CISPO y DPPO. También se puede calcular un objetivo propio en local y enviar los gradientes al Trainer.
Modelos y migración
Los modelos de lanzamiento son Muse Spark Open, GLM 5.3, Kimi K3 y Qwen 3.8-27B. Together asegura que añadirá más en las próximas semanas. Según la empresa, los equipos que usan la API de Tinker pueden migrar cambiando una sola línea de importación.
Despliegue
Dedicated Model Inference ya admite servir varios adaptadores LoRA. Varios adaptadores entrenados se pueden intercambiar dentro de un mismo despliegue en GPU, en lugar de exigir uno para cada uno. Together también afirma que los checkpoints conservan su calidad cuando se sirven fusionados en precisión FP4.
Precio
Se factura por GPU-minuto. Together sostiene que, a mayor escala, el coste total queda por debajo de la tarificación por tokens. Es una afirmación del proveedor, no una medición independiente. Durante las primeras ocho semanas, el precio es de $9 por hora de GPU B200.
Primeros usuarios
La fuente cita a tres equipos con acceso anticipado. Anthony Li, de Deel, dice que su equipo ejecutó hasta cinco experimentos de RL simultáneos sobre la misma capacidad de GPU. Jack & Jill afirma que su modelo para predecir qué candidatos querrá conocer un responsable de contratación igualó a un modelo de código cerrado en evaluaciones offline, usando un modelo abierto más barato. Collinear AI cuenta que lanzó ejecuciones de RL agéntico a gran escala por autoincorporación. Son declaraciones de clientes publicadas por el proveedor.
Ayuda de Together
Los ingenieros desplegados de Together pueden trabajar con el cliente durante todo el ciclo: elegir modelo y arnés, preparar datos y entornos de entrenamiento, ejecutar evaluaciones y entregar un endpoint optimizado.