Together AI представила Together Post-Training - сервис, который превращает открытые языковые модели в кастомные, принадлежащие клиенту. Анонс датирован 19.10.2026. Поддерживается обучение на размеченных данных (SFT) и на вознаграждении из среды (обучение с подкреплением).
Что делает сервис
Весь цикл обучения определяет клиент: данные, среды, агентные обвязки и дополнительные шаги вроде логирования или внешнего бенчмаркинга. По словам Together, этим сервис и отличается от уже существующего fine-tuning. Инфраструктуру под этим берёт на себя Together.
Эксперименты идут на Model Resources - GPU, зарезервированных за клиентом. На одном ресурсе помещается несколько Training Sessions, например наборы LoRA-адаптеров на одних и тех же GPU. Обучение всех весов доступно для отдельных моделей. В каждой сессии есть Trainer для прямого и обратного прохода и Generators для rollouts. Для SFT ресурс можно запустить с нулём генераторов, чтобы сэкономить. Для длинных агентных rollouts поддержан асинхронный RL.
Стандартные функции потерь - cross-entropy, GRPO, CISPO и DPPO. Кастомную цель можно посчитать локально и отправить градиенты в Trainer.
Модели и миграция
На старте доступны Muse Spark Open, GLM 5.3, Kimi K3 и Qwen 3.8-27B. Together обещает добавить другие в ближайшие недели. Команды, которые работают через Tinker API, по словам компании, могут перейти, поменяв одну строку импорта.
Развёртывание
Dedicated Model Inference теперь поддерживает multi-LoRA: несколько обученных адаптеров можно переключать в рамках одного развёртывания на GPU, а не держать под каждый отдельное. Together также заявляет, что чекпойнты сохраняют качество при обслуживании в объединённом виде с точностью FP4.
Цена
Оплата идёт за GPU-минуту. Together утверждает, что при большом масштабе суммарная стоимость оказывается ниже, чем при оплате за токены. Это заявление вендора, а не независимое измерение. Первые восемь недель цена составляет $9 за GPU-час использования B200.
Первые пользователи
Источник цитирует три команды раннего доступа. Энтони Ли из Deel говорит, что его команда запускала до пяти параллельных RL-экспериментов на одной и той же мощности GPU. В Jack & Jill сообщают, что их модель, предсказывающая, каких кандидатов захочет увидеть нанимающий менеджер, в офлайн-оценках сравнялась с закрытой моделью, хотя построена на более дешёвой открытой. Collinear AI рассказывает, что запустила полномасштабные агентные RL-прогоны, подключившись самостоятельно. Это высказывания клиентов, опубликованные вендором.
Помощь от Together
Forward-deployed инженеры Together могут работать с клиентом на всех этапах: выбрать модель и обвязку, подготовить данные и среды для обучения, провести оценку и запустить оптимизированный эндпоинт.