Together AI Meningkatkan Platform Fine-Tuning dengan Dukungan Vision dan Reasoning

Joerg Hiller 18 Mar 2026 18:27

Together AI menambahkan tool calling, reasoning traces, dan fine-tuning vision-language ke platformnya, dengan peningkatan throughput 6x untuk model parameter 100B+.

Together AI meluncurkan ekspansi besar terhadap layanan fine-tuning-nya pada 18 Maret, menambahkan dukungan native untuk tool calling, reasoning traces, dan model vision-language—kemampuan yang mengatasi masalah persisten bagi tim yang membangun sistem AI produksi.

Pembaruan ini hadir saat perusahaan dilaporkan sedang menegosiasikan putaran pendanaan yang akan menilai perusahaan sebesar $7,5 miliar, lebih dari dua kali lipat valuasi $3,3 miliar dari Seri B Februari 2025-nya.

Yang Benar-Benar Baru

Platform ini kini menangani tiga kategori fine-tuning yang sebelumnya memerlukan solusi terpisah:

Tool calling mendapatkan dukungan end-to-end menggunakan skema yang kompatibel dengan OpenAI. Sistem memvalidasi bahwa setiap tool call dalam data pelatihan cocok dengan fungsi yang dideklarasikan sebelum pelatihan dimulai—perlindungan terhadap parameter halusinasi dan ketidakcocokan skema yang mengganggu alur kerja agentic.

Reasoning fine-tuning memungkinkan tim melatih model pada jejak pemikiran spesifik domain menggunakan field reasoning_content khusus. Ini penting karena format reasoning sangat bervariasi di berbagai keluarga model, membuat pelatihan konsisten sulit tanpa standardisasi.

Vision-language fine-tuning mendukung dataset hybrid yang mencampur contoh gambar-teks dan hanya teks. Secara default, vision encoder tetap beku sementara lapisan bahasa diperbarui, meskipun tim dapat mengaktifkan pelatihan bersama ketika pengenalan pola visual perlu ditingkatkan.

Peningkatan Infrastruktur

Selain kemampuan baru, Together AI mengklaim peningkatan performa signifikan dari mengoptimalkan training stack-nya untuk arsitektur mixture-of-experts. Perusahaan mengintegrasikan kernel SonicMoE yang menggabungkan operasi memori dengan komputasi, plus kernel CUDA kustom untuk komputasi loss.

Hasilnya bervariasi berdasarkan ukuran model: model yang lebih kecil mengalami peningkatan throughput sekitar 2x, sementara arsitektur yang lebih besar seperti Kimi-K2 mencapai peningkatan 6x. Platform kini menangani dataset hingga 100GB dan model yang melebihi 100 miliar parameter.

Model baru yang tersedia untuk fine-tuning mencakup varian Qwen 3.5 (hingga 397B parameter), Kimi K2 dan K2.5, serta GLM-4.6 dan 4.7.

Penambahan Praktis

Pembaruan ini mencakup estimasi biaya sebelum eksekusi pekerjaan dan pelacakan progres langsung dengan estimasi penyelesaian dinamis—fitur yang terdengar dasar tetapi mencegah kejutan anggaran yang membuat eksperimen berisiko.

XY.AI Labs, yang dikutip oleh Together AI sebagai contoh pelanggan, melaporkan perpindahan dari siklus iterasi mingguan ke harian sambil memangkas biaya 2-3x dan meningkatkan akurasi dari 77% menjadi 87% menggunakan API fine-tuning dan deployment platform.

Konteks Pasar

Waktunya sejalan dengan lonjakan pengeluaran infrastruktur AI. Pendanaan startup di sektor AI mencapai $220 miliar dalam dua bulan pertama 2026, menurut laporan terbaru, dengan sebagian besar modal tersebut mengalir ke infrastruktur pelatihan dan inferensi.

Together AI memposisikan dirinya sebagai alternatif untuk membangun infrastruktur AI internal, menawarkan akses ke lebih dari 200 model open-source melalui platformnya. Penawaran perusahaan—menghilangkan kompleksitas infrastruktur sehingga tim dapat fokus pada pengembangan produk—kini meluas ke alur kerja post-training yang semakin canggih yang sebelumnya merupakan domain laboratorium riset dengan sumber daya yang baik.

• together ai
• infrastruktur ai
• fine-tuning
• machine learning
• enterprise ai