Together AI обновляет платформу тонкой настройки с поддержкой визуализации и рассуждений

Joerg Hiller 18:27, 18 марта 2026

Together AI добавляет вызов инструментов, трассировку рассуждений и тонкую настройку визуально-языковых моделей на свою платформу, обеспечивая 6-кратный прирост пропускной способности для моделей с более чем 100 миллиардами параметров.

Together AI представила масштабное расширение своего сервиса тонкой настройки 18 марта, добавив встроенную поддержку вызова инструментов, трассировки рассуждений и визуально-языковых моделей — возможности, которые решают постоянные проблемы команд, создающих производственные системы ИИ.

Обновление появляется в то время, когда компания, по сообщениям, ведет переговоры о раунде финансирования, который оценит её в 7,5 миллиарда $, более чем вдвое превышая её оценку в 3,3 миллиарда $ от серии B в феврале 2025 года.

Что на самом деле нового

Платформа теперь обрабатывает три категории тонкой настройки, которые ранее требовали фрагментированных обходных решений:

Вызов инструментов получает полную поддержку с использованием схем, совместимых с OpenAI. Система проверяет, что каждый вызов инструмента в обучающих данных соответствует объявленным функциям перед началом обучения — защита от галлюцинированных параметров и несоответствий схем, которые преследуют агентные рабочие процессы.

Тонкая настройка рассуждений позволяет командам обучать модели на специфических для предметной области трассировках мышления, используя выделенное поле reasoning_content. Это важно, потому что форматы рассуждений сильно различаются между семействами моделей, что затрудняет последовательное обучение без стандартизации.

Тонкая настройка визуально-языковых моделей поддерживает гибридные наборы данных, смешивающие примеры изображение-текст и только текст. По умолчанию кодировщик визуализации остается замороженным, пока языковые слои обновляются, хотя команды могут включить совместное обучение, когда требуется улучшение распознавания визуальных паттернов.

Обновление инфраструктуры

Помимо новых возможностей, Together AI заявляет о значительных приростах производительности за счет оптимизации своего обучающего стека для архитектур смеси экспертов. Компания интегрировала ядра SonicMoE, которые перекрывают операции с памятью с вычислениями, плюс пользовательские ядра CUDA для вычисления потерь.

Результаты варьируются в зависимости от размера модели: меньшие модели демонстрируют примерно 2-кратное улучшение пропускной способности, в то время как более крупные архитектуры, такие как Kimi-K2, достигают 6-кратного прироста. Платформа теперь обрабатывает наборы данных до 100 ГБ и модели, превышающие 100 миллиардов параметров.

Новые модели, доступные для тонкой настройки, включают варианты Qwen 3.5 (до 397 миллиардов параметров), Kimi K2 и K2.5, а также GLM-4.6 и 4.7.

Практические дополнения

Обновление включает оценку затрат перед выполнением задачи и отслеживание прогресса в реальном времени с динамическими оценками завершения — функции, которые звучат базово, но предотвращают бюджетные сюрпризы, которые делают экспериментирование рискованным.

XY.AI Labs, приведенная Together AI в качестве примера клиента, сообщила о переходе от еженедельных к ежедневным циклам итераций, сокращая затраты в 2-3 раза и повышая точность с 77% до 87%, используя API тонкой настройки и развертывания платформы.

Рыночный контекст

Время согласуется с ростом расходов на инфраструктуру ИИ. Финансирование стартапов в секторе ИИ достигло 220 миллиардов $ в первые два месяца 2026 года, согласно недавним отчетам, причем большая часть этого капитала направляется на обучающую и выводную инфраструктуру.

Together AI позиционирует себя как альтернативу созданию собственной инфраструктуры ИИ, предлагая доступ к более чем 200 моделям с открытым исходным кодом через свою платформу. Предложение компании — устранение сложности инфраструктуры, чтобы команды могли сосредоточиться на разработке продукта — теперь распространяется на все более сложные рабочие процессы после обучения, которые ранее были областью хорошо обеспеченных ресурсами исследовательских лабораторий.

• together ai
• инфраструктура ИИ
• тонкая настройка
• машинное обучение
• корпоративный ИИ