آزمایشگاه ماشین‌های فکری API آموزشی Tinker را به‌صورت عمومی در دسترس قرار داده و سه ویژگی اصلی شامل پشتیبانی از مدل استدلالی Kimi K2، نمونه‌برداری سازگار با OpenAI و ورودی تصویری از طریق مدل‌های زبانی Qwen3-VL را افزوده است. این تغییرات برای مهندسان هوش مصنوعی راهکاری عملی برای تنظیم مدرن مدل‌ها بدون نیاز به زیرساخت توزیع‌شده ارائه می‌دهد.

عملکرد Tinker

Tinker یک API آموزشی است که بر تنظیم مدل‌های زبان بزرگ تمرکز دارد و از اجرای پیچیده آموزشی توزیع‌شده مراقبت می‌کند. با یک حلقه ساده پایتون، شما داده‌ها یا محیط RL، تابع از دست دادن و منطق آموزشی را تعریف می‌کنید. سرویس Tinker این حلقه را به صورت دقیق روی یک خوشه GPU اجرا می‌کند.

دسترسی عمومی و Kimi K2 Thinking

در به‌روزرسانی دسامبر 2025، Tinker اکنون بدون نیاز به لیست انتظار در دسترس است و کاربران می‌توانند به راحتی ثبت‌نام کرده و با مدل‌های موجود به کار بپردازند. کاربران می‌توانند مدل moonshotai/Kimi-K2-Thinking را روی Tinker تنظیم کنند.

نمونه‌گیری سازگار با OpenAI در حین آموزش

در نسخه جدید، یک مسیر دوم برای نمونه‌گیری معرفی‌شده به‌گونه‌ای که با رابط تکمیلی OpenAI سازگار است. مدل سپرده‌شده در Tinker قابل‌دسترسی است.

ورودی تصویری با Qwen3-VL

قابلیت اصلی دوم، ورودی تصویری است. Tinker اکنون دو مدل زبانی تصویری Qwen3-VL را در اختیار دارد که از همان سطح API برای آموزش و نمونه‌برداری استفاده می‌کنند.

مقایسه Qwen3-VL و DINOv2 در طبقه‌بندی تصاویر

تیم Tinker مدل Qwen3-VL-235B-A22B-Instruct را به عنوان یک طبقه‌بندی‌کننده تصویر تنظیم کرده‌اند. این فرآیند با استفاده از مجموعه داده‌های استاندارد انجام شده است.

نتیجه‌گیری

  1. Tinker اکنون بدون نیاز به زیرساخت توزیع شده در دسترس عمومی قرار دارد.
  2. پلتفرم از مدل Kimi K2 Thinking پشتیبانی می‌کند.
  3. رابط نمونه‌گیری سازگار با OpenAI افزوده شده است.
  4. ورودی تصویری از طریق مدل‌های Qwen3-VL پشتیبانی می‌شود.
  5. مدل Qwen3-VL 235B عملکرد قوی در طبقه‌بندی تصویر دارد نسبت به DINOv2.