機(jī)器之心報(bào)道

機(jī)器之心編輯部

當(dāng)前，AI 領(lǐng)域的研究者與開(kāi)發(fā)者在關(guān)注 OpenAI、Google 等領(lǐng)先機(jī)構(gòu)最新進(jìn)展的同時(shí)，也將目光投向了由前 OpenAI CTO Mira Murati 創(chuàng)辦的 Thinking Machines Lab。

今年早些時(shí)候，他們推出了首款產(chǎn)品 Tinker：這是一個(gè) API，用于幫開(kāi)發(fā)者 / 研究人員微調(diào)語(yǔ)言模型。你只需要專注于訓(xùn)練數(shù)據(jù)和算法，而你不擅長(zhǎng)的關(guān)于 Infra 的部分 —— 調(diào)度、調(diào)優(yōu)、資源管理和 Infra 可靠性 —— 統(tǒng)統(tǒng)由 Tinker 來(lái)搞定，從而大大簡(jiǎn)化了 LLM 的后訓(xùn)練過(guò)程。

此前，Tinker 僅向研究人員和開(kāi)發(fā)者開(kāi)放內(nèi)部測(cè)試；而如今，Thinking Machines 宣布正式取消候選名單，所有用戶都可以直接使用 Tinker

除此以外，Tinker 還帶來(lái)了其他三項(xiàng)更新：

首先，更強(qiáng)推理能力：用戶現(xiàn)在可以在 Tinker 上對(duì) Kimi K2 Thinking 進(jìn)行微調(diào)。 Kimi K2 擁有萬(wàn)億參數(shù)規(guī)模，是 Thinking Machines 目前規(guī)模最大的模型，專為長(zhǎng)鏈推理和工具調(diào)用場(chǎng)景而設(shè)計(jì)。

其次，兼容 OpenAI API 的全新推理接口：Tinker 提供了標(biāo)準(zhǔn)的推理接口，例如：

借助本次發(fā)布，Tinker 還新增了兼容 OpenAI API 的接口封裝，用戶只需通過(guò)指定模型路徑，即可對(duì)模型進(jìn)行快速采樣，即使模型仍處于訓(xùn)練過(guò)程中也可以使用。

這也意味著，Tinker 現(xiàn)在可以即插即用地接入任何兼容 OpenAI API 的平臺(tái)。

最后，Qwen3-VL 支持視覺(jué)輸入。Tinker 新增了兩款視覺(jué)模型：Qwen3-VL-30B-A3B-Instruct 和 Qwen3-VL-235B-A22B-Instruct。借助這些模型，用戶可以在多種應(yīng)用場(chǎng)景中處理圖片、截圖以及示意圖等視覺(jué)內(nèi)容。

這些視覺(jué)輸入開(kāi)箱即用，可直接應(yīng)用于多種任務(wù)場(chǎng)景，包括監(jiān)督微調(diào)和強(qiáng)化學(xué)習(xí)微調(diào)。

Tinker支持的模型

過(guò)去，開(kāi)發(fā)者若想訓(xùn)練或微調(diào)前沿大模型，必須自行采購(gòu) GPU、搭建集群、處理 CUDA/NCCL 環(huán)境、維護(hù)分布式訓(xùn)練穩(wěn)定性，門檻極高且成本巨大。

而 Tinker 通過(guò)將所有訓(xùn)練基礎(chǔ)設(shè)施抽象為一個(gè) API，使開(kāi)發(fā)者無(wú)需管理任何算力資源，只需準(zhǔn)備數(shù)據(jù)和算法即可訓(xùn)練模型。更重要的是，此次更新首次讓普通開(kāi)發(fā)者能夠微調(diào)萬(wàn)億參數(shù)的 Kimi K2 Thinking，這本來(lái)是只有頂級(jí)實(shí)驗(yàn)室才能掌握的能力，視覺(jué)輸入的加入進(jìn)一步降低了 VLM 應(yīng)用門檻。

對(duì)此，研究者紛紛表示：「能夠在無(wú)需自行管理 GPU 基礎(chǔ)設(shè)施的情況下訓(xùn)練自定義圖文數(shù)據(jù)，對(duì)開(kāi)發(fā)者來(lái)說(shuō)是一項(xiàng)巨大的進(jìn)步。」

使用 Tinker 訓(xùn)練圖像分類模型

為了展示 Tinker 新增的視覺(jué)能力，Thinking Machines Lab 對(duì) Qwen3-VL-235B-A22B-Instruct 進(jìn)行了微調(diào)，并將其應(yīng)用于多項(xiàng)經(jīng)典圖像分類基準(zhǔn)測(cè)試中。

具體而言，研究團(tuán)隊(duì)選擇了四個(gè)常用的數(shù)據(jù)集進(jìn)行評(píng)估，包括：

• Caltech-101：包含 101 類常見(jiàn)物體的數(shù)據(jù)集
• Stanford Cars：涵蓋汽車品牌、型號(hào)和年份的數(shù)據(jù)集
• Oxford Flowers：花卉品種數(shù)據(jù)集
• Oxford Pets：寵物品種數(shù)據(jù)集

由于 Qwen3-VL 本質(zhì)上是語(yǔ)言模型，研究中將圖像分類任務(wù)建模為文本生成問(wèn)題：給定一張圖片，模型直接輸出對(duì)應(yīng)的類別名稱。研究人員將這一方法與傳統(tǒng)的視覺(jué)基線方案 DINOv2 進(jìn)行了對(duì)比。

DINOv2 是一種通過(guò)自監(jiān)督方式訓(xùn)練的視覺(jué) Transformer，常被用作純計(jì)算機(jī)視覺(jué)任務(wù)的 backbone。對(duì)于 DINOv2，研究中在其模型之上添加了一個(gè)分類頭，用于預(yù)測(cè)所有 N 個(gè)類別的概率分布。兩種模型均采用 LoRA 方式進(jìn)行微調(diào)。

圖中展示了經(jīng)過(guò)微調(diào)的 Qwen3-VL-235B-A22B 與 DINOv2 在簡(jiǎn)單圖像分類任務(wù)上的性能對(duì)比。

在小樣本數(shù)據(jù)場(chǎng)景下，Qwen3-VL-235B-A22B 的表現(xiàn)優(yōu)于 DINOv2。這不僅是因?yàn)槠淠Ｐ鸵?guī)模更大，更重要的是，作為視覺(jué)語(yǔ)言模型（VLM），它天然具備語(yǔ)言知識(shí)（例如知道「向日葵」指代什么）。正是這種通用的語(yǔ)言與視覺(jué)聯(lián)合能力，使得 Qwen3-VL 在圖像分類之外，也能夠更方便地遷移到其他視覺(jué)任務(wù)中。

還沒(méi)體驗(yàn)的小伙伴，Tinker 絕對(duì)值得一試。

https://thinkingmachines.ai/tinker/

https://thinkingmachines.ai/blog/tinker-general-availability/