Together 推出 Post-Training 服务,Deel 数小时上手同一 GPU 跑 5 个 RL 实验

togethercompute · x · 2026-10-23

Together AI 官宣 Together Post-Training 平台:为开源模型提供 RL/SFT 后训练托管,用户用 Python 写训练循环(recipe、数据、奖励、GRPO/PPO 或自定义 loss、Multi-LoRA 或全参),Together 负责底下的 GPU 容量、训练- rollout 一致性、并行配置与按模型调优的 rollout 引擎,训练完模型归用户。API 设计上一次 RL step 即 sample() → reward → forwardbackward() → optimstep() → weightssync(),支持并行 LoRA 会话和 W&B 等自选跟踪工具。

案例:Deel 数据科学团队几小时内从零到跑起真实 RL 实验,并在同一 GPU 容量上同时跑最多 5 个实验,提高单卡实验密度以加快迭代。兼容 Tinker,现也提供按需 B200。