Together AI 推出后训练服务，支持自定义训练循环

Together AI 推出 Together Post-Training 服务，用户可通过 SFT 监督数据或 RL 环境奖励构建自定义模型。服务提供 Model Resource（独占 GPU 分配）和 Training Session 两级抽象，每个 Session 包含负责前向/反向与权重更新的 Trainer 实例，以及执行策略 rollouts 的 Generator 实例。支持 LoRA、多 LoRA 适配器共享 GPU，以及部分模型的全权重训练；内置交叉熵、GRPO、CISPO、DPPO 等损失函数，也允许在本地计算自定义损失并把梯度发回 Trainer。首批支持 Muse Spark Open、GLM 5.3、Kimi K3、Qwen 3.8-27B。 定价按 GPU 分钟计费，前八周 B200 优惠价为每 GPU 小时 9 美元。SFT 场景可将 Generator 数量设为 0 以降低开销，多 LoRA 实验共享同一 Model Resource 也让参数扫描不必为每个配置单独预留 GPU。 对做 agentic RL 的团队来说，异步 RL 和针对多轮 rollouts 的缓存与路由优化能减少等待；训练完成后可在单个 GPU 部署中切换多 LoRA 适配器对比效果，并支持把检查点合并为 FP4 精度部署。已有 Tinker API 脚本的用户改一行 import 即可迁移。