Together AI 扩展微调服务：新增模型、实时指标与更细粒度控制

核心事实

据 Together AI 官方博客消息，该平台宣布扩展其微调（Fine-Tuning）服务，主要变化包括四个方面：新增对多款开放权重模型的支持，覆盖 GLM、DeepSeek、Kimi、Qwen、Gemma 等系列；为微调任务引入实时实验指标追踪，训练与评估指标可通过 API、CLI 和网页控制台查看；提供更细粒度的训练控制，包括专家层 LoRA、早停（early stopping）以及任意有效批大小支持；同时对部分模型的训练价格进行下调。

背景与影响

官方博客称，将开放权重模型转化为特定任务上的高性能模型，通常需要一系列可度量的实验，团队需要了解训练数据、跟踪每次运行进展并挑选最佳检查点。此次更新正是围绕这一流程展开。在模型支持方面，博客提到 GLM-5.3 在 Terminal-Bench 2.1 上得分 88.2，但该数字来自厂商自述，尚未获独立验证。在训练控制方面，博客称在专家层加入 LoRA 适配器后，模型对 200 条虚构事实的召回率最高可达 89%，而仅适配注意力层的方案上限为 15%；相关对比同样属于厂商自述结果。价格方面，博客称多数支持模型的训练价格下调，降幅从 30% 起，gpt-oss 系列可达 70%，并列出部分模型每百万 token 的 LoRA 训练价格变化。

限制与来源

上述内容均来自 Together AI 官方博客，属于厂商自述，未经独立核实。具体支持的模型清单、上下文长度、功能可用范围、计费方式与价格，请以 Together AI 官网及文档当前信息为准。博客中提及的基准测试分数与对比实验数据，尚未获官方之外的确认，不应视为通用性能结论。本文不构成任何投资、法律或采购建议。