我们很高兴与 Adaption 合作，在 Adaptive Data 中提供 Together Fine-Tuning。Adaption 由 Sara Hooker 和 Sudip Roy 联合创立，两人均曾是 Cohere 的领导者，也是 Google DeepMind 的资深成员。Adaptive Data 通过帮助团队分析数据集结构、调整示例、评估质量以及导出模型就绪数据，解决了现代模型训练中的数据挑战。Adaption 将这一系列能力描述为将通常保留给前沿实验室的数据优化技术带给日常构建者，并报告称在早期部署中数据质量平均提升了 82%。
通过这一集成，Adaption 用户可以连接他们的 Together AI 账户，通过无缝的实验工作流，以最快速度获得高质量、微调后的模型。在 Adaption 中，用户优化其训练数据集，然后直接在该数据上执行 Together 微调，并以优化后的超参数作为起点。训练完成后，微调后的模型被部署用于评估，评估结果会展示给用户；随后，用户可以在 Together AI 的高性能推理服务上部署该模型。
Together Fine-Tuning 为 Adaptive Data 用户提供了将成型数据集转化为更强大、更可靠开放模型的基础设施。它对 LoRA 和全量微调、大型开放模型以及实验可见性的支持，帮助用户快速适应、理解变化，并针对目标行为提升性能。
- Sara Hooker，Adaption 联合创始人兼 CEO
当您的微调在 Together AI 基础设施上运行时，Adaption 平台会展示胜率、损失和学习率。
为什么选择 Together Fine-Tuning
Together Fine-Tuning 是领先的开源后训练和推理提供商，专为希望自定义领先开放模型以适应其数据、而无需自行管理基础设施的团队打造。Together AI
该平台支持领先的开放模型，包括超过 100B 参数的模型，如 Kimi K2.5、GLM 5.1 或 Qwen 3.5-397B，涵盖结构化工具使用、推理和视觉语言设置。用户可以在大型数据集上进行微调，在训练开始前估算作业成本，在运行期间跟踪预计完成时间，并直接将模型导出到 Hugging Face Hub。
通过这一集成，在 Adaptive Data 中成型的数据集可以直接进入 Together Fine-Tuning 工作流。Adaptive Data 改进了上游数据集；Together Fine-Tuning 则将该数据集转化为专门的模型行为。
了解更多
→ 阅读 Adaption 的集成公告
→ 阅读 Together Fine-Tuning 的最新功能
→ 联系销售 获取微调工作流和部署支持