Together AI запустила Together Post-Training: дообучение Qwen, GLM и Kimi в свою модель за $9 в час B200
Together AI запустила Together Post-Training — сервис, где компания дообучает открытую модель вроде Qwen, GLM или Kimi на своих данных и получает собственную модель. Первые восемь недель час работы видеокарты B200 стоит $9, а цикл обучения клиент пишет сам.
19 октября американская Together AI, которая сдаёт в аренду мощности и открытые модели, объявила о запуске Together Post-Training. Это сервис дообучения: берёте готовую открытую модель, учите её на своих примерах или на системе оценок и получаете модель под свою задачу. На старте доступны четыре модели, среди них GLM 5.3, Kimi K3 и Qwen 3.8-27B. Вводная цена на первые восемь недель — $9 за час работы одной видеокарты B200.
Что именно умеет Together Post-Training
Главное отличие от обычного дообучения у той же Together AI: цикл обучения целиком задаёт клиент. Данные, среда, в которой модель пробует и получает оценку, обвязка для ИИ-агентов, свои шаги вроде журналов и внешних тестов. Компания берёт на себя железо и скорость.
| Что | Как у Together AI |
|---|---|
| Модели на старте | четыре, в том числе GLM 5.3, Kimi K3, Qwen 3.8-27B; новые обещают в ближайшие недели |
| Способы обучения | SFT — на готовых примерах; RL — по оценкам из среды, в том числе асинхронно |
| Функции потерь | стандартные (cross-entropy, GRPO, CISPO, DPPO) и свои, которые считаются на стороне клиента |
| Глубина | LoRA-адаптеры, несколько адаптеров на одних мощностях; полное дообучение весов — для части моделей |
| Мощности | выделенные видеокарты, не делятся с другими клиентами |
| Цена | $9 за час B200 первые восемь недель, счёт поминутно |
| Запуск модели | несколько адаптеров на одном развёртывании или слитая модель в точности FP4 |
| Переезд с Tinker | смена одной строки импорта |
Готовую модель, по словам компании, можно развернуть где угодно, дообучать дальше или запускать у себя. Как именно выгружаются веса, в объявлении не расписано.
Цифр качества в объявлении нет. Есть отзывы клиентов. Сервис найма Deel пишет, что гоняет до пяти экспериментов RL одновременно на одних и тех же видеокартах. Платформа найма Jack & Jill дообучила модель, которая угадывает, каких кандидатов захочет видеть нанимающий руководитель. В их внутренних тестах она сравнялась по качеству с закрытой моделью, а обслуживать её заметно дешевле. Насколько дешевле, не сказано.
Что это значит для бизнеса в России
Своя модель на своих данных перестаёт быть проектом для крупной лаборатории. Есть открытая база, понятная цена часа и готовые примеры: обучение на школьных задачах по математике, своя функция потерь, несколько адаптеров на одних мощностях. Но прежде чем считать часы, стоит решить три вопроса.
1. Нужна ли вообще своя модель. Дообучение окупается, когда задача узкая и повторяется тысячи раз: разбор звонков по одному чек-листу, ответы по своему каталогу, классификация заявок, проверка документов по шаблону. История Jack & Jill как раз про это: узкая задача, открытая модель вместо дорогой закрытой. Если запросы каждый раз разные, дешевле и быстрее хорошая инструкция к готовой модели.
2. Сколько это стоит. Пример расчёта по вводной цене: восемь видеокарт B200 на десять часов — это 80 часов, или $720. Сколько часов уйдёт на вашу задачу, заранее не скажет никто: это зависит от размера модели, объёма данных и числа попыток. Счёт поминутный, но к цене обучения добавятся сбор и разметка примеров, проверки качества и запуск модели в работу. И помните, что $9 — цена только на восемь недель.
3. Где лежат данные. О работе с Россией в объявлении ничего нет, а оплата зарубежных облаков из России сложна сама по себе. Важнее другое: если в обучающих примерах есть персональные данные клиентов, закон требует обрабатывать их в России. Записи разговоров, анкеты и переписку перед отправкой за рубеж нужно обезличить или учить модель на своих мощностях. Сама идея от этого не меняется: открытые модели с открытыми весами можно дообучать и в российском облаке, а сервисы вроде этого задают ориентир по цене и по тому, как устроен процесс.
Что делать практически. Начать с задачи, а не с модели: собрать реальные примеры из своей работы, описать, что считается хорошим ответом, и проверить готовую модель с инструкцией. Если она не дотягивает и это видно на цифрах — тогда дообучать.
Такую инженерную работу — сбор данных из CRM и 1С, скрипты подготовки, сервис для проверки качества и встраивание модели в рабочие программы — берёт на себя IT-специалист КАРАДЕСК, код и документация остаются у клиента. Из чего складывается бюджет на внедрение ИИ, мы разбирали в статье «Стоимость внедрения ИИ в бизнес». О том, почему дешевеют сами вычисления, — в новости про TorchNeuron от Amazon, а о российской открытой базе для своих моделей — в новости про Alice AI Foundation.
Коротко
- Together AI запустила Together Post-Training — дообучение открытых моделей через SFT и RL.
- На старте четыре модели, среди них GLM 5.3, Kimi K3 и Qwen 3.8-27B; новые обещают в ближайшие недели.
- Вводная цена — $9 за час B200 на первые восемь недель, счёт поминутно.
- Цикл обучения пишет клиент, готовую модель можно развернуть где угодно.
- Для России главное — персональные данные: их нужно обезличить или учить модель внутри страны.
Вопросы и ответы
Что такое Together Post-Training?
Сервис Together AI для дообучения открытых моделей на своих данных: через примеры (SFT) или через оценки из среды (RL). Клиент сам задаёт цикл обучения, компания даёт выделенные видеокарты.
Сколько стоит дообучение в Together Post-Training?
Первые восемь недель — $9 за час работы одной видеокарты B200, оплата поминутно. Итог зависит от модели, объёма данных и числа попыток.
Можно ли пользоваться сервисом из России?
В объявлении о России ничего не сказано. Если в данных есть персональные данные клиентов, их нельзя просто отправить за рубеж: нужно обезличивание или обучение на мощностях в России.
Когда бизнесу нужна своя модель, а не готовая?
Когда задача узкая и массовая, а готовая модель с хорошей инструкцией не дотягивает по качеству или стоит слишком дорого на больших объёмах.
Продукт: IT-специалист
Обсудим вашу задачу
Оставьте телефон — перезвоним в рабочее время, покажем демонстрацию на вашем сценарии и честно скажем, где ИИ не подойдёт.
