Tinker（Thinking Machines）

是什么

Tinker 是 Thinking Machines Lab 宣布的一项托管 API，用于微调语言模型，公告日期为 2025 年 10 月 1 日 ^[1]。微调（fine-tuning）是指在特定数据上对已有模型继续训练，使其更好地完成某项任务。该服务允许用户控制算法和数据，而分布式训练则由 Thinking Machines 在其自有集群上运行 ^[1][2]。集群（cluster）是由多台相连的计算机组成、共同完成一项大型任务的计算单元。

由来

Tinker 与 Tinker Cookbook 同时推出，后者是一个开源的后训练（post-training）方法合集 ^[1]。后训练是模型初始训练之后的阶段，用于塑造模型在特定用途中的行为。

主要特点

Tinker 使用 LoRA，使多个训练任务可以共享同一个计算资源池，从而降低每次训练的成本 ^[1]。它开放了底层原语（primitives），包括 forward_backward 和 sample ^[1]。

推出时，该服务支持的开放权重模型包括混合专家（mixture-of-experts）模型 Qwen-235B-A22B。更换模型规模只需在 Python 代码中修改一个字符串 ^[1]。早期用户包括普林斯顿大学的 Goedel 团队、斯坦福大学的一个化学研究组、伯克利的 SkyRL 团队，以及 Redwood Research ^[1]。

Tinker 以免费的私有测试版形式推出，需要排队候补，按用量计费的定价将在之后推出 ^[1]。

应用程序编程接口（API）是一组规则，使一个程序能够向另一个程序请求服务。对于 Tinker 而言，开发者编写代码向服务发送训练指令，而硬件及其管理仍由提供方负责。托管服务（managed service）指由提供方运行和维护的服务，用户无需自行管理服务器。

在发展中的位置

到 2026 年 8 月，Tinker 支持的模型范围进一步扩大，包括 Inkling、Qwen、Nemotron、DeepSeek-V3.1、Kimi K2.6 和 gpt-oss ^[2][3]。Inkling 在 Tinker 上线时提供 64k 和 256k 两种上下文选项 ^[2][3]。