Together AI, Özel Modeller için Together Post-Training Hizmetini Başlatıyor

Together AI, 19 Ekim 2026’da kullanıcıların tanımladığı pekiştirmeli öğrenme ve gözetimli ince ayar döngüleriyle özel modeller oluşturmaya yönelik Together Post-Training hizmetini başlattı. İlk altı hafta boyunca geçerli tanıtım fiyatı, B200 kullanımında GPU saati başına 9 dolardı.

Başlangıçta Sunulan Modeller, Fiyatlandırma ve Erken Erişim

Hizmet, hem ortam ödüllerinden yararlanarak pekiştirmeli öğrenme (RL) yoluyla hem de denetimli ince ayar (SFT) aracılığıyla denetim verilerinden özel modeller oluşturmak üzere tasarlandı. Müşteriler; veriler, ortamlar ve ajan tabanlı çalışma düzenekleri dâhil olmak üzere eğitim döngüsünü tanımlayabiliyor, ayrıca günlük kaydı veya harici kıyaslama gibi adımlar ekleyebiliyor. Together ise model kalitesini ve eğitim hızını artırmak için temel sistemleri ve altyapıyı birlikte optimize ediyor. Together, bu hizmeti geliştirme nedeninin RL altyapısının giderek karmaşıklaşması ve son eğitimden yararlanabilecek birçok şirketin altyapı yükü nedeniyle ya hiç başlamaması ya da başlayıp ilerleyememesi olduğunu belirtti.

Hizmet, açık ağırlıklı Muse Spark Open, GLM 5.3, Kimi K3 ve Qwen 3.8-27B modelleriyle kullanıma sunuluyor. Together, önümüzdeki haftalarda hem en gelişmiş büyük dil modellerini (LLM) hem de verimli, daha küçük modelleri kapsayacak şekilde seçenekleri genişleteceğini belirtti. İlk altı hafta boyunca hizmet, B200 kullanımında GPU saati başına 9 dolarlık indirimli fiyatla sunuluyor.

Together, hizmeti başlatmadan önceki birkaç ay içinde seçkin bir kuruluş grubuna erken erişim sağladı. Collinear AI araştırmacısı Adit Jain, ekibinin şirketle Post-Training beta sürümünün Nisan 2026’da kullanıma sunulmasından bu yana iş birliği yaptığını söyledi.

Özel Model Kaynakları ve GPU Dakikası Üzerinden Faturalandırma

Tüm deneyler, Together’ın Model Kaynakları adını verdiği kaynaklarda yürütülüyor: Tek bir müşteriye ayrılan ve diğer kullanıcıların öncelik talepleriyle rekabet etmeyen GPU tahsisleri. Her Model Kaynağı bir veya birden fazla Eğitim Oturumu barındırabiliyor; her oturum, aynı temel model üzerinde yürütülen tek bir deneye karşılık geliyor. Örneğin, bir oturumda tek bir LoRA bağdaştırıcıları kümesi kullanılabiliyor. Together, özel GPU tahsislerinin, modeller büyük ve yoğun bilgi gerektiren görevlere uyarlanırken LoRA’nın ötesine geçerek tüm ağırlıkların ince ayarını yapmayı da mümkün kıldığını belirtti.

Her oturumda, ileri ve geri geçişlerden ve ağırlık güncellemelerinden sorumlu bir Trainer örneğinin yanı sıra, politikadan örneklemeler (rollout) gerçekleştiren Generator örnekleri bulunuyor. Gözetimli ince ayarda, maliyetleri düşürmek için model kaynağı sıfır Generator ile başlatılabiliyor. Trainer parametrelerinin Generator’a ne zaman gönderileceğine kullanıcılar karar veriyor. Her iki bileşenin de GPU kullanımını yüksek tutmak için, özellikle uzun süreli ajan tabanlı örneklemeler sırasında, eşzamansız RL destekleniyor.

Kullanıcılar, aynı GPU kapasitesini paylaşan birden fazla LoRA bağdaştırıcısı da dâhil olmak üzere LoRA eğitimi yapabiliyor; ayrıca seçili modellerde tüm ağırlıklarla deneyler yürütebiliyor. Hizmet; çapraz entropi, GRPO, CISPO ve DPPO dâhil standart kayıpları destekliyor. Kullanıcılar özel bir eğitim hedef fonksiyonunu yerel ortamda hesaplayıp gradyanlarını Trainer’a da gönderebiliyor.

Son eğitim belgelerine göre temel SDK arayüzü, bir model kaynağı (faturalandırılan birim) oluşturan create yöntemi ile bu kaynağa eğitim oturumu ekleyen create_session yönteminden oluşuyor. Bunları her adımda yapılan çağrılar izliyor: Puanlama için tamamlamalar üreten sample_batch, kaybı hesaplayıp gradyanları geri yayan forward_backward, ağırlıkları güncelleyen optim_step ve yeni ağırlıkları Generator kopyalarına aktaran weights_sync. SFT ve DPO, tamamlamalardan örnekleme yapmadıkları için sample_batch ve weights_sync adımlarını atlıyor.

Model kaynakları GPU dakikası başına ücretlendiriliyor. Together, deneylerin ölçeği büyüdüğünde toplam eğitim maliyetlerinin token başına fiyatlandırmanın altına indiğini belirtti. Belgelerde bu model, şirketin token başına ücret alan standart ince ayar hizmetiyle karşılaştırılıyor; bu hizmette işler, çalışma sırasında müdahale imkânı olmadan tamamlanana kadar ilerliyor. Son eğitim hizmetini kullananlar ise adım adım metrikleri inceleyebiliyor, öğrenme oranını değiştirebiliyor, verileri yeniden karıştırabiliyor veya kendi belirledikleri mantığa göre çalışmayı durdurabiliyor.

Eğitim Kararlılığı ve Dağıtıma Geçiş Süreci

Together, eğitim ve çıkarım motorları arasındaki politika kaymasına yol açan pek çok etkeni ortadan kaldırdığını belirtti. Aynı ağırlıklar kullanılsa bile sayısal değerlerdeki küçük farklılıklar, RL çalışmasının beklenenden düşük performans göstermesine veya çökmesine neden olabiliyor. Şirket bunu, Rollout Routing Replay gibi standart tekniklerin yanı sıra eğitim kararlılığı araştırmalarından elde ettiği optimizasyonları kullanarak sağlıyor. Şirket, örnekleme motorlarının model sunum altyapısıyla aynı optimizasyonlardan yararlandığını; çok turlu ajanlar için akıllı önbellekleme ve yönlendirme ile optimize edilmiş paralellik ve dizi paketlemenin hem SFT hem de RL adımlarını hızlandırdığını belirtti.

Şirket, eğitim sonrasında Dedicated Model Inference hizmetinde çoklu LoRA bağdaştırıcılarının sunulmasını da destekliyor. Böylece kullanıcılar, her çalışma için ayrı bir üretim dağıtımı başlatmak yerine tek bir GPU dağıtımı içinde bağdaştırıcıları değiştirebiliyor. Together, çoklu LoRA örneklemesinden FP4 hassasiyetinde birleştirilmiş çıkarıma geçildikten sonra bile her eğitim kontrol noktasının sunum sırasında kalitesini koruduğunu belirtti.

Belgelerde eğitim, değerlendirme ve üretime alma adımlarından oluşan bir iş akışı açıklanıyor: Önce tek bir dondurulmuş temel model üzerinde birkaç bağdaştırıcı eğitiliyor; ardından adaylar tek bir çoklu LoRA dağıtımına ekleniyor ve her istekte farklı bir bağdaştırıcı belirtilerek karşılaştırılıyor. Son olarak kazanan, kendi dağıtımında birleştirilmiş modda kullanıma alınıyor. GLM-5.3 ve Kimi-K3 için bağdaştırıcıların FP4 çıkarımında kullanılmadan önce bir hazırlık adımından geçmesi gerekiyor.

İlk Kurulum, Tinker Geçişi ve İlk Kullanıcılar

Başlamak için Together SDK’nın en güncel sürümü ve belgeler gerekir. Together, GitHub’daki post-training-cookbook deposunda GSM8K kıyaslamasında GRPO eğitimi, özel bir kayıp işlevi olarak uygulanan DPO ve aynı model kaynağında birden fazla LoRA bağdaştırıcısının eğitimi konularını kapsayan yemek kitapları yayımladı. Belgelerde yemek kitabı, hazır eğitim döngülerinden oluşan bir Python kitaplığı olarak tanımlanıyor; not defterlerinde SDK’nın eşzamansız çağrıları kullanılarak tek bir model kaynağında GRPO, SFT ve çoklu bağdaştırıcı eğitimi adım adım anlatılıyor. Tinker API’sinde mevcut bir kurulumu olan ekipler için sunulan geçiş yolu, tek bir içe aktarma satırını değiştiriyor import together.post_training.tinker as tinker, bu değişiklik de bir geçiş kılavuzunda ayrıntılı olarak açıklanıyor.

Erken erişim kullanıcılarından Deel’de veri bilimi direktör yardımcısı olan Anthony Li, platformun sunduğu kontrol ve esnekliğin ekibinin birkaç saat içinde gerçek pekiştirmeli öğrenme deneyleri yapmaya başlamasını ve aynı GPU kapasitesinde eş zamanlı olarak en fazla beş pekiştirmeli öğrenme deneyi yürütmesini sağladığını söyledi. Jack & Jill’de kurucu mühendis olan Oliver Normand, ekibinin işe alım yöneticisinin görüşmek isteyeceği adayları tahmin eden bir modeli sonradan eğittiğini belirtti. Bu, şirketin Jill işe alım ajanının yürüttüğü aramanın temel adımlarından biri. Normand ayrıca, açık kaynaklı bir model kullanarak çevrimdışı değerlendirmelerde kapalı kaynaklı bir modelin kalitesine ulaştıklarını ve açık kaynaklı modeli hizmete sunmanın önemli ölçüde daha ucuz olduğunu söyledi. Ekibin ilk sonuçlarını veren betikleri Together’ın müşteriyle birlikte çalışan mühendislerinin yazdığını da ekledi.

Collinear AI’dan Jain, sorunsuz kendi kendine kurulumun tam ölçekli ajan tabanlı pekiştirmeli öğrenme çalıştırmalarını başlatmayı kolaylaştırdığını söyledi. Together’ın müşteriyle birlikte çalışan mühendisleri, açık bir model ve ajan altyapısı seçmekten veri ve eğitim ortamlarına, değerlendirmelere ve optimize edilmiş bir uç noktanın kullanıma sunulmasına kadar, sonradan eğitim sürecinin tüm aşamalarında müşterilerle birlikte çalışıyor.