機器之心報道

機器之心編輯部

當前，AI 領域的研究者與開發者在關注 OpenAI、Google 等領先機構最新進展的同時，也將目光投向了由前 OpenAI CTO Mira Murati 創辦的 Thinking Machines Lab。

今年早些時候，他們推出了首款產品 Tinker：這是一個 API，用于幫開發者 / 研究人員微調語言模型。你只需要專注于訓練數據和算法，而你不擅長的關于 Infra 的部分 —— 調度、調優、資源管理和 Infra 可靠性 —— 統統由 Tinker 來搞定，從而大大簡化了 LLM 的后訓練過程。

此前，Tinker 僅向研究人員和開發者開放內部測試；而如今，Thinking Machines 宣布正式取消候選名單，所有用戶都可以直接使用 Tinker

除此以外，Tinker 還帶來了其他三項更新：

首先，更強推理能力：用戶現在可以在 Tinker 上對 Kimi K2 Thinking 進行微調。 Kimi K2 擁有萬億參數規模，是 Thinking Machines 目前規模最大的模型，專為長鏈推理和工具調用場景而設計。

其次，兼容 OpenAI API 的全新推理接口：Tinker 提供了標準的推理接口，例如：

借助本次發布，Tinker 還新增了兼容 OpenAI API 的接口封裝，用戶只需通過指定模型路徑，即可對模型進行快速采樣，即使模型仍處于訓練過程中也可以使用。

這也意味著，Tinker 現在可以即插即用地接入任何兼容 OpenAI API 的平臺。

最后，Qwen3-VL 支持視覺輸入。Tinker 新增了兩款視覺模型：Qwen3-VL-30B-A3B-Instruct 和 Qwen3-VL-235B-A22B-Instruct。借助這些模型，用戶可以在多種應用場景中處理圖片、截圖以及示意圖等視覺內容。

這些視覺輸入開箱即用，可直接應用于多種任務場景，包括監督微調和強化學習微調。

Tinker支持的模型

過去，開發者若想訓練或微調前沿大模型，必須自行采購 GPU、搭建集群、處理 CUDA/NCCL 環境、維護分布式訓練穩定性，門檻極高且成本巨大。

而 Tinker 通過將所有訓練基礎設施抽象為一個 API，使開發者無需管理任何算力資源，只需準備數據和算法即可訓練模型。更重要的是，此次更新首次讓普通開發者能夠微調萬億參數的 Kimi K2 Thinking，這本來是只有頂級實驗室才能掌握的能力，視覺輸入的加入進一步降低了 VLM 應用門檻。

對此，研究者紛紛表示：「能夠在無需自行管理 GPU 基礎設施的情況下訓練自定義圖文數據，對開發者來說是一項巨大的進步。」

使用 Tinker 訓練圖像分類模型

為了展示 Tinker 新增的視覺能力，Thinking Machines Lab 對 Qwen3-VL-235B-A22B-Instruct 進行了微調，并將其應用于多項經典圖像分類基準測試中。

具體而言，研究團隊選擇了四個常用的數據集進行評估，包括：

Caltech-101：包含 101 類常見物體的數據集Stanford Cars：涵蓋汽車品牌、型號和年份的數據集Oxford Flowers：花卉品種數據集Oxford Pets：寵物品種數據集

由于 Qwen3-VL 本質上是語言模型，研究中將圖像分類任務建模為文本生成問題：給定一張圖片，模型直接輸出對應的類別名稱。研究人員將這一方法與傳統的視覺基線方案 DINOv2 進行了對比。

DINOv2 是一種通過自監督方式訓練的視覺 Transformer，常被用作純計算機視覺任務的 backbone。對于 DINOv2，研究中在其模型之上添加了一個分類頭，用于預測所有 N 個類別的概率分布。兩種模型均采用 LoRA 方式進行微調。

圖中展示了經過微調的 Qwen3-VL-235B-A22B 與 DINOv2 在簡單圖像分類任務上的性能對比。

在小樣本數據場景下，Qwen3-VL-235B-A22B 的表現優于 DINOv2。這不僅是因為其模型規模更大，更重要的是，作為視覺語言模型（VLM），它天然具備語言知識（例如知道「向日葵」指代什么）。正是這種通用的語言與視覺聯合能力，使得 Qwen3-VL 在圖像分類之外，也能夠更方便地遷移到其他視覺任務中。

還沒體驗的小伙伴，Tinker 絕對值得一試。

https://thinkingmachines.ai/tinker/

https://thinkingmachines.ai/blog/tinker-general-availability/