Together AI 微調服務升級：支援 GLM-5.3 等新模型，新增 Expert LoRA 控制並降價最高 70%

Together AI 宣布擴展其微調（Fine-Tuning）服務，新增多款開源權重模型支援，包含 GLM-5.1 至 5.3 系列、DeepSeek-V4-Flash 變體、Kimi K2.6 與 K2.7-Code、Qwen 3.5 至 3.8 系列，以及 Gemma 4 變體。官方指出，其中 GLM-5.3 在 Terminal-Bench 2.1 評測中獲得 88.2 分。 在實驗追蹤方面，微調任務現在會在每個訓練與評估步驟記錄損失（loss）、梯度範數與學習率。開發者可透過 API、CLI 或 UI 儀表板即時查看數據，並在同一圖表中比較多個執行中的任務曲線。 針對訓練控制，Together AI 針對混合專家（MoE）模型推出 Expert LoRA 功能。傳統 LoRA 僅微調注意力層，新功能允許將適配器（adapters）應用於專家層。官方測試顯示，在教導模型 200 個虛構事實時，包含專家層的適配器能將新知識回憶率從 15% 提升至 89%，並在 MMLU-Pro 評測中以 75.3% 勝過僅微調注意力層的 71.5%。 此外，系統加入提早停止（Early stopping）機制，當驗證損失觸頂平緩時會自動終止訓練，保留最佳檢查點並自動退還未使用的訓練步驟費用。針對大型模型或長序列，現可透過設定梯度累積步驟（gradient accumulation steps）來支援超出單一 GPU 記憶體限制的任意批次大小（batch size）。 官方同時宣布調降多數支援模型的微調價格，降幅從 30% 起跳，部分模型（如 gpt-oss 系列）最高可達 70%。