Together AI 推出 Together Post-Training 服務：支援 RL 與 SFT 自訂訓練，首發支援 Kimi K3 與 Qwen 3.8-27B

Together AI 推出 Together Post-Training 雲端服務，讓開發者能在其平台上透過環境獎勵的強化學習（RL）與監督微調（SFT）打造客製化模型。該服務提供專屬硬體配置（Model Resources），使用者不需與其他工作競爭 GPU 優先權，支援多組 LoRA 配接器共用 GPU 容量，特定模型亦支援全權重（full-weight）訓練。 在架構設計上，每個訓練階段拆分為負責前向／反向傳播與更新權重的 Trainer 實例，以及負責 policy rollouts 的 Generator 實例。執行 SFT 時可將 Generator 數量設為 0 以節省成本；針對長 agentic rollouts 情境，平台支援非同步 RL 以維持 GPU 高利用率。損失函數除支援 cross-entropy、GRPO、CISPO、DPPO 外，也允許在本地計算自訂目標並將梯度傳送至 Trainer。此外，平台針對訓練與推論引擎進行數值對齊，採用 Rollout Routing Replay 等技術以消除策略漂移（policy drift）。 Together Post-Training 首波支援的開源模型包含 Muse Spark Open、GLM 5.3、Kimi K3 以及 Qwen 3.8-27B，官方表示未來數週內將陸續擴增更多模型陣容。