Together AI 与 Adaption 合作宣布

Together AI 与 Adaption 今日正式宣布达成战略合作，将 Together Fine-Tuning 原生集成到 Adaption 的 Adaptive Data 平台中。此举旨在帮助团队更高效地优化数据集、执行微调、评估模型性能并部署更强大的开放模型。

Adaption 由 Sara Hooker 和 Sudip Roy 联合创立，两人此前分别担任 Cohere 和 Google DeepMind 的领导者。Adaptive Data 平台专注于解决现代 AI 模型训练中的数据挑战，提供数据集结构分析、样本调整、质量评估以及模型就绪数据导出等功能。Adaption 表示，该平台将通常仅限于前沿实验室的数据优化技术普及给普通开发者，早期部署中数据质量平均提升了 82%。

通过此次集成，Adaption 用户可以将自己的 Together AI 账户关联起来，实现从数据优化到模型微调的无缝工作流。用户在 Adaptive Data 中优化训练数据集后，可以直接在 Together AI 上以优化后的超参数为起点执行微调。训练完成后，微调模型会自动部署用于评估，评估结果会清晰展示给用户。随后，用户可以选择在 Together AI 的高性能推理服务上部署模型。

Together Fine-Tuning 是领先的开源后训练和推理平台，专为希望自定义开放模型但无需管理底层基础设施的团队设计。该平台支持包括 Kimi K2.5、GLM 5.1 和 Qwen 3.5-397B 在内的超过 1000 亿参数的大型开放模型，覆盖结构化工具使用、推理和视觉语言等场景。用户可以在大规模数据集上进行微调，在训练开始前预估成本，在运行过程中跟踪预计完成时间，并直接将模型导出到 Hugging Face Hub。

Adaption 联合创始人兼 CEO Sara Hooker 表示：“Together Fine-Tuning 为 Adaptive Data 用户提供了将优化数据集转化为更强、更可靠开放模型的基础设施。它支持 LoRA 和全参数微调、大型开放模型以及实验可见性，帮助用户快速迭代、理解变化并针对目标行为提升性能。”Adaption 平台会在微调运行期间展示胜率、损失和学习率等关键指标。

这一整合使得在 Adaptive Data 中优化好的数据集可以直接流入 Together Fine-Tuning 工作流。Adaptive Data 改善上游数据集的质量，而 Together Fine-Tuning 则将这些数据转化为专门的模型行为。双方的合作将显著缩短团队从数据准备到模型部署的周期，推动开放模型生态的发展。