Tinker

Tinkerは、オープンソースモデルを研究したりその上に何かを作ったりする人向けのマネージド型トレーニングAPIだ。邪魔をしないAIモデル微調整APIと考えるといい。forward_backward、optim_step、sample、save_stateといった低レベルの部品を渡すので、訓練ループが何をするかは自分で決め、ジョブのスケジューリングとマシンの稼働維持はTinkerが担う。うたい文句はシンプルだ。アルゴリズムとデータは手元に残し、研究予算を食いがちなスケジューリング、チューニング、信頼性の仕事は手放す。

サービスは2025年10月に始まり、2025年12月にウェイトリストなしで誰でも使えるようになった。Mira MuratiがOpenAIのCTOを辞めた後に立ち上げたThinking Machines Labの製品で、チーム自身の研究、つまりLoRAは適切に設定すれば学習性能で完全な微調整に並べるという知見が土台にある。

難点は範囲だ。Tinkerが訓練できるのは自社カタログにあるモデルだけなので、モデルをゼロから事前訓練したり、自分の重みを読み込んだりはできない。さらにトークン単位の課金で、小さな実験なら安いが、一度スケールさせると費用はすぐ膨らむ。データは自分のもののままだ。Thinking Machinesによれば、データはあなたのモデルの微調整にしか使われず、同社のモデルの訓練には決して使われない。

はじめかた

1. Tinkerのサイトでアカウントを作り、ダッシュボードでAPIキーを発行する。
2. カタログからベースモデルを選び、環境にPythonクライアントをインストールする。
3. 訓練データを教師ありの例、または強化学習の環境として用意する。
4. ループの中で部品を呼び出し、勾配を計算し、重みを更新し、出力をサンプリングする。
5. save_stateでチェックポイントを保存し、残したい重みをダウンロードする。