ИИ по подписке больше не нужен: теперь модели можно обучать самому — даже без кластера

Стартап Thinking Machines Lab, созданный бывшими исследователями OpenAI, представил свой первый продукт — платформу Tinker, предназначенную для автоматизации создания и настройки пользовательских моделей искусственного интеллекта. Разработчики называют её шагом к "демократизации" передовых технологий ИИ, доступных ранее лишь крупным компаниям и исследовательским центрам.

Зачем нужен Tinker

Тонкая настройка больших языковых моделей — процесс трудоёмкий и дорогостоящий. Обычно он требует:

• покупки или аренды GPU-кластеров;

• настройки распределённых вычислений;

• использования множества инструментов для устойчивой работы обучения.

До сих пор доступ к подобным технологиям имели в основном IT-гиганты и университетские лаборатории. Tinker упрощает этот процесс и делает его доступным даже для небольших команд или отдельных энтузиастов.

Соучредитель и CEO стартапа Мира Мурати пояснила:

"Мы уверены, что Tinker поможет исследователям и разработчикам экспериментировать с моделями и сделает передовые возможности гораздо более доступными для всех", — заявила соучредитель и генеральный директор Thinking Machines Мира Мурати.

Как работает Tinker

Инструмент автоматизирует большую часть рутинных задач при тонкой настройке. Пользователь получает доступ к базовому API с низкоуровневыми примитивами:

• forward_backward - для оптимизации обучения;

• sample - для генерации данных;

• дополнительные инструменты постобучения.

Для удобства доступна библиотека Tinker Cookbook, которая содержит современные реализации методов обучения, готовые к использованию поверх API.

Кроме того, в платформу встроена поддержка LoRA (Low-Rank Adaptation) — подхода, позволяющего запускать несколько процессов обучения на одном пуле ресурсов и существенно снижать издержки.

По словам ветерана OpenAI Джона Шульмана:

"Есть много секретной магии, но мы даём людям полный контроль над циклом обучения. Мы абстрагируемся от деталей распределённого обучения, но по-прежнему предоставляем людям полный контроль над данными и алгоритмами", — пояснил Джон Шульман.

Кто уже использует Tinker

Несмотря на то, что инструмент пока находится в стадии закрытой беты, его уже успели протестировать исследовательские команды:

• группа из Принстона обучила модель для доказательства математических теорем;

• исследователи Стэнфорда доработали модель для решения задач по химии.

По отзывам бета-тестеров, Tinker оказался мощнее и удобнее аналогичных решений на рынке.

Сравнение: традиционный процесс и Tinker

Ошибка → Последствие → Альтернатива

• Ошибка: вручную управлять распределённым обучением без опыта.

• Последствие: сбои, перерасход ресурсов.

• Альтернатива: использовать автоматизацию Tinker с сохранением контроля над данными.

• Ошибка: запускать обучение только на собственных GPU.

• Последствие: высокие издержки.

• Альтернатива: задействовать LoRA и совместные ресурсы.

• Ошибка: ограничиваться готовыми моделями.

• Последствие: низкая адаптация к специфическим задачам.

• Альтернатива: тонкая настройка моделей под конкретные бизнес-кейсы.

А что если Tinker станет массовым продуктом?

Если Tinker выйдет за рамки закрытой беты и получит широкую аудиторию, это может радикально изменить рынок ИИ. Настройка собственных моделей перестанет быть уделом гигантов и станет доступной малому и среднему бизнесу. Это откроет новые ниши — от медицины до образования.

Плюсы и минусы Tinker

FAQ

Кому доступен Tinker?
Сейчас только исследователям и разработчикам в рамках закрытого бета-тестирования.

Будет ли платной?
На старте — бесплатный доступ, тарифы будут объявлены в ближайшие недели.

Можно ли обучать собственные модели с нуля?
Да, но основное преимущество Tinker — тонкая настройка существующих моделей.

Какие модели поддерживаются?
Поддерживаются открытые модели, включая крупные вроде Qwen-235B-A22B.

Мифы и правда

• Миф: Tinker убирает необходимость понимать машинное обучение.

• Правда: инструмент автоматизирует рутину, но контроль над данными и алгоритмами остаётся за пользователем.

• Миф: это просто оболочка для существующих решений.

• Правда: Tinker предоставляет собственное API и библиотеку Cookbook.

• Миф: продукт ориентирован только на бизнес.

• Правда: доступен и для исследователей, и для энтузиастов.

3 интересных факта

1. Мира Мурати провела 6,5 лет в OpenAI, работала над ChatGPT и другими ключевыми проектами.

2. В ноябре 2023 года она временно исполняла обязанности CEO OpenAI после увольнения Сэма Альтмана.

3. Thinking Machines Lab позиционирует себя как стартап, делающий упор не на гонку за "сверхразумом", а на создание адаптируемых решений для конкретных задач.

Исторический контекст

• 2010-е: первые эксперименты с тонкой настройкой открытых моделей.

• 2020-2022: рост популярности open-source LLM и развитие LoRA.

• 2023-2024: массовое внедрение ИИ в бизнес, рост потребности в кастомизации.

• 2025: Thinking Machines Lab запускает Tinker — инструмент, делающий кастомный ИИ доступным.