开源模型训成自己的：Together 开放后训练

开源模型谁都能下载，但下载下来的那份，不算你的模型。Together 10 月 19 号把后训练做成了服务：配方你写，算力它出，训完的权重归你。SFT 和 RL 两条路都开。

分工线画在哪儿，是我最先看的地方。数据、奖励、环境、整个训练循环，全是你的代码；Together 管底下的 GPU、并行方案、生成引擎，还有 RL 最容易翻车的一环，生成端和训练端对不上。

它把这一步摊得很开：训练端要对齐生成端的输出精度，MoE 模型要重放同一批专家选择，旧样本要在损失里做修正。这套东西自己搭要花多久，碰过 RL 的人都有数。所以"我们跑掉难的部分"这句，我买账。

真正让我停了一下的是奖励模型那一栏：没有。奖励、判分器、沙箱都算你的代码，它只负责生成和收训练信号。效果好坏的另外半边，他们不打算替你兜。这一步放手放得对，代价也在这：配方不行，底下的工程再漂亮也救不回来。

循环写得也直白。一步 RL 就是 sample()、your_reward()、forward_backward()、optim_step()、weights_sync() 五个函数，SFT 把 sample 和同步权重两个去掉。

多个实验可以挂在一份 GPU 预留上，时费不另算；训完把适配器放到同一个端点上比，赢家拿去部署，权重整包下载。产品页和 cookbook 在这：together.ai/post-training 和 github.com/togethercomput…

现在能训的有 Z.ai 的 GLM-5.3、Moonshot AI 的 Kimi K3、Qwen3.8 27B、Qwen3.6 35B A3B。钱按 GPU 分钟算，只在资源就绪时收；排队、启动、关停免费，闲一小时资源自己停。