AI微調整プラットフォーム「Tinker」が一般公開、Kimi K2や画像入力に対応

大規模モデルの微調整はこれまで、ウェイティングリストの順番待ちや独自SDKへの対応に追われるのが常でした。

Thinking Machinesは12月12日、ファインチューニングプラットフォーム「Tinker」の一般提供を開始しました。これに伴いウェイティングリストが撤廃され、誰でも即座にサインアップして利用できるようになっています。

1兆パラメータの推論モデルと視覚入力への対応

今回のリリースでは、4つの大きなアップデートが盛り込まれました。目玉の一つが、1兆パラメータを誇る推論特化型モデル「Kimi K2 Thinking」の微調整対応です。Tinkerがサポートするモデルとしては過去最大規模で、長大な思考プロセスや外部ツールの利用に適した設計となっています。

さらに画像入力への対応として、Qwen3-VLシリーズから30Bモデルと235Bモデルの2種が追加されました。写真やスクリーンショット、各種図解などをテキストと混在させて入力し、SFTや強化学習でチューニングすることが可能です。

同社は視覚機能の実力を示すため、画像分類を「クラス名のテキスト生成タスク」として解く検証結果を公開しました。対象となったのは、Caltech 101、Stanford Cars、Oxford Flowers、Oxford Petsの4つの標準データセットです。

比較対象として純粋な自己教師ありビジョンモデル「DINOv2-base」を用意し、両者をLoRAで微調整しました。その結果、クラスごとの教師データがわずか1枚といった極端にデータが少ない環境において、言語知識をあらかじめ持っているQwen3-VLがDINOv2を一貫して上回る精度を示しました。

学習中チェックポイントをOpenAI互換APIで即座にサンプリング

開発者にとって使い勝手を大きく向上させるのが、OpenAI API互換のサンプリング機能です。

OpenAIの公式クライアントライブラリを使い、モデル識別子にTinker固有の重みパスを指定するだけで、標準的な補完リクエストを投げられます。モデルが学習中であっても、その時点のチェックポイントを指定してリアルタイムに推論出力を確認できます。

既存の評価基盤やプロンプト管理ツールがOpenAI仕様に準拠していれば、コードを書き直すことなくTinkerの学習モデルへ差し替えることが可能です。

なぜ重要か

大規模言語モデルの微調整環境において、プロトタイピングの障壁を大幅に引き下げたアップデートと言えます。特に1兆パラメータ級の推論モデルや巨大なマルチモーダルモデルは、自前でインフラを整えるだけでも膨大なコストがかかるため、クラウドで手軽に扱える価値は大きいです。

学習中のチェックポイントをOpenAI API互換で叩ける仕様は、現場の実態をよく分かっている設計だと評価できます。エンジニアはいちいち専用スクリプトを書かずに、手持ちの評価フレームワークへURIを渡すだけで進捗確認や品質検証を行えます。

また、マルチモーダルモデルを用いた少样本画像分類の提案も示唆に富んでいます。実務ではラベル付き画像が不足しがちですが、既存の言語・画像知識をベースにテキスト生成として解くアプローチは、データ収集コストの削減に直結します。

ただし、数千億から1兆パラメータ規模のモデルを運用するには、依然として高額な推論コストとレイテンシが伴います。精度面での優位性が高いとはいえ、本番運用のトラフィックに耐えうるコスト構造かどうかは冷静に見極める必要があります。