Tinker 結束內測全面開放：支援微調 Kimi K2 與視覺輸入

想要微調一個頂級大模型，最讓人頭疼的往往不是準備資料，而是等資格名單、啃各家互不相通的專有介面。

Thinking Machines 宣佈旗下模型微調平臺 Tinker 正式結束測試排隊，全面向公眾開放。伴隨這次全面上線的，還有四個實打實的功能更新：支援萬億引數推理模型 Kimi K2 Thinking、相容 OpenAI API 的推理呼叫、以及基於 Qwen3-VL 的視覺輸入微調。

視覺模型入場，分類任務直接變生成

Tinker 這次一口氣引入了兩個視覺多模態模型，分別是 Qwen3-VL-30B-A3B-Instruct 和引數更大的 Qwen3-VL-235B-A22B-Instruct。使用者可以直接把圖片和文本拼接在一起，塞進平臺做監督微調或強化學習微調。

輸入格式做得很直觀，只需把圖片的位元組資料打包成影像塊，和文本編碼塊交錯拼在一起就能發給模型。不管是處理常規照片、軟體截圖還是架構圖表，都不需要自己寫複雜的視覺特徵轉換程式碼。

為了展示多模態微調的效果，官方還做了一組對比實驗。他們把 Qwen3-VL-235B 當作影像分類器來微調，讓模型看到圖片後直接輸出類別名稱，測試了 Caltech 101、Stanford Cars、Oxford Flowers 和 Oxford Pets 這四個經典資料集。

對比的基準是傳統純視覺模型 DINOv2-base。實驗發現，在每個類別只有單個樣本的極端少樣本場景下，Qwen3-VL 憑藉自帶的通用語言與常識先驗，分類準確率明顯壓過了額外接分類頭的 DINOv2。

除了視覺模型，Tinker 這次還上線了萬億引數的 Kimi K2 Thinking。這是目前該平臺支援的最大模型，專門針對長思維鏈推理和外部工具呼叫場景進行了最佳化。

邊訓練邊呼叫，直接套用 OpenAI 介面

另一個讓工程落地省事不少的改進是推理介面的統一。以往呼叫 Tinker 模型需要走平臺特定的取樣函式，而現在它提供了一套相容 OpenAI API 的呼叫框架。

開發者只需要在模型名稱裡傳入特定的檢查點路徑，就可以直接用現成的 OpenAI 客戶端發起請求。更方便的是，哪怕模型當前還在訓練過程中，也能通過指定路徑立即取樣看效果。

這意味著只要原本的專案基於 OpenAI 介面搭建，不需要重構整套評測或業務管道，就能把 Tinker 正在微調的模型插拔進去。

為什麼重要

對開發者和中小團隊來說，這次開放把微調門檻實打實地拉低了一大截。以往要想玩轉萬億引數推理模型或超大視覺模型，光是自建分散式訓練環境和介面閘道器就能把人勸退，現在直接在 Tinker 上點開就能開工。

相容 OpenAI API 這一步走得相當聰明。現在市面上大量評估工具、Agent 框架和現成工作流都預設綁死在 OpenAI 介面規範上，Tinker 順水推舟支援了這個協議，甚至允許在模型訓練的中途直接抽樣，省去了工程師自己搭評估指令碼的力氣。

從技術路線上看，用 VLM 做影像分類並和 DINOv2 對比的做法也很有說服力。在很多企業真實業務裡，標註資料極其稀缺，動輒幾百張圖就要上線，多模態大模型靠自帶的語義先驗搞定少樣本分類，比從頭訓練純視覺頭要省心得多。

不過這也存在隱患。萬億引數模型和 235B 級別的視覺 MoE 跑起來算力成本並不低，分類任務用自迴歸生成雖然泛化好，但推理時延和算力消耗遠非輕量級視覺模型可比，大家在上生產環境前還是得仔細算算賬。