由OpenAI前首席技术官(CTO)米拉·穆拉蒂(Mira Murati)创立的AI初创公司Thinking Machines Lab宣布，其人工智能模型微调服务“Tinker”正式进入通用可用性(General Availability)阶段，开启了商业化进程。
总部位于硅谷的Thinking Machines自今年2月成立以来，仅用10个月时间，便从发布Tinker的早期版本发展到实现全面产品化。该公司已于今年6月成功获得20亿美元（约合2.88万亿韩元）的种子轮投资，此轮投资中，英伟达(NVDA)、AMD(AMD)和ServiceNow(NOW)等科技行业的主要参与者作为投资方加入，引发了广泛关注。近期，公司还聘请了在Meta共同开发PyTorch的苏米斯·钦塔拉(Soumith Chintala)，大幅增强了技术实力。
Tinker是一项优化“微调(Fine-Tuning)”过程的云服务，该过程旨在使大语言模型(LLM)适应特定任务。与传统方法需要重新调整整个模型参数不同，Tinker的优势在于采用了“低秩自适应(Low-Rank Adaptation, LoRA)”技术，能够以更少的计算资源快速执行。LoRA的设计原理是向模型添加少量辅助参数，并仅训练这部分参数，从而大幅降低速度和成本。
Tinker的LoRA实现被认为在效率和品质之间取得了平衡。公司强调，尽管通常LoRA方法存在输出精度较低的局限，但Tinker能够提供与传统方法相近水平的输出质量。此外，与以往需要专家级代码优化才能利用多GPU的系统不同，Tinker的设计仅需一行Python脚本即可在多重GPU环境中自动运行，大大提高了易用性。
该服务还提供了多种附加功能，包括定期保存训练过程中的数据，以便在发生故障时回滚到最后稳定点；以及实时输入测试提示词以检查和调整响应的采样工具。
其支持的模型范围也大幅扩展。参数高达1万亿的Kimi K2专为复杂的执行环境交互而设计，单次会话最多可调用300个工具。视觉模型Qwen3-VL-30B-A3B-Instruct采用轻量化结构，适合轻量级设备；而Qwen3-VL-235B-A22B-Instruct则拥有能够处理大规模输入数据的宽上下文窗口优势。
Thinking Machines目前也正积极推进新一轮融资。据近期报道，公司正在推动一轮规模达50亿美元（约合7.2万亿韩元）的新融资轮次，其企业估值预计将达到500亿美元（约合72万亿韩元）。市场观察人士认为，以此为基础，除了Tinker之外，公司后续还可能进行多种AI工具平台收购并推出新产品。
微调与LLM效率优化正崛起为下一代生成式AI竞争的核心技术，预计这将加速高度定制化的企业级解决方案的开发。在此趋势下，Tinker的商业化被视为AI产业迈向下一阶段的一个重要里程碑。
