AREX Feed Article
Thinking Machines Lab 发布 Tinker 上线一年回顾，改版网站并新增 quickstart
北京时间 10 月 16 日凌晨 5 时 53 分（UTC 时间 10 月 15 日 21:53），Thinking Machines Lab 在 X 账号 @thinkymachines 称，「Tinker 让客户把自己的专长转化为他们拥有的前沿模型」。推文宣布：Tinker 上线一年后，公司已在官网新闻栏目发布回顾文章 （发布于 10 月 15 日），盘点这一年已上线的成果和用户正在构建的应用；还宣布，Tinker 网站已改版，并为新用户新增 quickstart（快速上手）体验。
回顾文章给出的用户结果包括：由 UIUC 和 Bridgewater 训练的 text-to-SQL 模型 ReViSQL-K2.6 在 16 选 1（SC-16）设定下达到 92.97% 准确率，略高于 92.96% 的人类基准，公司称其在准确率上超过 Fable 5 与 GPT-5.6 Sol，推理成本只有这两者的 15%。
回顾的主线：把领域专长写进训练信号，而不是停在提示词
这篇回顾把 Tinker 的立意建立在一种缺口上：训练一个有用的模型需要三种专长——对任务领域的掌握、对后训练方法的知识、运维训练基础设施的能力——它们在大型 AI 公司之外的同一个团队里很少齐备。Tinker 接管第三种：用户的数据和训练循环留在自己手里，靠 sample（生成 token）、forward_backward（计算梯度）、optim_step（更新权重）、save_state（保存训练状态）四个 API 函数，接入 Tinker 托管的 GPU 和 checkpoint（训练检查点）存储。
公司由此给出回顾的核心主张：把领域专长用到 LLM 上的常见做法是提示词工程和外部脚手架，撞上性能上限后，只能指望下一代通用模型在同一套提示词下变好、且价格可接受；专长应当进入训练信号，直接抬升模型在该任务上的表现。配套动作是数据策展——公共数据集往往有偏、易错，且内嵌的是别人的判断标准。文章举例：Glean 从自家生产轨迹中抽取工具调用方案作训练数据，Lightning Rod Labs 用真实临床记录训练预测模型，Sundial 按真实用户遇到的 LaTeX 错误筛选数据。
回顾列出的公开披露结果还包括：Sundial 的模型在「LaTeX 错误修复比例」上胜过除 GPT-6 Astra 外的所有前沿模型，成本为 Astra 的 7%。方法层面，文章引用 MIT 研究者提出的 SDFT（Self-Distillation Fine-Tuning，自蒸馏微调）：在 Qwen2.5-7B-Instruct 的工具使用准确率上，基座模型为 42.9%，标准 SFT（监督微调）提到 63.2%，SDFT 达到 70.6%，比 SFT 高 7.4 个百分点。这些数字均出自该公司自己的回顾，属当事方披露，不是独立评测。
基础设施盘点：两次零停机迁移 GPU，更新不暂停训练
按回顾的梳理，这一年的基础设施改动围绕一个要求：客户随时可以发起任意规模的训练并快速拿到结果。自动扩缩容在模型之间调度算力，公司称用户因此能一次发出数万个并发请求而不必排队；全栈内核做了优化，包括 LoRA（Low-Rank Adaptation，低秩适配）专用内核；错误诊断改进，控制台加入 Perfetto 调试；所有更新以 hitless deploy（不中断服务部署）方式发布，不暂停正在进行的训练；迁移到更新一代 GPU 的工作做了两次，全程零停机。公司称效率提升让 Tinker 运行更便宜，并已通过降价把降幅转给客户。
安全侧，回顾称安全敏感行业的需求抬高了门槛，公司以企业级控制应对：组织按项目划分，数据和训练权限随成员身份管理；管理员可用单点登录、细粒度基于角色的访问控制、审计日志 API 和程序化资源管理；数据由企业级加密和私有 VPC（虚拟私有云）连接保护。隐私承诺只有一句话：客户在 Tinker 上的全部内容归客户所有，公司从第一天起就不用它训练自己的模型。
模型与工具链：阵容从 14 个纯文本模型扩到 4B～1T
模型方面，上线时 Tinker 提供 14 个来自 Qwen 和 Llama 的模型，全部只支持文本；此后新增超过 20 个，来自 Qwen、Nemotron、Kimi、GLM、DeepSeek、GPT-OSS 和自家的 Inkling，其中多个在发布当天即上架。多数模型支持图像输入和图表文档推理，今年 7 月发布的 Inkling 补上音频。现有阵容覆盖 4B～1T 参数，含常规与长上下文变体，公司称优先收录社区点名要求的模型，并自行测试新发布的模型。
工具与方法方面，Tinker cookbook 收录 SFT 与 RL（强化学习）的既有及新方法（如 on-policy distillation，在策略蒸馏），配方覆盖数学与代码、使用工具的搜索 agent（智能体）、预测模型、视觉分类器和多智能体环境，并同时面向人和编码 agent 编写文档。开发者体验上，控制台可监控和取消 session（会话）、追踪 checkpoint 谱系、查看任务时间的去向，训练、采样、存储花费可按 session 拆分。后训练方法新增 CISPO、DRO 和 RL 自定义损失，以及面向蒸馏与打分的 top-k logprobs；公司仍认可 LoRA 的有效性，但已把全参微调作为 beta（测试版）功能开放，并考虑更大范围发布。推理侧，每个保存的 checkpoint 都可采样，Tinker Playground 提供快捷对话界面，生产推理可通过兼容 OpenAI 与 Anthropic 接口的采样 API（beta）完成；吞吐更高、交互性更强的完整版本开放了 waitlist（候补名单）。
新用户入口：quickstart 标称 30 分钟跑完安装、SFT 与 RL
跟帖所说的 quickstart 落在文档站的 ：官方标称，从全新安装到训出第一批模型约 30 分钟。路径是：用 uv（Python 包与环境管理器）初始化项目并安装 tinker 与 tinker-cookbook；用 Tinker CLI 执行 tinker auth login，或在 Tinker Console 生成 API key 设为环境变量；在 Billing（账单）页面设置付款信息；从基座模型采样；跑一个 SFT 脚本和一个 RL 脚本，再把训出的模型与原模型对比。
公司同时宣布改版了 。经直接抓取核实的当前页面以四个 API 原语、三类用例（专用 agent、预测、持续学习）、FAQ 和客户案例为主体，FAQ 写明 checkpoint 存储按 0.10 美元/GB·月计费。改版前后的逐项差异无从比对，quickstart 页面本身则可在文档站访问并核对。
用户构成变了：从私人 beta 期的四家研究团队到企业案例
Tinker 于 2025 年 10 月 1 日，当时是面向研究者与开发者的私人 beta，需排队接入，免费起步，几周后引入按用量计价。发布公告列出的早期用户有四个团队：普林斯顿 Goedel 团队训练数学定理证明器；斯坦福 Rotskoff 化学组微调模型完成化学推理任务；伯克利 SkyRL 在自定义异步 off-policy（非在策略）RL 训练循环上做多智能体、多轮工具调用实验；Redwood Research 在困难的 AI control 任务上对 Qwen3-32B 做 RL。
回顾称，第一年的早期用户是「有后训练经验的 AI 研究者」，他们想避开自管 GPU 的成本和复杂度；如今官网陈列的案例多来自企业：Glean 以 NVIDIA Nemotron 3 Nano 为基座训出的搜索模型 Waldo，把搜索延迟降低 50%、token 用量减少 25%；Chroma 基于 gpt-oss-20B 训练的检索子代理 Context-1，推理速度（tokens/sec）最高达到前沿模型的 10 倍；Axiom Math 的 AxiomProver 在 2025 年 12 月解出 Putnam 数学竞赛全部 12 题，每步证明均经 Lean 形式化验证，其中 8 题在赛期内完成，其余 4 题在赛后几天内补齐。这些案例与数字均出自该公司官网的自我陈述。
宣布帖下也有不同声音。用户 pwguler 质疑「他们拥有」的措辞：拥有模型意味着可以把权重带走，只能在对方服务器上采样，那只是租约。Tinker 官网 FAQ 对权重的既定回答是：提供 API endpoint，可下载任何已保存的 checkpoint。
第二年计划：训练之外，在商业规模上托管定制模型
回顾以计划收尾：公司观察到模型定制在多数行业的采用仍处早期，客户越来越多地想把成功的实验变成日常可用的系统，并表示计划在 Tinker 的第二年把它做成同时覆盖训练和 serving（推理托管）、面向商业规模的定制模型平台。回顾没有给出这一计划的时间表或定价细节。