Mira Murati – nazwisko, które wielu osobom kojarzy się z czasami, gdy kierowała technologicznymi działaniami OpenAI – wraca na pierwsze strony branżowych newsów. Razem z zespołem badaczy z najwyższej półki (wśród nich nazwiska, które na konferencjach AI wywołują oklaski szybciej niż darmowe pączki na uczelni) założyła startup Thinking Machines Lab. A dziś zaprezentowali oni coś, co może zmienić sposób, w jaki rozwija się sztuczną inteligencję: Tinker.
To API, które pozwala programistom i naukowcom dostosowywać duże modele językowe do własnych potrzeb – bez wchodzenia w bagno zarządzania skomplikowaną infrastrukturą. Jak to ujęli sami twórcy: Wy eksperymentujcie z algorytmami i danymi, a my ogarniemy serwery, rozproszone trenowanie i awarie. Brzmi jak marzenie? Cóż, niektórym zespołom badawczym to marzenie już się spełnia.
Co potrafi Tinker?
- Umożliwia fine-tuning zarówno w trybie nadzorowanym, jak i przy użyciu RL (reinforcement learning).
- Obsługuje otwarto-źródłowe modele – od Meta Llama po Qwen od Alibaby, także w gigantycznych wersjach liczących setki miliardów parametrów.
- Przełączenie się z małego modelu na wielkiego molocha to… zmiana jednego stringa w Pythonie.
Na deser dochodzi jeszcze Tinker Cookbook – open-source’owa biblioteka z gotowymi implementacjami metod post-treningowych. Bo jak wiadomo, diabeł tkwi w szczegółach, a detale w AI potrafią spalić niejeden projekt.
Kto już korzysta?
Lista pierwszych użytkowników robi wrażenie: Princeton, Stanford, Berkeley i Redwood Research.
- Princeton trenował swoje automatyczne dowodziki matematyczne.
- Stanford sprawdził, czy model można nauczyć chemicznego rozumowania.
- Berkeley poszedł w multi-agentowe eksperymenty z RL.
- Redwood Research trenował model Qwen na wymagających zadaniach z kontroli AI.
Czyli w praktyce: Tinker nie jest tylko obietnicą, ale już teraz działa w laboratoriach, które definiują przyszłość sztucznej inteligencji.
Ile to kosztuje?
Na razie nic. Startup uruchomił listę oczekujących i wczesny dostęp jest darmowy. Płatne plany pojawią się w kolejnych tygodniach i – jak sugerują twórcy – będą oparte na zużyciu zasobów.
Dlaczego to ważne?
Budowanie dużych modeli od zera wymaga dziś nie tylko ogromnych pieniędzy, ale i sprzętu, który częściej stoi w centrach danych niż w garażach startupów. Murati i spółka stawiają więc na inny kierunek: przyszłość to nie jeden wielki „model do wszystkiego”, ale tysiące wyspecjalizowanych, mniejszych narzędzi. Tinker ma być właśnie mostem do tego świata.
Jak powiedział kiedyś Thomas Edison: „Geniusz to 1% inspiracji i 99% potu”. Z Tinkerem ten „pot” może wreszcie odparować z laboratoriów i kodu, zostawiając więcej miejsca na samą inspirację.