Tinker

Tinkerは、Thinking Machines Labの研究者・開発者向け学習API。LoRAでオープンソースモデルをファインチューニングでき、学習基盤の管理なしでチェックポイント保存とモデル出力が可能です。

概要

インターフェースの中心は4つの学習関数です。`forward_backward` は勾配を計算し、`optim_step` は重みを更新し、`sample` は出力を生成し、`save_state` は進行状況を保存します。このサイトでは、Tinkerは基盤の学習スタックを管理せずに、対応するオープンソースモデル上で教師ありファインチューニングや強化学習のワークフローを実行する実用的な方法として位置づけられています。

機能

4機能の学習ワークフロー

Tinkerは `forward_backward`、`optim_step`、`sample`、`save_state` という4つの中核操作を公開しており、APIを通じて直接学習ループを実行できます。

管理された学習インフラ

このサービスは、スケジューリング、チューニング、リソース管理、信頼性を処理するため、研究者はインフラ運用ではなくデータセットとアルゴリズムに集中できます。

LoRAベースのファインチューニング

TinkerはLoRAによるファインチューニングを採用し、ベースモデルの全重みを更新するのではなく、より小さなアダプターを学習します。ページでは、適切に設定すればLoRAはより少ない計算量でフルファインチューニングに匹敵する性能を発揮できるという研究結果が示されています。

幅広いモデル選択

この製品は、Qwen、GPT-OSS、DeepSeek-V3.1、Kimi K2.5/K2.6、NVIDIA Nemotronモデルを含む、公開されている一連のオープンソースモデルをサポートしています。

クックブックとサンプル

実際のファインチューニングのパターンと、API向けの一般的な抽象化を示すための、クックブックとサンプルワークフローが利用できます。

チェックポイント保存と書き出し

チェックポイントを保存し、保存済みのモデル重みをAPIエンドポイント経由でダウンロードできるため、再開やモデルの書き出しに対応しています。

利用シーン

インフラ負荷なしの研究用ファインチューニング
学習データやアルゴリズムは管理したいが、自前でクラスタ管理やスケジューラを運用したくない場合に、オープンソースの言語モデルをファインチューニングします。
教師あり学習ループ
API関数を呼び出して勾配を計算し、重みを更新し、出力をサンプリングし、実行間で状態を保存することで、教師ありデータセット上で反復的な実験を行います。
RLと対話型学習の実験
モデルがアクションやトークンをサンプリングし、学習状態を反復ごとに保持する必要がある強化学習型のプロジェクトに取り組みます。
対応するオープンソースモデルでの学習
Qwen、GPT-OSS、DeepSeek-V3.1、Kimi K2.5/K2.6、NVIDIA Nemotronモデルなど、対応するモデルファミリーで試作します。
チェックポイント付き実験と再開
APIに組み込まれたチェックポイントとsave-stateのワークフローを使って、保存したチェックポイントを共有したり、後で学習を再開したりします。

Pros and Cons

Pros

コアとなる学習操作のための、小さく分かりやすいAPI面を提供します。
スケジューリングやリソース管理などのインフラ作業を不要にします。
複数のオープンソースモデルファミリーでLoRAファインチューニングをサポートします。
チェックポイント保存とモデルのダウンロードをサポートします。
教師あり学習と強化学習の両方のワークフローに対応します。

Cons

ページに表示されているモデルに利用可能なモデル一覧が限られており、ソースでは今後追加予定とされています。
アクセスは完全にオープンとは説明されておらず、ページではアクセス参加を案内し、大規模な組織にはチームへの連絡を促しています。

FAQ

Tinkerとは何ですか？誰向けですか？

Tinkerは、LoRAを使ってオープンソースモデルを効率的にファインチューニングするための柔軟なAPIです。学習基盤を管理せずに、データやアルゴリズムをコントロールしたい研究者や開発者向けです。

Tinkerにはどうやってアクセスできますか？

Tinkerには、サイト上のウェイトリストまたはアクセス申請フローに参加することでアクセスできます。ページでは、大学や大規模なアクセスを求める組織は `tinker@thinkingmachines.ai` に連絡するよう案内しています。

学習基盤を自分で管理する必要はありますか？

Tinkerは、スケジューリング、チューニング、リソース管理、インフラの信頼性を処理し、あなたはAPIを通じてデータセット、アルゴリズム、環境に取り組めます。

学習を始めるには何が必要ですか？

ソースによると、教師あり学習の例データセット、または強化学習環境が必要です。その後、APIが勾配の計算、重みの更新、出力のサンプリング、状態の保存を行うためのシンプルな関数を提供します。

モデルの重みをダウンロードできますか？また、データはどのように使われますか？

Tinkerには、保存したチェックポイントをダウンロードするためのAPIエンドポイントが含まれています。ソースでは、あなたのデータは自分のモデルをファインチューニングするためだけに使用され、Thinking Machines Labのモデルの学習には使用されないとも述べています。

Quick Facts

カテゴリ: 開発者向けツール
製品タイプ: 学習API
主な利用者: 研究者と開発者
主なワークフロー: API関数によるLoRAファインチューニング
ソースドメイン: thinkingmachines.ai
提供状況: 参加フロー経由でアクセス；大規模アクセスは連絡

Tinker の分析

Tinker· 月間訪問数 37.6万· 世界ランキング #132,017

トラフィックデータは参考情報としてご利用ください。

月間訪問数: 37.6万
世界ランキング: #132,017
カテゴリ順位: #1,442
直帰率: 47.5%
平均滞在時間: 01:19
訪問あたりのページ数: 2.35

トラフィック推移

月間訪問数 - 3
4月	303172
5月	582529
6月	375894

トラフィックソース

直接流入39.8%
検索36.1%
参照元10.4%
ソーシャル10.6%
メール2.00%
ディスプレイ広告0.14%

主な地域

アメリカ合衆国45.2%
中国11.5%
インド7.23%
ドイツ4.27%
イギリス3.19%
その他28.6%