Mira Murati, která dříve působila jako technická ředitelka v OpenAI, založila startup Thinking Machines Lab společně s několika významnými výzkumníky. Teď tento tým představil svůj první produkt – Tinker. Jde o flexibilní API, které umožňuje vývojářům a výzkumníkům upravovat pokročilé modely umělé inteligence, aniž by se museli starat o složitou infrastrukturu. Tinker tak otevírá dveře k experimentům s modely, kde uživatelé ovládají algoritmy a data, zatímco společnost řeší distribuované trénování.
Co Tinker nabízí vývojářům
Tinker podporuje fine-tuning (jemné ladění) jak supervizovanými metodami, tak posilováním učením na modelech jako Llama nebo Qwen. Uživatelé mohou modely přizpůsobit pro specifické úlohy, například řešení matematických problémů nebo analýzu chemických dat, a to všechno pomocí jednoduchého kódu v Pythonu. Přepínání mezi malými a velkými modely, jako je Qwen-235B-A22B, vyžaduje jen změnu jediného řetězce v kódu. Tinker běží jako spravovaná služba na interních clusterech Thinking Machines Lab, kde se starají o plánování, alokaci zdrojů a obnovu po selháních. Díky použití LoRA (nízkoúrovňová adaptace) sdílejí trénovací běhy stejný pool výpočetních zdrojů, což snižuje náklady.
Nástroje a podpora pro uživatele
API Tinker poskytuje základní funkce jako forward_backward pro výpočet gradientů, optim_step pro aktualizaci vah, sample pro generování tokenů a save_state pro ukládání stavu tréninku. K tomu společnost vydala open-source knihovnu Tinker Cookbook, která obsahuje moderní implementace metod po tréninku. Tyto nástroje pomáhají dosáhnout dobrých výsledků bez zbytečných detailů. Podporované modely zahrnují řadu od Qwen3-4B-Instruct-2507 až po Llama-3.1-70B, včetně směsí expertů (mixture-of-experts).
První uživatelé a jejich projekty
Už teď Tinker testují skupiny na univerzitách jako Princeton, Stanford a Berkeley, plus Redwood Research. Například Princeton Goedel Team trénovalo modely pro matematické důkazy, Rotskoff Chemistry group na Stanfordu upravilo model pro chemické úvahy, Berkeley’s SkyRL group experimentovalo s asynchronním off-policy RL (posilování učením) v multi-agentních prostředích s nástroji, a Redwood Research použilo Tinker pro RL na Qwen3-32B v náročných úkolech kontroly AI.
Dostupnost a budoucnost
Thinking Machines Lab přijímá žádosti o raný přístup od dnešního dne, a to zpočátku zdarma. V nadcházejících týdnech plánují zavést placené tarify na základě využití. Firma získala seed funding ve výši 2 miliard dolarů (přibližně 46 miliard Kč) a dosáhla valuace 12 miliard dolarů (asi 276 miliard Kč), což je důkazem velkého zájmu investorů. Tinker tak sází na budoucnost, kde klíčem není největší univerzální AI, ale snadná tvorba mnoha hyper-specializovaných modelů. Pokud jste výzkumník nebo organizace, můžete se přihlásit na waitlist nebo kontaktovat tým přímo.
