Thinking+Machines产品更新：K2 Thinking与Qwen3-VL微调指南
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
机器之心报道
机器之心编辑部
当前，AI 领域的研究者与开发者在关注 OpenAI、Google 等领先机构最新进展的同时，也将目光投向了由前 OpenAI CTO Mira Murati 创办的 Thinking Machines Lab。
今年早些时候，他们推出了首款产品 Tinker：这是一个 API，用于帮开发者 / 研究人员微调语言模型。你只需要专注于训练数据和算法，而你不擅长的关于 Infra 的部分 —— 调度、调优、资源管理和 Infra 可靠性 —— 统统由 Tinker 来搞定，从而大大简化了 LLM 的后训练过程。
此前，Tinker 仅向研究人员和开发者开放内部测试；而如今，Thinking Machines 宣布正式取消候选名单，所有用户都可以直接使用 Tinker
除此以外，Tinker 还带来了其他三项更新：
首先，更强推理能力：用户现在可以在 Tinker 上对 Kimi K2 Thinking 进行微调。 Kimi K2 拥有万亿参数规模，是 Thinking Machines 目前规模最大的模型，专为长链推理和工具调用场景而设计。
其次，兼容 OpenAI API 的全新推理接口：Tinker 提供了标准的推理接口，例如：
借助本次发布，Tinker 还新增了兼容 OpenAI API 的接口封装，用户只需通过指定模型路径，即可对模型进行快速采样，即使模型仍处于训练过程中也可以使用。
这也意味着，Tinker 现在可以即插即用地接入任何兼容 OpenAI API 的平台。
最后，Qwen3-VL 支持视觉输入。Tinker 新增了两款视觉模型：Qwen3-VL-30B-A3B-Instruct 和 Qwen3-VL-235B-A22B-Instruct。借助这些模型，用户可以在多种应用场景中处理图片、截图以及示意图等视觉内容。
这些视觉输入开箱即用，可直接应用于多种任务场景，包括监督微调和强化学习微调。
Tinker支持的模型
过去，开发者若想训练或微调前沿大模型，必须自行采购 GPU、搭建集群、处理 CUDA/NCCL 环境、维护分布式训练稳定性，门槛极高且成本巨大。
而 Tinker 通过将所有训练基础设施抽象为一个 API，使开发者无需管理任何算力资源，只需准备数据和算法即可训练模型。更重要的是，此次更新首次让普通开发者能够微调万亿参数的 Kimi K2 Thinking，这本来是只有顶级实验室才能掌握的能力，视觉输入的加入进一步降低了 VLM 应用门槛。
对此，研究者纷纷表示：「能够在无需自行管理 GPU 基础设施的情况下训练自定义图文数据，对开发者来说是一项巨大的进步。」
使用 Tinker 训练图像分类模型
为了展示 Tinker 新增的视觉能力，Thinking Machines Lab 对 Qwen3-VL-235B-A22B-Instruct 进行了微调，并将其应用于多项经典图像分类基准测试中。
具体而言，研究团队选择了四个常用的数据集进行评估，包括：
Caltech-101：包含 101 类常见物体的数据集Stanford Cars：涵盖汽车品牌、型号和年份的数据集Oxford Flowers：花卉品种数据集Oxford Pets：宠物品种数据集
由于 Qwen3-VL 本质上是语言模型，研究中将图像分类任务建模为文本生成问题：给定一张图片，模型直接输出对应的类别名称。研究人员将这一方法与传统的视觉基线方案 DINOv2 进行了对比。
DINOv2 是一种通过自监督方式训练的视觉 Transformer，常被用作纯计算机视觉任务的 backbone。对于 DINOv2，研究中在其模型之上添加了一个分类头，用于预测所有 N 个类别的概率分布。两种模型均采用 LoRA 方式进行微调。
图中展示了经过微调的 Qwen3-VL-235B-A22B 与 DINOv2 在简单图像分类任务上的性能对比。
在小样本数据场景下，Qwen3-VL-235B-A22B 的表现优于 DINOv2。这不仅是因为其模型规模更大，更重要的是，作为视觉语言模型（VLM），它天然具备语言知识（例如知道「向日葵」指代什么）。正是这种通用的语言与视觉联合能力，使得 Qwen3-VL 在图像分类之外，也能够更方便地迁移到其他视觉任务中。
还没体验的小伙伴，Tinker 绝对值得一试。
https://thinkingmachines.ai/tinker/
https://thinkingmachines.ai/blog/tinker-general-availability/
相关攻略
随着大模型参数规模不断增长，混合专家（Mixture-of-Experts, MoE）架构因其稀疏激活特性，成为平衡模型性能与计算开销的主流方案。然而，在实际的Web级应用部署中，一个关键挑战日益凸显：传统MoE的路由机制通常是“无记忆”的。 试想，在搜索引擎、智能问答或多轮对话等高并发场景下，用户
编程十年的一点分享 在软件开发的路上走过十几年，从一个爱好者到以此为业，有些体会或许值得聊聊，就当是抛砖引玉吧。 最早接触编程，是从BASIC和C语言开始的。工作后，随着需要，陆续学习了dBase、Access这类桌面数据库的开发。真正以开发为职业，可以说始于FoxPro 5 0，之后技术栈随着项目
引言 编程，是一门实践科学。这意味着，学习它的最佳方式就是动手去敲代码。但这是否意味着，我们可以因此轻视理论的学习呢？ 入门编程 如果你去各大技术社区提问“该如何入门编程”，五花八门的答案会瞬间涌来。 不过，仔细梳理一下，无外乎以下几种流派： 学院派 他们推荐从C语言入手，并辅以数据结构、操作系统等
想象一下这个场景： 你让 AI Agent 帮你修一个代码 Bug。它打开项目，读了 20 个文件，改了改，跑了一下测试，没过，又改，又跑，还是没过……来回折腾了十几轮，终于——还是没修好。 你关掉电脑，松了口气。然后收到了 API 账单。 上面的数字可能让你倒吸一口凉气——AI Agent 自主修
Discord接入：让OpenClaw成为你的社区智能管家 对于全球数亿的游戏玩家和社群爱好者来说，Discord几乎等同于线上“大本营”。那么，有没有可能让你精心搭建的Discord服务器也拥有一个聪明能干的AI助手呢？答案是完全可行。通过创建Discord Bot（机器人），你可以将OpenCl
热门专题
热门推荐
峡谷区域唯一唱片需集齐三个碎片合成。首个碎片位于地图西北角木箱木桶旁，外观如跳动火焰。集齐碎片可解锁新内容并提升游戏体验，探索时留意细节可能发现更多隐藏惊喜。
《遥遥西土》中，西土唱片需集齐三个碎片合成。首个碎片位于地图东南角的管子洞内，获取过程简单，无复杂谜题或战斗。整体流程清晰，玩家按指引收集全部碎片即可合成唱片，轻松完成收集任务。
《鸣潮》联动《赛博朋克：边缘行者》，推出五星角色露西与丽贝卡，可通过限定卡池与活动免费获取。联动包含专属剧情、夜之城风格场景及高难度BOSS战，并植入动画经典音乐。参与预热活动和完成剧情任务可获得限定奖励，全方位打造沉浸式赛博朋克体验。
鼻噶流”玩法围绕“混沌爪牙”基因展开，开局以小体型角色灵活发育，注重走位与策略而非堆叠体型与伤害。该玩法在较高难度下提供了与传统平推思路不同的趣味体验，适合追求新鲜操作感的玩家尝试。
《异环》S级气态弧盘“好狗狗走四方”可提升充能与全队攻击，适合早雾等辅助。完成主线任务“成交？成交！”后解锁番外副本“月光当铺”，首次击败BOSS墨菲克斯即可免费获取。战斗时建议中距离拉扯，优先清理小狼，搭配破韧与输出角色更易通关。