Together AI দৃষ্টি এবং যুক্তি সহায়তা সহ ফাইন-টিউনিং প্ল্যাটফর্ম আপগ্রেড করেছে

Joerg Hiller মার্চ ১৮, ২০২৬ ১৮:২৭

Together AI তার প্ল্যাটফর্মে টুল কলিং, রিজনিং ট্রেস এবং ভিশন-ল্যাঙ্গুয়েজ ফাইন-টিউনিং যোগ করেছে, ১০০B+ প্যারামিটার মডেলের জন্য ৬x থ্রুপুট বৃদ্ধি সহ।

Together AI ১৮ মার্চ তার ফাইন-টিউনিং সেবায় একটি বড় সম্প্রসারণ চালু করেছে, টুল কলিং, রিজনিং ট্রেস এবং ভিশন-ল্যাঙ্গুয়েজ মডেলের জন্য নেটিভ সাপোর্ট যোগ করেছে—যে ক্ষমতাগুলি প্রোডাকশন AI সিস্টেম তৈরি করা টিমগুলির জন্য ক্রমাগত সমস্যার সমাধান করে।

এই আপডেট আসছে যখন কোম্পানি একটি ফান্ডিং রাউন্ডের জন্য আলোচনা করছে বলে জানা গেছে যা এটিকে $৭.৫ বিলিয়ন মূল্যে মূল্যায়ন করবে, যা ফেব্রুয়ারি ২০২৫ এর সিরিজ B থেকে তার $৩.৩ বিলিয়ন মূল্যায়নের দ্বিগুণেরও বেশি।

আসলে কী নতুন

প্ল্যাটফর্মটি এখন তিনটি ক্যাটাগরির ফাইন-টিউনিং পরিচালনা করে যা আগে খণ্ডিত সমাধানের প্রয়োজন ছিল:

টুল কলিং OpenAI-সামঞ্জস্যপূর্ণ স্কিমা ব্যবহার করে এন্ড-টু-এন্ড সাপোর্ট পায়। সিস্টেম যাচাই করে যে প্রশিক্ষণ ডেটায় প্রতিটি টুল কল ঘোষিত ফাংশনের সাথে মিলে যায় প্রশিক্ষণ শুরু হওয়ার আগে—এটি হ্যালুসিনেটেড প্যারামিটার এবং স্কিমা অমিলের বিরুদ্ধে একটি সুরক্ষা যা এজেন্টিক ওয়ার্কফ্লোতে সমস্যা সৃষ্টি করে।

রিজনিং ফাইন-টিউনিং টিমগুলিকে একটি ডেডিকেটেড reasoning_content ফিল্ড ব্যবহার করে ডোমেইন-নির্দিষ্ট চিন্তার ট্রেসে মডেল প্রশিক্ষণ দিতে দেয়। এটি গুরুত্বপূর্ণ কারণ রিজনিং ফরম্যাটগুলি মডেল পরিবারগুলি জুড়ে ব্যাপকভাবে পরিবর্তিত হয়, যা মানককরণ ছাড়া সামঞ্জস্যপূর্ণ প্রশিক্ষণ কঠিন করে তোলে।

ভিশন-ল্যাঙ্গুয়েজ ফাইন-টিউনিং ইমেজ-টেক্সট এবং শুধুমাত্র টেক্সট উদাহরণ মিশ্রিত হাইব্রিড ডেটাসেট সাপোর্ট করে। ডিফল্টভাবে, ভিশন এনকোডার ফ্রোজেন থাকে যখন ল্যাঙ্গুয়েজ লেয়ারগুলি আপডেট হয়, যদিও টিমগুলি জয়েন্ট ট্রেনিং সক্ষম করতে পারে যখন ভিজ্যুয়াল প্যাটার্ন রিকগনিশন উন্নতির প্রয়োজন হয়।

অবকাঠামো আপগ্রেড

নতুন ক্ষমতার বাইরে, Together AI মিক্সচার-অফ-এক্সপার্টস আর্কিটেকচারের জন্য তার ট্রেনিং স্ট্যাক অপ্টিমাইজ করে উল্লেখযোগ্য পারফরম্যান্স লাভের দাবি করেছে। কোম্পানি SonicMoE কার্নেল সংহত করেছে যা মেমরি অপারেশনগুলিকে কম্পিউটেশনের সাথে ওভারল্যাপ করে, এবং লস কম্পিউটেশনের জন্য কাস্টম CUDA কার্নেল যোগ করেছে।

ফলাফল মডেল আকারের উপর নির্ভর করে পরিবর্তিত হয়: ছোট মডেলগুলি প্রায় ২x থ্রুপুট উন্নতি দেখে, যখন Kimi-K2 এর মতো বড় আর্কিটেকচারগুলি ৬x লাভ অর্জন করে। প্ল্যাটফর্ম এখন ১০০GB পর্যন্ত ডেটাসেট এবং ১০০ বিলিয়নের বেশি প্যারামিটারের মডেল পরিচালনা করে।

ফাইন-টিউনিংয়ের জন্য উপলব্ধ নতুন মডেলগুলির মধ্যে রয়েছে Qwen 3.5 ভেরিয়েন্ট (৩৯৭B প্যারামিটার পর্যন্ত), Kimi K2 এবং K2.5, এবং GLM-4.6 এবং 4.7।

ব্যবহারিক সংযোজন

আপডেটটিতে জব এক্সিকিউশনের আগে খরচ অনুমান এবং ডায়নামিক সমাপ্তি অনুমান সহ লাইভ প্রগ্রেস ট্র্যাকিং অন্তর্ভুক্ত রয়েছে—যে বৈশিষ্ট্যগুলি মৌলিক মনে হয় কিন্তু বাজেট সারপ্রাইজ প্রতিরোধ করে যা পরীক্ষা-নিরীক্ষাকে ঝুঁকিপূর্ণ করে তোলে।

XY.AI Labs, যাকে Together AI গ্রাহক উদাহরণ হিসাবে উল্লেখ করেছে, রিপোর্ট করেছে যে তারা সাপ্তাহিক থেকে দৈনিক পুনরাবৃত্তি চক্রে চলে গেছে এবং খরচ ২-৩x কমিয়েছে এবং প্ল্যাটফর্মের ফাইন-টিউনিং এবং ডিপ্লয়মেন্ট API ব্যবহার করে নির্ভুলতা ৭৭% থেকে ৮৭% এ উন্নত করেছে।

বাজার প্রসঙ্গ

সময়টি AI অবকাঠামো ব্যয়ের একটি বৃদ্ধির সাথে সামঞ্জস্যপূর্ণ। সাম্প্রতিক রিপোর্ট অনুসারে, ২০২৬ সালের প্রথম দুই মাসে AI সেক্টরে স্টার্টআপ ফান্ডিং $২২০ বিলিয়ন হিট করেছে, যার বেশিরভাগ মূলধন প্রশিক্ষণ এবং ইনফারেন্স অবকাঠামোর দিকে প্রবাহিত হচ্ছে।

Together AI নিজেকে ইন-হাউস AI অবকাঠামো নির্মাণের বিকল্প হিসাবে অবস্থান করেছে, তার প্ল্যাটফর্মের মাধ্যমে ২০০টিরও বেশি ওপেন-সোর্স মডেলে অ্যাক্সেস প্রদান করে। কোম্পানির প্রস্তাব—অবকাঠামোর জটিলতা দূর করা যাতে টিমগুলি পণ্য উন্নয়নে মনোনিবেশ করতে পারে—এখন ক্রমবর্ধমান পরিশীলিত পোস্ট-ট্রেনিং ওয়ার্কফ্লো পর্যন্ত প্রসারিত যা আগে সম্পদ-সমৃদ্ধ গবেষণা ল্যাবগুলির ডোমেইন ছিল।

• together ai
• ai অবকাঠামো
• ফাইন-টিউনিং
• মেশিন লার্নিং
• এন্টারপ্রাইজ ai