美研芒格君 · 2026-09-28 · 帖子

Post-training 一个很实际的目标，就是让小模型在某个特定场景，把业务做好、做便宜。 这是我相当看好的方向。 那硅谷工业界已经在做什么？了解这些，对我们选方向、做项目都有指导意义。这次挑了 6 家我觉得很值得关注的公司 它们代表了后训练及相关工具的几条前沿方向，业务有重叠，但各有侧重。 1. Thinking Machines Lab / Tinker：把训练基础设施交给平台 你自己写训练逻辑，Tinker 通过 API 帮你完成计算、更新模型和保存进度，省掉管理 GPU 集群的工作。比如 Glean 用它训练了专门负责找资料的 Waldo，再把资料交给大模型组织答案。 官网：https://t.co/eYez2wKnnb Glean 案例：https://t.co/mtzNRX1x4n 2. Fireworks AI：把训练到上线的工程流程接起来 它把模型训练和上线运行放在同一个平台，还提供接入 coding agent 的工具，帮你研究训练方法、估成本、启动实验和排查失败。适合希望把训练、调试和部署连起来的团队。 官网：https://t.co/JN2HVA2jwB 训练 Agent Skills：https://t.co/zSdTmGwt29 3. Prime Intellect：让模型在任务里反复尝试、打分、学习 你提供任务、可调用的工具和评分规则，它把模型尝试、评测和强化学习训练的过程跑起来。比如 Ramp 用它训练 FastAsk，专门学习在财务表格里找对单元格、调用 Python 算数，供主 agent 使用。 官网：https://t.co/zR6ypAWyXb Ramp 案例：https://t.co/mbG4WNK70u 4. Osmosis：工程师和客户一起把模型练出来 如果你连训练目标、reward 怎么设计都拿不准，它会派工程师和你一起把业务问题变成训练任务，再完成训练和上线。它提供的是 平台加专业人员交付，客户买到的也包括训练经验。 官网：https://t.co/LPsBaFpytz 5. Bespoke Labs：给 AI 搭接近真实工作的训练环境 它给模型实验室和企业搭建包含真实代码库、微服务、多步骤工作流的训练环境，让 agent 有地方练习实际工作。它更关注 模型拿什么练、怎么验收，这些环境和配套基础设施就是它提供的产品。 官网：https://t.co/kV3DIljqii 6. Weco：让 AI 自动改方案、跑实验、比较结果 你给它代码和衡量效果的评测脚本，它用大模型加树搜索，反复修改、测试，继续尝试更有希望的方案。它自动化的是 做实验这件事，改进对象可以是 prompt、算法或训练代码，未必需要训练模型权重。 官网：https://t.co/11s9v7JEZU 工作方式：https://t.co/io1nWTSQog 我觉得对个人和小团队的启示很直接：先找到自己懂的具体场景，把“怎样才算做好”定义清楚，再借这些工具验证，能不能做得更好、更便宜