用途に特化した賢いAIを低コストで自前育成できる新基盤、初期は1時間9ドル

米Together AIは2026年10月19日、自社プラットフォーム上でカスタムモデルを構築するための新サービス「Together Post-Training」を発表した。環境からの報酬に基づく学習法。ゲームAIやロボット、推論モデルの訓練で活躍。">強化学習（RL）と教師データに基づく教師あり微調整（SFT）の双方に対応し、重いインフラ管理の負担なしに柔軟で効率的なモデル調整を可能にする基盤を提供する。

背景として、AI処理における専用モデルの学習はコスト削減や特定業務の精度向上の手段として定着しつつある一方、強化学習のインフラは複雑化し、潜在的な不具合や運用コストが導入の大きな壁となっていた。同社は2026年4月に開始したベータ版の知見を反映し、研究者や実務者がアルゴリズムやデータ設計に集中できる環境を整えた。

同サービスでは、ユーザー専用に割り当てられたGPU資源「Model Resource」上で学習ループ全体を柔軟に定義できる。パラメータの一部のみを更新するLoRAのほか、特定モデルでは全パラメータの調整にも対応する。学習を行うTrainerインスタンスと推論生成を担うGeneratorインスタンスを分離し、SFT時は生成用をゼロにして費用を抑えられるほか、非同期強化学習による高い計算効率を実現する。また、学習エンジンと推論エンジンの計算のずれによる性能低下を防ぐ「Rollout Routing Replay」などの技術を備え、FP4精度での運用へ切り替えた後もモデル品質を維持する仕組みを導入した。

提供開始時点での対応モデルは、Muse Spark Open、GLM 5.3、Kimi K3、Qwen 3.8-27Bなどの主要なオープンウェイトモデルで、今後数週間で選択肢をさらに拡充する予定である。すでに公開されているGitHubのレシピ集を利用することで、標準ベンチマークでの学習や独自損失関数の実装を素早く開始できる。

先行導入した企業からも成果が報告されている。Deelでデータサイエンスのアソシエイトディレクターを務めるAnthony Li氏は、同一GPU容量上で最大5つの強化学習実験を並行して実行できたと評価した。また、Jack & Jillの創業者エンジニアであるOliver Normand氏は、同基盤を用いて調整したオープンモデルにより、オフライン評価において非公開モデルと同等の品質を達成し、運用費用を大幅に削減できたと述べている。

利用料金はGPU分単位で課金されるが、最初の8週間はB200の利用を1GPU時間あたり9ドルの特別価格で提供する。また、モデルや学習環境の選定から最終的な運用エンドポイントの構築までを同社の技術者が支援する体制も整えている。