Tinker: 一般提供開始と視覚入力機能

**Tinkerの一般提供開始と視覚入力機能の追加に関する発表** Thinking Machines Labは、AIモデル開発プラットフォーム「Tinker」に関する4つの重要なアップデートを発表しました。主な内容は以下の通りです。 **1. 待機リストの終了と一般提供開始** Tinkerは待機リスト制限を廃止し、誰でも利用可能になりました。ユーザーはサインアップしてすぐに使用を開始できます。利用可能なモデルと価格はTinkerホームページで、コード例はクックブックで確認することができます。 **2. 新しい推論モデル「Kimi K2 Thinking」の導入** パラメータ数1兆を誇る、これまでで最大のモデル「Kimi K2 Thinking」がTinkerでファインチューニング可能になりました。このモデルは、長い推論チェーンとツール使用のために構築されており、複雑な思考プロセスを必要とするタスクに適しています。 **3. OpenAI API互換の新しい推論インターフェース** TinkerはOpenAI APIと互換性のあるスキャフォールディング（枠組み）を追加しました。これにより、モデルがトレーニング中であっても、パスを指定して迅速にサンプリングを行うことが可能になります。また、この互換性により、TinkerはOpenAI APIと互換性のあるあらゆるプラットフォームと「プラグアンドプレイ」で連携できるようになり、ユーザーは既存のワークフローやツールを容易に統合できます。 **4. Qwen3-VLによる視覚入力サポートの追加** Tinkerに2つの視覚言語モデル（VLM）が追加されました：「Qwen3-VL-30B-A3B-Instruct」と「Qwen3-VL-235B-A22B-Instruct」です。これらのモデルを使用することで、ユーザーは画像、スクリーンショット、図表などを入力として処理できるようになり、多様なアプリケーションが可能となります。画像入力は、画像データ（バイト形式）を含む「ImageChunk」と、テキストチャンクを交互に組み合わせるシンプルな方法で行えます。 この視覚入力機能は、教師ありファインチューニング（SFT）や強化学習によるファインチューニング（RL finetuning）を含む、様々なアプリケーションでそのまま利用可能です。機能を実証するため、VLMを画像分類器としてファインチューニングする新しいクックブックレシピも公開されています。具体的には、Qwen3-VL-235B-A22B-Instructモデルを用いて、Caltech 101（一般物体）、Stanford Cars（自動車）、Oxford Flowers（花）、Oxford Pets（ペット）という4つの古典的なデータセットで画像分類タスクのファインチューニングを行いました。Qwen3-VLは言語モデルであるため、分類タスクを「画像を入力としてクラス名を生成する」テキスト生成問題として扱っています。その結果、このモデルはクラスごとにわずか1例のデータを与えられた場合でも合理的な精度を示し、ラベル付きデータが増えると性能が向上することが確認されました。 まとめると、今回のアップデートにより、Tinkerはより強力な推論モデルへのアクセス、開発の柔軟性を高めるAPI互換性、画像理解という新たな次元の機能を提供するようになり、研究者

Tinker: 一般提供開始と視覚入力機能

背景や根拠まで確認しますか？

調べる

選ぶ

サイト

背景や根拠まで確認しますか？

ニュースの次に確認する

調べる

選ぶ

サイト