Tinker
提供托管 LoRA 训练 API 的模型微调平台，支持在云端快速迭代适配器而不复制整个模型
时间轴 (近 90 天)
Thinking Machines公开承认首款模型并非最强，但透明发布后继续推进第二款模型和Tinker平台，如今已站稳脚跟。
项目使用.NET Minimal API将微调后的模型包装成服务，包含API key认证、限流、异常处理、与Tinker推理API的集成以及浏览器端playground。
项目使用Tinker对Qwen3-8B进行监督微调。
作者使用 Tinker 的 LoRA 训练 API，基于 Qwen3.5-4B 在 5,755 条 Open Food Facts 数据上微调，训练集包含 5,000 条普通产品、550 条拒答样本和 205 条对照样本。
Thinking Machines推出Dimuon优化器，为Muon变体，专为LoRA微调设计，已在Tinker中发布。
自定义角色 Tinker（修补匠）能给其他玩家手中的道具进行'pack a punch'升级
全部知识事实 (6)
Thinking Machines公开承认首款模型并非最强，但透明发布后继续推进第二款模型和Tinker平台，如今已站稳脚跟。
50%待验证项目使用.NET Minimal API将微调后的模型包装成服务，包含API key认证、限流、异常处理、与Tinker推理API的集成以及浏览器端playground。
50%待验证项目使用Tinker对Qwen3-8B进行监督微调。
50%待验证作者使用 Tinker 的 LoRA 训练 API，基于 Qwen3.5-4B 在 5,755 条 Open Food Facts 数据上微调，训练集包含 5,000 条普通产品、550 条拒答样本和 205 条对照样本。
50%待验证自定义角色 Tinker（修补匠）能给其他玩家手中的道具进行'pack a punch'升级
50%待验证Thinking Machines推出Dimuon优化器，为Muon变体，专为LoRA微调设计，已在Tinker中发布。
50%