Tinker
#19 in Reasoning-ModelleThinking Machines Lab · seit 1. Oktober 2025 (private Beta); 12. Dezember 2025 (General Availability, keine Warteliste mehr) · 20× · zuletzt 19. Juli 2026
Tinker ist eine von Thinking Machines Lab (gegründet von Mira Murati) entwickelte, gehostete API zum Fine-Tuning von Open-Weight-Sprachmodellen mittels LoRA (Low-Rank Adaptation). Das Produkt übernimmt verteiltes Training, Ressourcenmanagement und Infrastruktur-Zuverlässigkeit, während Nutzer über Low-Level-Python-Primitive (forward_backward, sample) volle Kontrolle über Trainingsalgorithmen und Daten behalten. Tinker unterstützt sowohl Supervised Fine-Tuning als auch Reinforcement Learning und deckt ein breites Modell-Lineup von kompakten Modellen bis zu großen Mixture-of-Experts-Modellen mit über einer Billion Parametern ab. Seit Dezember 2025 ist der Dienst ohne Warteliste allgemein verfügbar und bietet eine nutzungsbasierte Preisstruktur pro Million Token.
Features
| Key-Benchmark (%) | 88,1% pass@32 auf MiniF2F (Theorembeweiser, trainiert via Tinker mit LoRA, nur 20% der Trainingsdaten) |
| Kontextfenster (Token) | Bis zu 262.144 Token (z.B. Qwen3-235B-A22B, Kimi-K2.5:peft); Standard variiert je nach Modell |
| Lizenz | Proprietärer Dienst (Terms of Service); begleitende Tinker Cookbook Bibliothek ist Open Source |
| Multimodalität | Ja, seit Dezember 2025: Vision-Input-Unterstützung mit Qwen3-VL (Bilder, Screenshots, Diagramme neben Text) |
| Plattform | Web-basierte, gehostete Python-API (Cloud-Service) für verteiltes Training auf GPU-Clustern von Thinking Machines |
| Preis pro 1M Token | Ab $0,40 pro Million Token für Training (Beispiel Qwen3-8B); Preise variieren nach Modellgröße und Operation (Training/Sampling) |
| Release-Datum | 1. Oktober 2025 (Private Beta Launch); General Availability ab 12. Dezember 2025 |