跳到正文
RadarAI· X:Rohan Paul (@rohanpaul_ai)·· 3 小时前AI 评分52

Mubit 用智能体 API 调用训练自有小模型

Mubit 用 API 调用训练自有小模型

AI 导读

Mubit 读取智能体已发往 OpenAI 或 Anthropic 的 API 调用,找出重复任务并训练用户自有小模型,重复性窄任务交给小模型、其余仍由前沿模型处理。集成只需替换 base URL 并保留原客户端代码,也可接入已有 traces,公司称每几分钟刷新一次。两家公司会因各自智能体流量不同而得到不同的小模型,改进固化在权重而非提示词中。

正文 · AI 翻译

Rohan Paul· @rohanpaul_ai · X·2026-10-24 02:24· 19 分钟前AI 评分49

AI 导读

Mubit 读取智能体已发往 OpenAI 或 Anthropic 的 API 调用,找出重复任务并训练用户自有小模型,重复性窄任务交给小模型、其余仍由前沿模型处理。集成只需替换 base URL 并保留原客户端代码,也可接入已有 traces,公司称每几分钟刷新一次。两家公司会因各自智能体流量不同而得到不同的小模型,改进固化在权重而非提示词中。

正文 · 原文

你的 API 调用现在成了你拥有的训练数据,这是拥有自己智能技术栈的一次出色发布。

Mubit 读取你的智能体已经发往 OpenAI 或 Anthropic 的调用,找出重复出现的任务,并训练出你拥有的小模型。

这样你付得更少、等得更少,其余部分仍由大模型处理。

该公司称他们每几分钟刷新一次。
集成只需一行。你替换 base URL,保留相同的客户端代码。如果你不想改动这些,也可以接入你已经收集的 traces。
我喜欢的是这种分工。狭窄、重复的工作交给用你自己的流量训练出的模型。这些任务之外的任何内容仍然交给前沿模型。

所有这些意味着,使用 Mubit 的两家公司最终会得到不同的小模型,因为每个模型都由各自智能体的工作塑造。

在提示词中记住反馈是不可预测的。所以 Mubit 的做法是,不把经验放进提示词,而是用你的智能体重复执行的任务训练小模型,让改进固化在权重中。

引用Anil Peri@notanilp
我们在 Aberdeen 创办了 Mubit。没有网络,没有实验室,没人认识我们。我们只是想要真正能用的 AI 系统。 如今我们与世界上一些最好的公司和工程师合作。 而我们一直看到的是:你和你的竞争对手运行着同样的 AI。它应该属于你。🧵 在接下来的 48 小时内评论“SAPLING”,即可获得 100 美元免费额度。企业用户首月免费。
在 X 查看被引用的帖子

来源:Rohan Paul · x.com

来源:RadarAI · aihot.news