米拉・穆拉提（Mira Murati）離開 OpenAI 後，就跟幾位核心研究者創立 AI 新創公司：Thinking Machines Lab（思考機器實驗室）。最近宣布首款產品Tinker，這是一款自動化 API 工具，目的是讓使用者更輕鬆地對最新開源模型進行微調（fine-tuning），降低技術門檻並擴大參與範圍。
我才知道微調模型通常需要龐大的資源，需要 GPU 群集、複雜的訓練流程、軟體工具支援等。而 Tinker 的定位正是把這些繁瑣工作自動化，使得更多研究者、開發者，甚至具備興趣但資源有限者，也能操作與設計與定義自有版本的模型。現在支援對兩種開源模型進行微調：Meta 的 LLaMA 與阿里巴巴的 Qwen。
工具類型的創業通常不被看好，但因為強大的初始團隊，依舊吸引了 20 億美金的種子輪資金，並且獲得許多BETA使用者好評。他們認為相較於從零開始微調模型，Tinker可以更快速、功能強大、而且使用介面也很不錯，達成更為直覺與高效率的模型開發工作。
有趣的是，Tinker 這個名稱是借用 1978 年由丹尼·希利斯（Danny Hillis）與布萊恩·西爾弗曼（Brian Silverman）設計的 TinkerToy 電腦。由標準的 Tinkertoy 木棒與圓盤組成，組裝成一個 3×3 矩陣，並以多條繩線作為皮帶，將各單元的旋轉零件連結起來。這台機器能與玩家對戰 O/X 遊戲，設計採用了簡單的 3 元邏輯，對應棋盤上格子的三種可能狀態（X、O、空格），完全以組合邏輯運算實現。而且總是能保證電腦不會輸，因為遊戲樹是先由 PDP-10 電腦運行 LISP 程式所計算出來的。
整個機械共含有約一萬個木製零件，加上釣魚線、鉛墜與小黃銅釘固定而成，讓這件作品不僅是遊戲機，更是一種「實體化的電腦」—從兒童玩具與機械裝置，具象化數位邏輯運算的過程，呈現早期人工智慧與遊戲演算法的情境。這也代表著 Tinker API 對整個人工智能模型上或許只是個小玩具，但這的確是探索未來可能性的第一步。
不過，這類型的微調工具也不是毫無風險。Tinker API 或許會被濫用，而且產生的 Token 流量也會影響整體系統效率。Thinking Machines Lab 則表示會過濾審核使用者，也將導入整體自動化監測，以及防止濫用的機制。我更期待的是 AI 工具化潮流從現在的 Agent 到更為精細的 Tool，期待未來可以用一些工具就能微調並制定自有模型的機會，而且在目前封閉的 AI 生態圈中，讓模型流動更加開放。
這也是本來米拉・穆拉提希望在 OpenAI 做到的事情吧，我想。
