Tinker 是 Thinking Machines Lab 推出的模型微调服务，让开发者无需自建集群就能对开源权重模型进行后训练（微调、强化学习等），自发布以来被视为降低定制模型门槛的代表产品之一。它与同公司开源的多模态推理模型 Inkling 形成配套：模型开放权重、平台负责训练，构成一套面向后训练时代的工具链。
Tinker 的近期进展
当前焦点与观察点
围绕 Tinker 的讨论主要集中在三点。其一是成本：长上下文训练降费后，中小团队用托管服务跑强化学习微调是否已经比自建划算，仍是社区争论点。其二是生态绑定：Tinker 目前主要服务开放权重模型（包括自家的 Inkling 系列），用户关心它对第三方模型（如 NVIDIA Nemotron 3.5 Lightning 这类 3B 低延迟模型）的支持广度。其三是竞争格局：Crusoe、AutoInfra 等同类后训练基础设施接连亮相，加之 Trillium Labs 等团队也在招募后训练研究员与开源工程师，"微调即服务"正从单品走向平台化。接下来值得观察的是 Tinker 能否在多模型支持和价格上保持差异化，以及开放权重模型生态的扩张是否会持续放大这类托管微调平台的需求。