情感机器推出 PyTRIO，把大模型训练封装成 Training API
把训练做成 API：企业能像调推理接口一样调训练能力，用自己的数据养专属模型，不必自建训练集群。
应用层 AI 公司开始训练自己的模型：Harvey 以 Kimi K3 为底座做出 Tenet，在法律智能体基准 LAB 上全通过率 19.7%，高于若干闭源模型，单任务成本 5.92 美元。但训练门槛在升高，情感机器推出 PyTRIO，把算力与分布式工程封装成 Training API（训练接口），数据、Loss 与训练逻辑留在用户本地。
正文摘录
.jpg) 编辑｜山辉 最近，越来越多应用层 AI 企业走上了一条相似的路线： 用自己积累的专业知识和业务经验，训练自己的模型。 就在 8 月，法律 AI 公司 Harvey 发布了其首个经过后训练的开放权重模型 Tenet。它以 Kimi K3 为底座，在法律智能体基准 LAB 上的全通过率达到 19.7% ，明显高于 Fable 5（11.5%）和 GPT-5.6 Sol（2.5%）等闭源模型。单项任务成本为 5.92 美元 ，也低于上述两款闭源模型。  在 LAB 留出任务上，Harvey Tenet 以约 5.92 美元的单任务成本取得 19.7% 的全通过率，效果高于 Fable 5 和 GPT-5.6 Sol，成本则明显更低。 这也让一部分网友感叹：「 连 OpenAI 投资的公司也开始自己训练模型了？ 」 Mercor 联合创始人兼 CEO Brendan Foody，将 Harvey 描述为应用层 AI 企业「 掌握自主智能 」的先驱。