Choisissez une pile maintenue qui prend en charge votre checkpoint, votre objectif, votre accélérateur, votre format d’artefact et votre chemin de déploiement exacts. Les listes de fonctionnalités changent plus vite que les concepts.
Des API Python composables lorsque vous avez besoin de contrôler le chargement, les adaptateurs, les entraîneurs et les objectifs d’alignement.
À vérifier : Figez des versions mutuellement compatibles et testez l’architecture de modèle, le quantificateur et le lanceur distribué exacts.
Ouvrir la documentation officielleDes recettes pilotées par configuration pour le SFT, l’optimisation de préférences et l’apprentissage par renforcement, sur les modèles et matériels pris en charge.
À vérifier : Partez d’un exemple maintenu pour votre modèle ; validez les noyaux optionnels et les réglages distribués sur votre cluster.
Ouvrir la documentation officielleDes interfaces en ligne de commande et web pour la préparation des données, l’entraînement, l’évaluation et l’export, sur une large matrice de modèles.
À vérifier : Vérifiez le tableau de prise en charge du dépôt et la licence pour le modèle et la méthode précis que vous prévoyez d’utiliser.
Ouvrir la documentation officielleUne boîte à outils centrée sur des workflows de post-entraînement locaux et cloud optimisés pour ses combinaisons prises en charge.
À vérifier : Considérez les chiffres de vitesse et de mémoire de l’éditeur comme propres à une charge ; reproduisez qualité et débit chez vous.
Ouvrir la documentation officiellePyTorch FSDP et DeepSpeed peuvent répartir l’état du modèle et le travail de l’optimiseur. Ce sont des couches de passage à l’échelle, pas des substituts aux données, à l’évaluation ou à la gestion des mises en production.
MLX et MLX LM permettent l’expérimentation locale sur Apple silicon. Vérifiez la prise en charge actuelle des modèles et du tuning avant de supposer une parité avec une recette CUDA.
Dépôt MLX LMEnregistrez le code, l’environnement, la révision du jeu de données, les paramètres, les checkpoints, les métriques et les artefacts d’évaluation. Un tableau de bord ne remplace pas des entrées reproductibles.
Les exemples Torchtune restent des références historiques utiles, mais son dépôt officiel indique que la maintenance active s’est arrêtée en 2025. Ne fondez pas une nouvelle dépendance de production dessus sans accepter ce risque de maintenance. Lire l’avis de maintenance.