描述
Miniclay AI 提供一个 AI 微调引擎,旨在针对特定数据集训练自定义模型。该平台允许用户描述任务并上传标记的示例,例如用于文本任务的 CSV 文件或带标签的图像用于视觉任务。Miniclay AI 然后自动化选择基础模型、检查数据集(如错误标记的行或类别不平衡)以及应用最佳训练配方的复杂过程。这种方法确保生成的模型高度专业化于预期任务,通常在狭窄的工作上超越更大的通用模型,提供更快的响应,并且每次调用的成本更低。
阅读更多
Miniclay AI 的一个核心优势是对训练模型权重的完全拥有权。用户可以下载、自己托管或将其适配器推送到 HuggingFace,没有对 Miniclay AI 服务器的锁定或运行时依赖。这促进了私有 AI 部署,允许模型在用户的 VPC、数据中心或完全隔离的环境中运行,确保在交接后没有外部 API 调用或 Miniclay AI 的数据保留。
该平台强调“先测量,后训练”的理念。在任何训练开始之前,Miniclay AI 会对库存模型进行基准测试,并通过检索和提示与用户的任务进行比较。这提供了一个基准分数,如果仅通过提示就能满足用户的要求,则不建议或收费任何训练。如果基准未达到,用户将清楚了解微调所能带来的性能提升。
Miniclay AI 提供透明的按需付费定价模型,首次演示运行免费且无需信用卡。后续的训练运行按工作定价,确切的费用在训练开始前由用户报价并批准。这使得即使没有深厚的机器学习专业知识的人也能轻松进行微调,因为该平台处理超参数和评估,提供一个准备好部署的评分模型。
- 类别机器学习平台
- 定价模式按量付费
- 部署云端, 自托管
- 平台网页版
Miniclay AI的核心功能
AI 驱动的微调引擎
基于用户数据的自定义模型训练
自动化基础模型选择
数据集检查和清理(SynthFix)
与库存模型的基准比较
用户拥有训练模型权重
私有 AI 部署选项(VPC、数据中心、隔离环境)
推理期间没有外部 API 调用
交接后没有数据保留
按工作付费的定价模式
首次演示运行免费,无需信用卡
训练前费用批准
用于自动化微调和部署的 API
支持文本和视觉任务(CSV、带标签的图像)
在 A10G/A100 上进行 LoRA/QLoRA 训练
如何使用 Miniclay AI?
上传标记示例:提供您的标记数据,文本任务使用 CSV 格式,视觉任务使用带标签的图像。
数据集检查:Miniclay AI 自动检查您的数据集,查找错误标记的行、矛盾示例和类别不平衡。
基准基线:使用检索和提示对库存模型进行评分,以建立性能基线。
训练和评分:如果未达到基线,Miniclay AI 将选择基础模型,确定超参数,训练并评分模型。
批准费用:在任何付费训练工作开始之前,审核并批准确切的报价费用。
获取权重:下载训练好的适配器,自行托管,或将其推送到您的 HuggingFace 账户。
Miniclay AI的使用案例
- 工单和电子邮件路由
- 文档字段提取
- 数据质量分类
- 私有 AI 部署
- 任务特定模型创建
- 成本效益推理
- 安全性和合规性





