Mubit 推出用智能体 API 调用训练自有小模型的服务
Your API calls are now training data you own, a great launch for owning your intelligence stack.
Mubit 读取智能体已发给 OpenAI 或 Anthropic 的 API 调用，找出重复任务并训练用户自有小模型，让这部分工作成本更低、等待更短，其余任务仍交给前沿模型。集成只需替换 base URL 并保留原有客户端代码，也可直接接入已收集的 traces；公司称模型每隔几分钟刷新一次。作者认为其思路是把经验写进权重而非提示词，因此不同公司的智能体会训练出不同的小模型。
查看原帖我们在阿伯丁创办了Mubit。没有网络，没有实验室，没人认识我们。我们只是想要真正管用的AI系统。 如今我们与世界上一些最优秀的公司和工程师合作。 而我们不断看到的一点是：你和你的竞争对手运行着同样的AI。它本该属于你自己。🧵 在接下来的48小时内评论“SAPLING”，即可获得100美元免费额度。企业客户首月免费。
查看原文
We started Mubit in Aberdeen. No network, no lab, nobody knew us. We just wanted AI systems that actually work. Today we work with some of the best companies and engineers in the world. And the thing we kept seeing: you and your competitor run the same AI. It should be yours. 🧵 Comment "SAPLING" in the next 48 hours for $100 free credits. Enterprises get the first month free.
正文 · AI 翻译
你的 API 调用现在成了你拥有的训练数据，这是拥有你自己的智能技术栈的一个绝佳开端。
Mubit 会读取你的智能体已经发送给 OpenAI 或 Anthropic 的调用，找出重复出现的任务，并训练你拥有的小模型。
这样你就能少花钱、少等待，其余部分交给大模型处理。
> 该公司称他们每隔几分钟就会刷新一次。 > 集成只需一行代码。你替换 base URL，并保留相同的客户端代码。如果你不想改动这些，也可以接入你已经收集的 traces。 > 我喜欢的是这种分工。狭窄、重复的工作会转移到用你自己的流量训练出来的模型上。这些任务之外的任何内容仍然交给前沿模型。
所有这些意味着，使用 Mubit 的两家公司最终会得到不同的小模型，因为每个模型都由各自智能体的工作塑造。
在提示词中记住反馈是不可预测的。所以 Mubit 的做法是，不把经验教训放进提示词，而是用你的智能体重复执行的任务来训练小模型，这样改进就存在于权重之中。