创建配置训练任务 - Fastino API Docs

POST

https://api.fastino.ai

training

jobs

curl -X POST https://api.fastino.ai/v1/training/jobs \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Idempotency-Key: YOUR_UNIQUE_RETRY_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model_name": "my-model-name",
    "base_model": "fastino/gliner2-base-v1",
    "datasets": [{"name": "my-ready-dataset"}],
    "training_type": "lora",
    "nr_epochs": 5,
    "learning_rate": 5e-5,
    "validation_data_percentage": 0.2
  }'

{
  "id": "3fa85f64-5717-4562-b3fc-2c963f66afa6",
  "type": "config",
  "model_name": "my-model-name",
  "base_model": "fastino/gliner2-base-v1",
  "status": "requested",
  "training_type": "lora",
  "nr_epochs": 5,
  "learning_rate": 5e-5,
  "validation_data_percentage": 0.2
}

POST /v1/training/jobs 启动异步托管训练（config 任务）并返回其任务记录。您提供数据集和配置，由 Fastino 运行训练循环。如需进行交互式训练（interactive 任务），由您的应用控制每个训练步骤，请按照解码器快速入门操作：该指南通过 POST /v1/training/jobs/create-model 或受支持的 Tinker SDK 创建 interactive 任务。此端点不会创建交互式任务。创建完成后，两种任务类型都使用各自的规范 ID 调用文档中所述的 /v1/training/jobs/{job_id} 生命周期操作。 config 任务可训练由 GET /v1/base-models?supports_training=true 返回、且具有兼容 config 任务调度路由的编码器模型。解码器基础模型会返回 400；请改用 interactive 任务训练解码器。此端点限制为每个用户每分钟 20 次请求。

请求

string

必填

您的 Fastino API 密钥。

string

客户端生成的重试键，长度为 1–255 个字符，建议使用 UUID。使用相同键和请求体重试会返回原任务；同一键配合不同请求体会返回 422。

string

必填

训练模型的显示名称。长度：1–100 个字符。

string

必填

GET /v1/base-models?supports_training=true 返回的可训练编码器 ID。所选 training_type 必须具有兼容的调度路由。检查点 UUID 和解码器基础模型会返回 400。

object[]

必填

一个或多个已上传数据集引用。每项需要 name，可包含 version；省略 version 时会解析为最新版本。

string

默认值:"lora"

lora 或 full。所选基础模型必须支持所请求的训练类型。

number

默认值:"0.2"

用于验证的留出比例，取值范围从 0 到 0.9，步长为 0.01。

integer

默认值:"100"

最大 epoch 数，范围为 1 到 10000；早停可能会更早结束。

number

峰值学习率，范围为 1e-8 到 1。省略时使用所选模型的训练配方。

integer

单设备批大小，范围为 1 到 256。省略此项时，使用 GET /v1/base-models?supports_training=true 返回的该模型 default_training_batch_size。如果目录公布了该模型的 max_training_batch_size，超过它的值会返回 422。如果 GLiNER 批次无法放入训练 GPU，会缩小到可容纳的最大值；任务的 batch_size 显示实际运行的批大小。

integer

可选的可复现性种子，取值从 0 到 2147483647。使用时请将 provider_name 设为 modal。种子可以减少一种变化源，但并不保证 GPU 运行结果按位一致。

string

项目 UUID。省略时，Fastino 会将任务关联到调用者的默认项目。

显示其他训练参数

integer

默认值:"100"

每 N 步保存一次检查点，N 的范围为 1 到 2147483647。

boolean

默认值:"false"

持久化一个结构化的训练性能剖析工件。

string

可选的 Weights & Biases API 密钥。请将其视为机密信息，切勿放入源代码、日志或示例中。

integer

LoRA 秩，范围为 1 到 256。省略时使用模型配方。

integer

正整数 LoRA alpha，最大为 2147483647。省略时使用模型配方。

number

LoRA dropout，范围从 0（含）到 1（不含）。省略时使用模型配方。

number

预热比例，取值从 0 到 1。GLiNER 任务使用此字段配置预热。

integer

绝对预热步数，范围为 1 到 2147483647。GLiNER 任务会以 422 unsupported_encoder_scheduling 拒绝此字段；请使用 warmup_ratio。

string

学习率调度：constant、linear 或 cosine。省略时 GLiNER 使用 linear；只有显式值会被转发。

number

为请求兼容性而接受，但不会转发到 GLiNER 训练。GLiNER 使用容器默认值 0.01。

integer

默认值:"3"

停止前允许验证 epoch 未改进的次数，范围为 0 到 10000。设为 0 可禁用。

number

默认值:"0.0001"

视为有进展的非负最小验证损失改进量。

string

锁定兼容的训练提供方。省略时会自动选择。

number

GLiNER 编码器学习率，范围为 1e-8 到 1。缺省时回退到 learning_rate。

number

GLiNER 任务头学习率，范围为 1e-8 到 1。缺省时回退到 learning_rate。

integer

正整数的小批量累积次数，最大为 2147483647。

boolean

启用 GLiNER 数据集自动调整规模。

integer

GLiNER 自动调整规模下限，范围为 1 到 2147483647。

integer

GLiNER 自动调整规模上限，范围为 1 到 2147483647。

integer

GLiNER 每个标签的自动调整规模系数，范围为 1 到 2147483647。

integer

GLiNER 最小优化器步数，范围为 0 到 2147483647。

integer

GLiNER2 周期验证间隔，范围为 1 到 2147483647 个优化器步。省略时仅在 epoch 结束时验证。

integer

GLiNER2 周期验证中每个数据集的样本上限，范围为 1 到 2147483647。省略时不设上限。

integer

GLiNER 最大输入长度，范围为 1 到 2147483647 个 token。省略时使用模型上下文限制。超过 GET /v1/base-models?supports_training=true 返回的该模型 max_training_length 的值会返回 422。

integer

GLiNER2 每个查询保留的 gold span 上限，范围为 1 到 1024。省略时使用 32。

string

GLiNER2 在 gold span 超过 max_gold_per_query 时的行为：raise、truncate_with_warning 或 skip_sample。省略时使用 raise。

string

默认值:"sft"

config 任务仅支持 sft。省略则使用默认值。

curl -X POST https://api.fastino.ai/v1/training/jobs \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Idempotency-Key: YOUR_UNIQUE_RETRY_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model_name": "my-model-name",
    "base_model": "fastino/gliner2-base-v1",
    "datasets": [{"name": "my-ready-dataset"}],
    "training_type": "lora",
    "nr_epochs": 5,
    "learning_rate": 5e-5,
    "validation_data_percentage": 0.2
  }'

响应

返回 200 及完整的训练任务记录，其中包含 UUID id 和初始状态。以下示例经过缩略；实际响应包含 TrainingJobResponse 定义的所有字段。

{
  "id": "3fa85f64-5717-4562-b3fc-2c963f66afa6",
  "type": "config",
  "model_name": "my-model-name",
  "base_model": "fastino/gliner2-base-v1",
  "status": "requested",
  "training_type": "lora",
  "nr_epochs": 5,
  "learning_rate": 5e-5,
  "validation_data_percentage": 0.2
}

请保存此响应中的 id。您将用它来轮询状态、获取指标和工件，以及对训练后的模型运行推理。请求体格式错误会返回 422。有效但不可用的模型、数据集、训练类型或提供方组合会返回请求相关的 4xx 错误。创建操作可能返回以下带错误码的冲突：

状态	含义
`402`	账户从未充值或额度已用尽。
`403`	付款方式、账户要求或调用方的团队角色阻止创建任务。
`409 duplicate_training_submission`	过去 60 秒内提交了相同的活动任务。请轮询错误中的 `job_id`，不要重新提交。
`409 idempotency_key_job_deleted`	此幂等键最初创建的任务已删除。新任务请使用新键。
`409`	引用的数据集在验证与插入任务之间被停用。请处理该数据集问题后使用新键重试。
`422 idempotency_key_reused`	同一 `Idempotency-Key` 与不同的请求体一起使用。要重放任务，请使用原请求体；要创建新任务，请使用新键。
`422 catalog_training_shape_exceeded`	`batch_size` 超过该模型的 `max_training_batch_size`，或 `max_length` 超过其 `max_training_length`。请从 `GET /v1/base-models?supports_training=true` 读取这两个值，并发送不超过上限的值。
`429`	超出请求速率或活动 `config` 任务上限。每个用户最多可有 25 个活动 `config` 任务。
`503`	无法检查计费状态，或所有训练提供方均已满载。请稍后使用同一 `Idempotency-Key` 重试。

相同 Idempotency-Key 和完全相同的请求体会重放原任务，而不是创建新任务。同一键配合不同请求体会返回 422。 60 秒相同提交检查与幂等键重放是相互独立的。超过该时间窗口后，如果发送相同请求体但不复用原键，则会创建另一个任务并产生费用。如果请求的模型名称已被占用，下一个任务会获得 <name>_2 之类的后缀。解码器基础模型会返回 400：

{
  "error": {
    "message": "Decoder training on this route is retired: 'Qwen/Qwen3.6-35B-A3B' cannot be trained here. Train decoders step by step with the training job routes under /v1/training/jobs (see https://docs.fastino.ai/training/quickstart).",
    "type": "invalid_request_error",
    "param": null,
    "code": null
  }
}

要训练解码器，请使用 POST /v1/training/jobs/create-model 创建 interactive 任务，并按照解码器快速入门操作。

授权

需要团队的 Owner、Admin 或 Editor 角色。其他角色会收到 403 Forbidden。

curl -X POST https://api.fastino.ai/v1/training/jobs \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Idempotency-Key: YOUR_UNIQUE_RETRY_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model_name": "my-model-name",
    "base_model": "fastino/gliner2-base-v1",
    "datasets": [{"name": "my-ready-dataset"}],
    "training_type": "lora",
    "nr_epochs": 5,
    "learning_rate": 5e-5,
    "validation_data_percentage": 0.2
  }'

{
  "id": "3fa85f64-5717-4562-b3fc-2c963f66afa6",
  "type": "config",
  "model_name": "my-model-name",
  "base_model": "fastino/gliner2-base-v1",
  "status": "requested",
  "training_type": "lora",
  "nr_epochs": 5,
  "learning_rate": 5e-5,
  "validation_data_percentage": 0.2
}

​请求

​响应

​授权

请求

响应

授权