Skip to main content
在下方查找有关 Fastino 最常见问题的解答。如果没有找到你需要的内容，请通过 support@fastino.ai 联系团队。如需查看实时服务状态和故障报告，请访问 pioneerai.statuspage.io。
Fastino 旨在让小语言模型（SLM）的微调尽可能简单。整个过程只需四步：
  1. 创建数据集 - 上传你自己的数据，或使用 Fastino 内置的合成数据工具生成合成样本。请参阅合成数据。
  2. 启动训练任务 - 选择一个基础模型，指定你的数据集并提交。所有超参数都有合理的默认值，因此无需调整任何参数即可开始。请参阅训练。
  3. 等待完成 - 你的任务会依次经历 pending → running → complete。小型数据集通常几分钟即可完成。
  4. 运行推理 - 将任务 ID 用作模型标识符。编码器模型接受文本和 schema；解码器模型兼容 OpenAI。请参阅推理。
如需完整的操作演示，请查看 NER 微调指南或 LLM 微调指南。
不收费。所有套餐中的所有数据集均可免费存储。你在 Fastino 中创建或上传的数据集不会产生任何费用。
描述你的领域以及想要训练的标签，Fastino 就会大规模生成逼真的带标签样本。这让你无需任何人工标注即可快速构建训练数据集——在从零开始或需要扩大边缘情况覆盖范围时非常有用。
Fastino 通过一个统一的 API 支持 Nemotron 3.5 Lightning、DeepSeek V4 Flash、GLM 5.2、Claude Opus/Sonnet/Haiku 5，以及 GPT-5.5 和 GPT-5.6 系列。
将模型名称替换为其他受支持的解码器，例如 deepseek-ai/DeepSeek-V4-Flash、zai-org/GLM-5.2、claude-sonnet-5 或 gpt-5.6-terra。如需查看完整的实时模型目录，请调用 GET /v1/base-models。详情请参阅推理。
会，默认情况下 Fastino 可能会使用你的数据来改进模型。不过，你可以在 Pro 和 Custom 套餐中选择退出。Custom 套餐还允许你在自己的 VPC 内私有运行微调，确保你的数据永远不会离开你的基础设施。联系团队以了解更多 Custom 套餐选项。
Fastino 中的 Teams 用于共享账单——每位成员仍拥有自己的私有工作区。Teams 本身并不直接支持队友之间的模型共享。如果你需要与团队共享模型，请联系我们，团队会为你介绍最适合你用例的方法。
编码器模型（如 GLiNER）经过训练，用于理解文本并从中抽取结构化信息，非常适合 NER、分类和 JSON 抽取任务。它们快速、高效，并可在 CPU 上运行，因此大规模部署成本很低。解码器模型（如 Nemotron 3.5 Lightning）是生成式的，会生成文本，因此适用于摘要、问答、聊天和指令遵循任务。Fastino 两者都支持。如果你的任务有明确的输出结构（抽取这些实体类型、分类到这些类别中），请使用编码器。如果你的任务需要生成自由格式的文本，请使用解码器。如果拿不准，请从编码器开始，它们训练更快、成本更低，也更容易评估。
Fastino 会在训练后自动运行评估，并报告你预留验证集上的 F1、精确率和召回率。如果分数低于预期，请针对单独的数据集运行手动评估，以获得更清晰的信号。你还可以检查每个样本的预测结果，找出模型出错的地方，然后利用这些不足生成有针对性的合成数据。请参阅评估和合成数据。
GLiNER 是一种开源编码器模型架构，专为命名实体识别和结构化抽取而设计。与逐个 token 生成文本的解码器模型不同，GLiNER 直接对文本跨度进行分类，因此在抽取任务上速度明显更快、准确率更高。当你需要抽取特定实体类型（人物、组织、产品、日期）、将文本分类到预定义类别中，或运行对延迟和成本敏感的大规模推理时，请使用 GLiNER。Fastino 的微调流水线围绕 GLiNER 构建。你可以在几分钟内从领域描述得到一个可用于生产的抽取模型，且你这一侧无需任何 GPU。
作为美国持续推行的 AI 出口管制政策（包括 2026 年 6 月发布的指令）的一部分，各模型提供商均已更新其可用性政策以确保合规。
位于受美国制裁和出口限制国家（包括中国、俄罗斯、伊朗、朝鲜、古巴、叙利亚和白俄罗斯）的用户无法访问 Fastino 上的模型。
如需完整且最新的支持国家列表，请直接参阅各提供商：OpenAI、Anthropic、Google Gemini 和 Meta Llama 4。
这些政策仍在不断变化。如果你认为自己的访问权限被错误限制，请联系我们的支持团队。