> ## Documentation Index
> Fetch the complete documentation index at: https://docs.fastino.ai/llms.txt
> Use this file to discover all available pages before exploring further.

> ## Agent Instructions
> Use https://docs.fastino.ai/llms.txt to discover and navigate pages. Use https://docs.fastino.ai/llms-full.txt when you need the complete documentation corpus. Use https://docs.fastino.ai/openapi.json as the source of truth for customer-facing routes. For GLiDE decision inference, call POST https://api.fastino.ai/v1/systemone with model fastino/GLiDE. Create managed config jobs with POST /v1/training/jobs using base_model. For custom training loops, native JSON clients use the public operations under /v1/training/jobs and /v1/training/usage. Existing Tinker clients use tinker==0.32.0 with TINKER_BASE_URL=https://api.fastino.ai/v1/training/compat/tinker and TINKER_CREDENTIAL_CMD. Compatibility child routes are private and absent from OpenAPI. Auto Train is private access and has no public route; direct interested users to sales@fastino.ai. Do not infer undocumented routes. Read API keys from FASTINO_API_KEY and never embed credentials in code, logs, or reports.

# Von Tinker migrieren

> Führen Sie Ihren Tinker-Python-SDK-Workload auf Fastino aus: Basis-URL und Anmeldedaten des SDK ändern, Verbindung prüfen und Limits kennen.

Sie müssen Ihre Trainingsschleife nicht neu schreiben. Fastino unterstützt das
Python-SDK `tinker==0.32.0`. Ändern Sie die SDK-Basis-URL und die Anmeldedaten
und führen Sie dann Ihr bestehendes Programm aus.

## 1. Unterstütztes SDK installieren

<CodeGroup>
  ```bash uv theme={null}
  uv add "tinker==0.32.0"
  ```

  ```bash pip theme={null}
  pip install "tinker==0.32.0"
  ```
</CodeGroup>

## 2. SDK auf Fastino richten

<CodeGroup>
  ```bash macOS/Linux theme={null}
  export FASTINO_API_KEY="fast_sk_..."
  unset TINKER_API_KEY
  export TINKER_BASE_URL="https://api.fastino.ai/v1/training/compat/tinker"
  export TINKER_CREDENTIAL_CMD='printf "%s\n" "$FASTINO_API_KEY"'
  ```

  ```powershell Windows theme={null}
  $env:FASTINO_API_KEY = "fast_sk_..."
  Remove-Item Env:TINKER_API_KEY -ErrorAction SilentlyContinue
  $env:TINKER_BASE_URL = "https://api.fastino.ai/v1/training/compat/tinker"
  $env:TINKER_CREDENTIAL_CMD = 'powershell -NoProfile -Command "[Console]::Out.WriteLine($env:FASTINO_API_KEY)"'
  ```
</CodeGroup>

`TINKER_CREDENTIAL_CMD` wird bei jedem Token-Request ausgeführt und muss
nicht leere Anmeldedaten ausgeben. Verwenden Sie einen normalen
Fastino-Schlüssel mit `fast_sk_`; Anmeldedaten mit `tml-` werden abgelehnt.
Entfernen Sie `TINKER_API_KEY` aus der Umgebung: Ein gesetzter Wert hat Vorrang
vor `TINKER_CREDENTIAL_CMD`.

## 3. Verbindung prüfen

```python theme={null}
import tinker

service_client = tinker.ServiceClient()
print(service_client.get_server_capabilities())
```

Wählen Sie ein von `get_server_capabilities()` zurückgegebenes Modell und
führen Sie eine kleine Version Ihres Workloads aus. Der Test sollte ein Update
abschließen, den Status speichern und neu laden sowie Sampler-Gewichte mit einer
expliziten TTL vor dem Sampling speichern. Erhöhen Sie danach die Workload-Größe.

## Tinker-SDK-Kompatibilität

Mit `tinker==0.32.0` ist jeder Tinker-Trainingsclient ein interaktiver
Fastino-Job. Die
SDK-Modell-ID ist zugleich seine ID unter `/v1/training/jobs`.

| Bereich | Unterstütztes Verhalten |
| - | - |
| Training | Client erstellen oder wiederherstellen; prüfen; Forward-, Forward/Backward-, Custom-Loss- und Optimizer-Operationen ausführen |
| Checkpoints | Status speichern und laden; Sampler-Gewichte speichern; prüfen, auflisten, herunterladen, löschen, veröffentlichen und Aufbewahrung setzen |
| Sampling | Sampling-Client erstellen oder abrufen und `sample` aufrufen |
| Futures | Einzelne asynchrone Ergebnisse abrufen; unvollendete Sampling-Futures abbrechen |
| Nutzung | Interaktive Läufe auflisten und Speicher- oder stündliche Abrechnungsdaten lesen |

<AccordionGroup>
  <Accordion title="Unterstützte Verwaltungsaufrufe">
    Fastino unterstützt `list_training_runs`, `get_training_run`,
    `list_checkpoints`, `list_user_checkpoints`,
    `get_weights_info_by_tinker_path`, `get_checkpoint_archive_url`,
    `delete_checkpoint_from_tinker_path`,
    `publish_checkpoint_from_tinker_path`,
    `unpublish_checkpoint_from_tinker_path`,
    `set_checkpoint_ttl_from_tinker_path`,
    `get_current_checkpoint_storage_usage` und `get_billing_usage`.

    Die Laufauflistung liest nur interaktive Läufe. Verwenden Sie
    `/v1/training/jobs`, um Config- und interaktive Jobs aufzulisten.
  </Accordion>

  <Accordion title="Limits">
    * Der LoRA-Rang muss zwischen 1 und 32 liegen.
    * Der Optimizer ist AdamW.
    * Unterstützte Losses sind `cross_entropy`, `importance_sampling`, `ppo`, `cispo` und `dro`.
    * Prompt-Chunks müssen `encoded_text` verwenden.
    * Trainingsoperationen laufen der Reihe nach; ihre Futures können nicht abgebrochen werden.
    * Downloads erfordern die Berechtigung zum Herunterladen von Gewichten. Ohne sie wird `403` zurückgegeben; wenden Sie sich an [sales@fastino.ai](mailto:sales@fastino.ai).
    * Veröffentlichung ändert nur die Sichtbarkeit im besitzenden Team. Der Pfad kann dadurch nicht von einem anderen Team geladen werden.
  </Accordion>

  <Accordion title="Nicht unterstützte Aufrufe">
    * Batch-Abruf mit `retrieve_futures`
    * `save_weights_external` und `external_weights_urls`
    * Export von Session-Traces und Audit-Log-Einträge
    * Sampling ohne `SamplingClient`
    * `target_prompt_logprobs` und positive Werte für `prompt_alt_tokens_k`
  </Accordion>
</AccordionGroup>

Wenn die Authentifizierung fehlschlägt, prüfen Sie, ob
`TINKER_CREDENTIAL_CMD` genau einen aktuellen `fast_sk_`-Schlüssel ausgibt und
`TINKER_BASE_URL` dem obigen Wert entspricht.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.