Inicio rápido del codificador

Esta guía rápida usa el entrenamiento gestionado para ajustar un codificador GLiNER mientras Fastino ejecuta el bucle. Para entrenar modelos Nemotron o Qwen con un bucle controlado por tu aplicación, consulta el inicio rápido del decodificador.

1. Autentícate

Crea una cuenta de Fastino.
Abre Claves de API.
Crea una clave y cópiala cuando se muestre.

Guarda la clave en una variable de entorno:

export FASTINO_API_KEY="fast_sk_..."

$env:FASTINO_API_KEY = "fast_sk_..."

Envía esta clave como X-API-Key: $FASTINO_API_KEY. Consulta Autenticación para ver el contrato de autenticación completo.

2. Prepara un dataset

Sube y procesa un dataset de entrenamiento y espera hasta que su versión esté ready.

3. Elige un modelo

El entrenamiento gestionado admite fastino/gliner2-multi-v1 y fastino/GLiNER-2.5-Decide. Consulta el catálogo activo antes del envío:

curl "https://api.fastino.ai/v1/base-models?supports_training=true" \
  -H "X-API-Key: $FASTINO_API_KEY"

Guarda el ID del modelo seleccionado.

4. Crea el trabajo

curl -X POST "https://api.fastino.ai/v1/training/jobs" \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  -d '{
    "model_name": "my-trained-model",
    "base_model": "MODEL_ID_FROM_CATALOG",
    "datasets": [
      {"name": "my-ready-dataset", "version": "VERSION_NUMBER"}
    ],
    "training_type": "lora"
  }'

Guarda el id devuelto. Es el job_id que usan todas las rutas específicas del trabajo. Reutiliza la misma Idempotency-Key únicamente al reintentar esta misma solicitud de creación.

5. Consulta el trabajo

curl "https://api.fastino.ai/v1/training/jobs/JOB_ID" \
  -H "X-API-Key: $FASTINO_API_KEY"

Para los trabajos de configuración:

status es el valor persistido del ciclo de vida, como errored.
normalized_status es el valor estable para las consultas, como failed.
is_terminal_status indica al cliente cuándo dejar de consultar.
error_message describe un fallo cuando está disponible.

Continúa hasta que is_terminal_status sea true y, después, inspecciona el estado final, los checkpoints, los logs y la posibilidad de despliegue.

Empezar

Modelos de decisión

Entidades y clasificación

API de entrenamiento

API de inferencia

Solución de problemas

Integraciones SDK

Modelos

Cuenta

Inicio rápido del codificador

1. Autentícate

2. Prepara un dataset

3. Elige un modelo

4. Crea el trabajo

5. Consulta el trabajo

Continúa

Datasets

Inicio rápido del decodificador

​1. Autentícate

​2. Prepara un dataset

​3. Elige un modelo

​4. Crea el trabajo

​5. Consulta el trabajo

​Continúa

Datasets

Inicio rápido del decodificador

1. Autentícate

2. Prepara un dataset

3. Elige un modelo

4. Crea el trabajo

5. Consulta el trabajo

Continúa