Créer un job d'entraînement de configuration

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 Démarre un entraînement géré asynchrone (job config) et renvoie son enregistrement. Vous fournissez un dataset et une configuration, et Fastino exécute la boucle d’entraînement. Pour l’entraînement interactif (job interactive), où votre application contrôle chaque étape d’entraînement, suivez le Démarrage rapide du décodeur, qui crée un job interactive via POST /v1/training/jobs/create-model ou le SDK Tinker pris en charge. Cet endpoint ne crée pas de jobs interactifs. Après leur création, les deux types de jobs utilisent leurs ID canoniques avec les opérations de cycle de vie documentées sous /v1/training/jobs/{job_id}. Les jobs config entraînent les modèles encodeurs renvoyés par GET /v1/base-models?supports_training=true qui disposent d’une route de dispatch compatible pour les jobs config. Les modèles de base décodeurs renvoient 400 ; entraînez plutôt les décodeurs avec un job interactive. Cet endpoint est limité à 20 requêtes par minute et par utilisateur.

Requête

string

requis

Votre clé API Fastino.

string

Clé de nouvelle tentative générée par le client, de 1 à 255 caractères ; un UUID est recommandé. Répéter la même clé et le même corps renvoie le job d’origine. Réutiliser la clé avec un autre corps renvoie 422.

string

requis

Nom d’affichage du modèle entraîné. Longueur : 1 à 100 caractères.

string

requis

Un ID d’encodeur entraînable renvoyé par GET /v1/base-models?supports_training=true. Le training_type sélectionné doit disposer d’une route de dispatch compatible. Les UUID de checkpoint et les modèles de base décodeurs renvoient 400.

object[]

requis

Une ou plusieurs références de datasets importés. Chaque élément nécessite name et peut inclure version ; les versions omises sont résolues vers la dernière version.

string

défaut:"lora"

lora ou full. Le modèle de base sélectionné doit prendre en charge le type demandé.

number

défaut:"0.2"

Fraction réservée à la validation, de 0 à 0.9 par incréments de 0.01.

integer

défaut:"100"

Nombre maximal d’époques, de 1 à 10000 ; l’arrêt anticipé peut terminer plus tôt.

number

Taux d’apprentissage maximal de 1e-8 à 1. Omettez-le pour utiliser la recette d’entraînement du modèle sélectionné.

integer

Taille du batch par appareil de 1 à 256. Omettez-la pour utiliser le default_training_batch_size du modèle renvoyé par GET /v1/base-models?supports_training=true. Une valeur supérieure au max_training_batch_size du modèle, lorsque le catalogue en publie un, renvoie 422. Si un batch GLiNER ne tient pas sur le GPU d’entraînement, il est réduit à la plus grande taille qui tient ; le batch_size du job indique la taille utilisée.

integer

Seed de reproductibilité facultative de 0 à 2147483647. Définissez provider_name sur modal lors de son utilisation. Une seed réduit une source de variation, mais ne garantit pas des exécutions GPU identiques bit à bit.

string

UUID du projet. S’il est omis, Fastino associe le job au projet par défaut de l’appelant.

Afficher Paramètres d'entraînement supplémentaires

integer

défaut:"100"

Enregistrer un checkpoint tous les N pas, avec N de 1 à 2147483647.

boolean

défaut:"false"

Conserver un artefact structuré de profil d’entraînement.

string

Clé API Weights & Biases facultative. Traitez-la comme un secret et ne la placez jamais dans le contrôle de version, les logs ou les exemples.

integer

Rang LoRA de 1 à 256. Omettez-le pour utiliser la recette du modèle.

integer

Alpha LoRA positif, jusqu’à 2147483647. Omettez-le pour utiliser la recette du modèle.

number

Dropout LoRA de 0 (inclus) à 1 (exclu). Omettez-le pour utiliser la recette du modèle.

number

Fraction de warmup de 0 à 1. Utilisez ce champ pour configurer le warmup des jobs GLiNER.

integer

Nombre absolu de pas de warmup, de 1 à 2147483647. Les jobs GLiNER rejettent ce champ avec 422 unsupported_encoder_scheduling ; utilisez warmup_ratio.

string

Programme du taux d’apprentissage : constant, linear ou cosine. Si ce champ est omis, GLiNER utilise linear ; seule une valeur explicite est transmise.

number

Accepté pour la compatibilité de la requête, mais non transmis à l’entraînement GLiNER. GLiNER utilise la valeur par défaut du conteneur 0.01.

integer

défaut:"3"

Époques de validation sans amélioration avant l’arrêt, de 0 à 10000. Définissez 0 pour désactiver.

number

défaut:"0.0001"

Amélioration minimale non négative de la loss de validation considérée comme une progression.

string

Fixer un fournisseur d’entraînement compatible. Omettez-le pour une sélection automatique.

number

Taux d’apprentissage de l’encodeur GLiNER de 1e-8 à 1. Utilise learning_rate par défaut.

number

Taux d’apprentissage de la tête de tâche GLiNER de 1e-8 à 1. Utilise learning_rate par défaut.

integer

Nombre positif d’accumulations de mini-batchs, jusqu’à 2147483647.

boolean

Activer le dimensionnement automatique des datasets GLiNER.

integer

Borne inférieure du dimensionnement automatique GLiNER, de 1 à 2147483647.

integer

Borne supérieure du dimensionnement automatique GLiNER, de 1 à 2147483647.

integer

Échelle par étiquette pour le dimensionnement automatique GLiNER, de 1 à 2147483647.

integer

Nombre minimal de pas d’optimiseur GLiNER, de 0 à 2147483647.

integer

Intervalle de validation périodique GLiNER2, de 1 à 2147483647 pas d’optimiseur. Omettez-le pour valider uniquement en fin d’époque.

integer

Plafond par dataset pour la validation périodique GLiNER2, de 1 à 2147483647. Omettez-le pour ne pas appliquer de plafond.

integer

Longueur d’entrée GLiNER maximale, de 1 à 2147483647 tokens. Omettez-la pour utiliser la limite de contexte du modèle. Une valeur supérieure au max_training_length du modèle renvoyé par GET /v1/base-models?supports_training=true renvoie 422.

integer

Nombre maximal de spans gold conservés par requête GLiNER2, de 1 à 1024. Omettez-le pour utiliser 32.

string

Comportement GLiNER2 lorsque les spans gold dépassent max_gold_per_query : raise, truncate_with_warning ou skip_sample. Omettez-le pour utiliser raise.

string

défaut:"sft"

Seul sft est pris en charge pour les jobs config. Omettez-le pour utiliser la valeur par défaut.

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
  }'

Réponse

Renvoie 200 avec l’enregistrement complet du job d’entraînement, y compris un id UUID et le statut initial. L’exemple ci-dessous est abrégé ; la réponse réelle contient tous les champs définis par TrainingJobResponse.

{
  "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
}

Conservez l’id renvoyé dans cette réponse. Vous l’utiliserez pour interroger le statut, récupérer les métriques et les artefacts, et exécuter des inférences sur le modèle entraîné. Un corps mal formé renvoie 422. Une combinaison valide mais indisponible de modèle, dataset, type d’entraînement ou fournisseur renvoie une erreur 4xx propre à la requête. La création peut renvoyer les conflits codés suivants :

Statut	Signification
`402`	Le compte n’a jamais été approvisionné ou a épuisé ses crédits.
`403`	Un moyen de paiement, une exigence du compte ou le rôle d’équipe de l’appelant empêche la création.
`409 duplicate_training_submission`	Un job actif identique a été soumis au cours des 60 dernières secondes. Interrogez le `job_id` de l’erreur au lieu de soumettre à nouveau.
`409 idempotency_key_job_deleted`	Le job créé à l’origine avec cette clé d’idempotence a été supprimé. Utilisez une nouvelle clé pour un nouveau job.
`409`	Un dataset référencé a été retiré entre la validation et l’insertion du job. Corrigez le dataset et réessayez avec une nouvelle clé.
`422 idempotency_key_reused`	La même `Idempotency-Key` a été utilisée avec un corps différent. Utilisez le corps d’origine pour rejouer la requête, ou une nouvelle clé pour créer un autre job.
`422 catalog_training_shape_exceeded`	`batch_size` dépasse le `max_training_batch_size` du modèle, ou `max_length` dépasse son `max_training_length`. Lisez les deux dans `GET /v1/base-models?supports_training=true` et envoyez des valeurs qui les respectent.
`429`	La limite de requêtes ou de jobs `config` actifs a été dépassée. Un utilisateur peut avoir au maximum 25 jobs `config` actifs.
`503`	L’état de facturation n’a pas pu être vérifié ou tous les fournisseurs d’entraînement sont à pleine capacité. Réessayez plus tard avec la même `Idempotency-Key`.

La même Idempotency-Key et un corps identique rejouent le job d’origine au lieu d’en créer un autre. Un corps différent avec la même clé renvoie 422. La vérification des soumissions identiques pendant 60 secondes est distincte du rejeu par clé d’idempotence. Passé ce délai, envoyer le même corps sans réutiliser la clé d’origine crée et facture un autre job. Si le nom de modèle demandé est déjà utilisé, le job suivant reçoit un suffixe tel que <name>_2. Un modèle de base décodeur renvoie 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
  }
}

Pour entraîner un décodeur, créez un job interactive avec POST /v1/training/jobs/create-model et suivez le Démarrage rapide du décodeur.

Autorisation

Nécessite le rôle Owner, Admin ou Editor de l’équipe. Les autres rôles reçoivent 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
}

Inférence

Entraînement

Créer un job d'entraînement de configuration

Requête

Réponse

Autorisation

​Requête

​Réponse

​Autorisation

Requête

Réponse

Autorisation