> ## 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. Both config and interactive jobs use /v1/training/jobs/{job_id} for their canonical REST lifecycle. For custom training loops, use the supported Tinker-compatible SDK client; its /v1/training/compat/tinker adapter is intentionally absent from OpenAPI and must not be called directly. 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.
# Auto Train
> Déléguez la préparation des données, l'entraînement, l'évaluation et la sélection du modèle à l'agent d'entraînement autonome de Fastino.
Auto Train est l'agent d'entraînement autonome de Fastino, disponible en
accès privé. Vous fournissez l'objectif d'entraînement et les critères de
réussite. L'agent planifie et exécute le cycle de vie de l'entraînement.
L'agent peut coordonner :
* La préparation et la validation des datasets
* L'entraînement et l'évaluation des modèles candidats
* Les questions et les points d'approbation
* La progression vers un critère de réussite mesurable
* La livraison des modèles qui atteignent le seuil approuvé
Auto Train est en accès privé et ne figure ni dans l'OpenAPI public ni
dans la référence API.
Auto Train n'a aucun endpoint public ni schéma de requête. Ne déduisez
pas de route à partir du nom du produit.
Contactez [sales@fastino.ai](mailto:sales@fastino.ai) pour discuter de votre objectif d'entraînement et
de l'accès.
This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.