MinT

面向 LLM 的 RL 训练基础设施。你写训练循环，我们搞定 GPU。

MinT 让你只关注 LLM 后训练里真正重要的事情 —— 你的数据、你的损失函数、你的 RL 环境 —— 而把分布式训练的繁重负担交给我们。你只需要在自己的 CPU 机器上写一个简单的 Python 脚本，里面包含数据或环境以及损失函数。我们会找到一种方式，把训练任务高效地跑在一个 GPU 集群上，做你指定的那一份计算。要换模型，你只需要改代码里的一个字符串。

MinT 把训练循环和算法细节的全部控制权留给你。它不是那种把"微调变简单"的黑盒；它是一层干净的抽象，把分布式训练的复杂性挡在外面，同时保留你对一切的控制。

你的代码通过 MinT SDK 在客户端运行。请求经 API Gateway 到达 MinT 的核心服务 —— Model Router、Task Manager、LoRA Manager —— 由它们协调跨 GPU 集群、对象存储和数据库的分布式训练。你只看见客户端 SDK；服务端的复杂性由我们处理。