总览

训练、部署和评测自己的模型，让模型能力持续贴近业务需求。

Mint Recursive 是面向开源模型的训练与推理平台。用自己的数据进行监督微调，将训练产物部署为可调用的服务，再用评测结果指导下一轮改进。训练与托管推理在远端运行，无需在本地准备 GPU。

从你的目标开始

训练第一个模型 从一份 JSONL 数据开始，完成训练并获得自己的模型版本。阅读指南 将模型接入应用 创建部署、确认服务就绪，再从 API 接入页获取调用配置。阅读指南 验证模型效果 选择 Benchmark 和被测模型，查看运行结果与任务完成情况。阅读指南 规划使用成本 了解各模型刊例价和专属 GPU 方案。阅读指南

从数据到可用模型

1. 训练数据
2. SFT 训练
3. 模型检查点
4. 部署
5. API 调用与评测

模型能力的改进从清晰的任务和高质量样本开始。通过训练让模型学习期望的回答方式，通过独立评测判断是否改进，再决定上线哪个版本。

训练与部署工作空间 · 界面截图占位 · 产品界面定稿后更新

理解你的工作空间

资源	用途	控制台入口
数据集	保存用于训练的样本及校验结果	我的数据
训练任务	记录模型、数据版本、运行状态与训练产物	我的训练
模型版本	连接训练来源、检查点、续训和部署	我的模型
部署	将训练版本提供为推理服务	部署
评测记录	保存指定 Benchmark 下的执行与结果	我的评测

已有模型可从控制台的 模型调用 进入 API 接入。需要定制模型时，从快速开始进入训练流程。