Overmind ile model eğitimi ve LLM ince ayarı

Overmind ne işe yarar, basitçe anlatırsak?

Overmind, teknik ekiplerin yapay zekâ ajanlarının çalışma örneklerinden özel modeller eğitmesine yardımcı olur. Üretim izleri, veri hazırlama, ince ayar, değerlendirme ve dağıtım aynı süreçte bağlantılı kalır. Sınıflandırma, yapılandırılmış yanıtlar ve araç çağrıları gibi görevler için kullanılabilir. Hedef kitlesi, model değişikliğinin yararını kendi görevlerinde ölçmek isteyen uygulama ve ajan geliştiricileridir.

İlk ince ayar denemesini adım adım yapın

Resmî dil modeli eğitimi rehberi somut bir başlangıç sunar:

1. Kodlama ajanını bağlayın, proje seçin ve beklenen yanıtları içeren örnekleri sağlayın.
2. Eğitim, geliştirme ve son değerlendirme verilerini ayırın; doğru çıktı ölçütlerini belirleyin.
3. Uyumlu modeli, desteklenen yöntemi ve beklenen işlem maliyetini inceleyip kabul edilen eğitimi başlatın.
4. Temel ve eğitilmiş modeli aynı ayrılmış örneklerde karşılaştırın; hataları ve eksik yanıtları da okuyun.

LoRA ve tam ince ayar seçilen modele bağlıdır. Tamamlanan eğitim veya azalan kayıp, görev başarısının arttığını tek başına kanıtlamaz.

Çalışma izlerini kullanılabilir veriye dönüştürün

Depodaki yetenekleri üretim izleriyle ilişkilendirerek istemleri, araçları, token kullanımını, gecikmeyi ve maliyeti inceleyebilirsiniz. Python SDK, OpenTelemetry ve Langfuse, LangSmith, Braintrust, Galileo içe aktarımları veri kaynaklarıdır.

Data Workshop dosya ve API satırlarını da kabul eder. Kodlama ajanının yazdığı Python adımları izole ortamda çalışır. Hücreler değişiklikleri sürümler; sonraki çalıştırmalar kullandıkları sürümü sabitler. Yinelenen veya kesilmiş örnekleri, veri sızıntısını ve görev kapsamını kontrol edin.

Aynı ölçütlerle karşılaştırma yapın

Değerlendirmeler model hakemleri ile deterministik kontrolleri birleştirebilir. Adayları aynı veri ve kurallarla karşılaştırın; ortalamaların yanında başarısız örnekleri ve eksik sonuçları inceleyin. Sınıflandırmada precision, recall, F1 ve karışıklık matrisleri bulunur. Eğitim dışında istem, araç ve kod değişiklikleri üzerinde de deney yapılabilir.

Modeli sunun, ağırlıkları elinizde tutun

Sohbet modelleri OpenAI uyumlu uç noktadan çağrılabilir. Dağıtımın hazır olmasıyla yetenek takma adının etkinleştirilmesi ayrı aşamalardır; uygulamanın davranışını doğrulayın. Ağırlıklar ve kontrol noktaları Console veya CLI üzerinden indirilebilir. Yerleşik karar modelleri ise sohbetten farklı, tipli olasılık sözleşmesi kullanır.

Ücretsiz erişim ve ücretli işlem sınırı

29 Ekim 2026 tarihinde doğrulanan fiyat sayfası dolar tutarlarını şöyle listeler:

• Free: aylık $0, proje başına bir koltuk, tüm özellikler ve bir defalık $50 kredi.
• Pro: aylık $120, her ay $120 kredi, sınırsız koltuk ve öncelikli destek.
• Enterprise: özel koşullar.

Eğitim, çıkarım, değerlendirme ve optimizasyon kredi tüketir. İzler, veri hazırlama ve Console, CLI, MCP erişimi tüketmez. Bir kredi $0.01 değerindedir; kullanılmayan krediler sona ermez. Deney maliyetiyle sürekli model sunumunu ayrı değerlendirin.

Kendi sunucunuz, lisanslar ve veri işleme

Platform Docker Compose ile kurulabilir; ancak şu an desteklenen eğitim backend’i Modal’dır. Uygulamayı barındırmak GPU eğitiminin tamamen yerel olduğu anlamına gelmez. Lisans rehberi AGPL-3.0 platformu, MIT SDK/CLI ve ücretli ticari seçeneği ayırır.

Gizlilik politikası, seçilen model, değerlendirme, eğitim ve çıkarım sağlayıcılarının içerik işleyebileceğini açıklar. Bağlantıyı iptal etmek daha önce saklanmış içeriği silmez.

Sık sorulan sorular

Üretim izleri olmadan bir dosyayla başlayabilir miyim?

Evet. Data Workshop dosya ve API satırlarını kabul eder. Göreve uygun örnekler hazırlayıp seçilen modelin biçim gereksinimleriyle uyumunu kontrol edin.

Free planında eğitim sınırsız mı?

Hayır. Tüm özellikler ve bir defalık başlangıç kredisi dahildir, ancak işlem çalıştırmaları kredi tüketir. Daha fazla ücretli işlem için bakiye gerekir.

Kendi sunucumda barındırmak tamamen yerel eğitim anlamına mı gelir?

Hayır. Kurulum yapılandırılmış dış hizmetlere ihtiyaç duyar ve mevcut eğitim yolu Modal kullanır. İndirilen ağırlıkları daha sonra başka ortamda sunabilirsiniz.

Resmî kaynaklar ve topluluk

• Kodlama ajanını bağlama: bağlantı ve proje kontrolleri.
• GitHub deposu: kaynak kodu ve sorunlar.
• Resmî Discord: topluluk desteği.
• Ekiple iletişim: teknik ve kurumsal sorular.