Finetuning-Läufe

Ein Finetuning-Lauf trainiert ein Basismodell mit einem Trainingsdatensatz und registriert bei Erfolg ein neues Modell im Register Ihrer Organisation.

Einen Lauf starten

POST /v2/ai-platform/finetune-runs

{ "finetuneDatasetId": "ftd_abc123", "baseModelSlug": "qwen3.5-0.8b" }

Der Lauf wird im Voraus mit den festen costCredits des Basismodells belastet (siehe Basismodelle) und mit status: "queued" erstellt. Anders als jeder andere warteschlangenbasierte Job bei Crowdee wird ein Finetuning-Lauf nicht über BullMQ verteilt — ein separater Python-Worker (finetune-worker) fragt finetune_jobs direkt über Postgres ab und übernimmt die älteste wartende Zeile.

Optionale hyperparams (alle mit Standardwerten):

{ "loraRank": 8, "loraAlpha": 16, "loraDropout": 0.05, "epochs": 3, "batchSize": 1, "learningRate": 0.0002 }

Status prüfen

GET /v2/ai-platform/finetune-runs/{runId}

{
  "id": "ftj_abc123",
  "status": "running",
  "progress": 70,
  "baseModelSlug": "qwen3.5-0.8b",
  "resultModelArtifact": null
}

status ist einer von queued, running, completed, failed. progress ist eine vom Worker aktualisierte Schätzung von 0–100 während Tokenisierung, Training und GGUF-Konvertierung. Alle Läufe der aktiven Organisation auflisten:

GET /v2/ai-platform/finetune-runs?status=completed

Modellregister

Nach Abschluss eines Laufs verweist resultModelArtifact auf eine model_artifacts-Zeile:

GET /v2/ai-platform/models

[
  { "id": "ma_abc123", "name": "crowdee-org123-qwen3.5-0.8b", "baseModelSlug": "qwen3.5-0.8b", "ollamaTag": "crowdee-org123-qwen3.5-0.8b", "status": "ready" }
]

ollamaTag ist der Name des Modells in Crowdees gemeinsam genutzter Ollama-Laufzeitumgebung — die Modelle jeder Organisation sind nach Organisations-ID isoliert und werden niemals mandantenübergreifend geteilt.

Ein Modell mit der Crowd bewerten

Es gibt keinen eigenen Bewertungs-Endpunkt — nutzen Sie stattdessen den externen Einreichungspfad der KI-Ergebnisbewertung: führen Sie Ihr Modell selbst gegen einen Validierungsdatensatz aus und reichen Sie dessen Ausgaben ein über:

POST /v2/projects/{projectId}/ai-output-evaluations/external

So erhalten Sie dieselben crowd-bewerteten Klarheits-, Evidenz-, Handlungsfähigkeits- und Bias-Werte, die zur Bewertung der Ausgabe jedes anderen KI-Systems verwendet werden — ein unabhängiges Signal, bevor Sie sich im produktiven Einsatz auf das Modell verlassen.

Roadmap

Noch nicht verfügbar, für eine zukünftige Version vorgesehen:

• Geschlossener Retraining-Kreislauf — automatisches Starten eines neuen Finetuning-Laufs anhand von ai_component_feedback_log.flaggedForRetraining-Einträgen oder Continuous-Monitoring-Drift-Flags.
• Pipeline-Integration — Verwendung eines feingetunten Modells als direkten Ersatz für die eingebaute KI-Stufe einer Verifizierungs- oder Sprachtechnologie-Pipeline.
• Direkter API-/Inferenzzugriff auf ein feingetuntes Modell außerhalb der Plattform.