GoogleのオープンモデルファミリーGemmaを使った開発向けのガイド、チュートリアルノートブック、アプリのエンドツーエンド例をまとめたコレクションです。
togethercomputer/together-cookbook
Together AI上でオープンソースモデルを使った開発方法を紹介する、Jupyterノートブックとガイド集。
- スター
- 1,194
- フォーク
- 221
- 未解決の Issue
- 7
- 最終コミット
- 4 日前
これは何?
Together Cookbookは、Together AI上でホストされているオープンソースモデルを使って開発したい人向けの、実行可能なレシピ集です。多くはTogether APIを呼び出すJupyterノートブックで、コードを自分のプロジェクトにコピーして使えるようになっています。サンプルの実行にはTogether AIのAPIキーが必要です。PythonとJavaScriptのサンプルは、APIを呼び出せる他の言語にも応用できます。
レシピでは、チャットやテキスト推論、OCR、grounding、文書解析、動画理解などのビジョンタスク、画像生成、構造化出力を扱います。また、LangGraph、DSPy、PydanticAI、Agnoなどのフレームワークとの連携を含むエージェントのワークフローパターン、ファインチューニング(DPO、継続学習、長文脈、視覚と言語)、LLM-as-a-judgeなどの評価ワークフロー、Dedicated Endpointを監視するGrafanaダッシュボードも含まれています。
フォルダー構成はTogether AIの製品分野に沿っており、提供終了したモデルに依存するノートブックはアーカイブフォルダーに移されています。
主な機能
- 01チャット、ビジョン、画像生成、構造化出力、バッチ推論を扱うノートブックを収録。
- 02LangGraph、DSPy、PydanticAI、Agnoや複数のツールプロバイダーと連携するエージェントのワークフロー例を掲載。
- 03DPO、継続学習、長文脈、function-calling、視覚と言語の学習を含むファインチューニングレシピを収録。
- 04分類、モデル比較、プロンプトテスト、LLM judgeのチューニングを扱う評価例を掲載。
- 05各ノートブックにColabへのリンクがあり、ローカル環境をセットアップせずに実行可能。
ユースケース
- オープンソースのビジョンモデルを使った、文書OCRや複数ページPDFのQ&Aパイプラインのプロトタイピング。
- LangGraphやPydanticAIを使い、Togetherのモデル上に検索システムや複数ステップのエージェントを構築。
- 選好データやfunction-callingの例を使ったオープンモデルのファインチューニング。
- プロンプトやモデルを比較するためのLLM-as-a-judge評価のセットアップ。
クイックスタート
- 1
Together AIのAPIキーを取得する
- 2
Colabでcookbookのノートブックを開くか、リポジトリをクローンしてJupyterノートブックを実行する
使う前に知っておきたいこと
- サンプルの実行にはTogether AIのAPIキーが必要で、Togetherがホストするモデルを呼び出します。
- インストール可能なライブラリではなく、ノートブックとガイドをまとめたものです。
収録されている特集
トピック
よくある質問
- together-cookbook とは?
- Together AI上でオープンソースモデルを使った開発方法を紹介する、Jupyterノートブックとガイド集。 Together Cookbookは、Together AI上でホストされているオープンソースモデルを使って開発したい人向けの、実行可能なレシピ集です。多くはTogether APIを呼び出すJupyterノートブックで、コードを自分のプロジェクトにコピーして使えるようになっています。サンプルの実行にはTogether AIのAPIキーが必要です。PythonとJavaScriptのサンプルは、APIを呼び出せる他の言語にも応用できます。
- together-cookbook は無料で使えますか?ライセンスは?
- together-cookbook は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- together-cookbook は今もメンテナンスされていますか?
- 活発にメンテナンス中。together-cookbook の最終コミットは 2026年11月3日 です。
- together-cookbook は何に使えますか?
- オープンソースのビジョンモデルを使った、文書OCRや複数ページPDFのQ&Aパイプラインのプロトタイピング。 LangGraphやPydanticAIを使い、Togetherのモデル上に検索システムや複数ステップのエージェントを構築。 選好データやfunction-callingの例を使ったオープンモデルのファインチューニング。 プロンプトやモデルを比較するためのLLM-as-a-judge評価のセットアップ。
- together-cookbook のインストール方法は?
- Together AIのAPIキーを取得する Colabでcookbookのノートブックを開くか、リポジトリをクローンしてJupyterノートブックを実行する
- together-cookbook はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/togethercomputer/together-cookbook
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
書籍『AI Agents: The Definitive Guide』の関連コードリポジトリ。エージェントのパターン、ツール、評価、メモリ、セキュリティを扱うJupyterノートブックを収録。
Unslothを使ってテキスト、ビジョン、音声、埋め込み、TTSモデルをファインチューニング・強化学習で訓練する、250本以上のColab・Jupyterノートブック集です。
LLM APIの利用からローカル環境での実行・ファインチューニングまで学べる中国語の手順ガイドとデモコード。Kaggle/Colab版も用意。
LLM、RAGパイプライン、AIエージェントを扱う90以上の実践的なチュートリアルプロジェクトを、難易度別にまとめたコレクションです。