5月9日，OpenAI宣布推出强化微调技术(RFT)，革新了o4-mini模型的定制方式。RFT结合强化学习与微调，通过评分函数评估模型输出，无需依赖标注数据即可优化模型表现，特别适用于复杂任务。o4-mini是2025年4月发布的紧凑型推理模型，擅长文本与图像处理及结构化推理。RFT使开发者能高效定制模型，已在法律、医疗、税务等领域展现显著效果，如税务分析准确率提升39%，医疗编码性能提高12%。使用RFT需经历设计评分函数、准备数据集、启动训练和持续优化四步，目前向认证组织开放，每小时训练费用100美元，使用GPT-4o等模型额外收费。共享数据集用于研究的组织可享50%折扣。

3月20日，Predibase发布全球首个端到端强化微调平台（RFT），支持无服务器和端到端训练方法。该平台受DeepSeek-R1开源项目的启发，无需大量标注数据，通过奖励和自定义函数实现强化学习。用户仅需浏览器即可完成数据上传、目标设定及复杂的大模型微调流程。Predibase利用RFT微调的Predibase-T2T-32B-RFT模型，在Kernelbench数据集上的正确率较DeepSeek-R1、OpenAI的o1及Claude 3.7 Sonnet高出3至4倍，且模型规模更小。此外，Predibase开源了该模型，并提供在线体验地址。