White Circle maakt Halo open-source, een snellere Hugging Face-trainer

De Parijse startup White Circle heeft Halo open-source gemaakt, een gedistribueerd post-training framework dat modellen in het native Hugging Face-formaat houdt en tot 2,8x TRL-doorvoer claimt.

In dit artikel

Wat het verandert aan post-training
De benchmark, en wat die je niet vertelt
Een licentiedetail dat je moet lezen vóór adoptie

White Circle, een in Parijs gevestigde startup op het gebied van AI-veiligheid, heeft Halo op 21 september 2026 open-source gemaakt — een gedistribueerd trainingsframework dat is gebouwd om post-training van Hugging Face-modellen te versnellen en ze tegelijk in het standaardformaat te houden dat de rest van het ecosysteem verwacht. Het bedrijf bouwde Halo intern voordat het werd vrijgegeven; de geschiedenis van de repository toont een eerste release een maand eerder, op 20 augustus 2026.

Een zilverkleurige stemvork op een opengeslagen gedrukte partituur, met zacht wazige randen — Foto: Lukasz Kobus, European Commission (CC BY 4.0), Wikimedia Commons.

Wat het verandert aan post-training

Halo omhult bestaande Hugging Face-modeldefinities in plaats van ze te vervangen: checkpoints laden nog steeds via de vertrouwde from_pretrained-aanroep en blijven standaard SafeTensors-bestanden. White Circle zegt dat het ondersteunen van een nieuwe modelfamilie doorgaans ruim onder de 150 regels integratiecode kost. Onder de motorkap voegt het framework expert-, context-, tensor- en gecombineerde expert-tensorparallellisatie toe, samen met LoRA/QLoRA-fine-tuning en asynchroon multi-turn reinforcement learning.

De benchmark, en wat die je niet vertelt

White Circle meldt dat Halo in eigen tests op OpenAI's gpt-oss-20b-model 2,3 tot 2,8 keer de doorvoer levert van standaard Hugging Face TRL, met dezelfde aandacht- en kerneloptimalisaties in beide systemen zodat de vergelijking de trainer en optimizer isoleert. Dit zijn de benchmarks van het bedrijf zelf, geen onafhankelijk gereproduceerd resultaat, en externe commentatoren hebben opgemerkt dat het voordeel kleiner wordt bij zeer lange contextlengtes. Teams die Halo evalueren, moeten de headline-multiplier behandelen als een startpunt dat is gekoppeld aan één model en één hardwareopstelling, niet als een garantie voor een andere workload.

Een licentiedetail dat je moet lezen vóór adoptie

Halo wordt geleverd onder een aangepaste Apache-licentie die commerciële voorwaarden toevoegt voor grotere organisaties of gebruikers met hogere omzet, in plaats van gewone Apache 2.0. Teams die productiegebruik plannen, vooral op schaal, moeten de licentietekst rechtstreeks lezen in plaats van uit te gaan van onbeperkte open-sourcetermen.

Voor MSP's en productteams die al Hugging Face-gebaseerde trainingspipelines draaien, is Halo een pilot waard op een representatieve workload voordat een doorvoerclaim voor waar wordt aangenomen.

Bronnen: GitHub — whitecircle/halo, RuntimeWire — White Circle releases Halo.