Lab：フルスタックプラットフォームで独自モデルをトレーニング

Prime Intellect は本日、エージェント型ポストトレーニングのためのフルスタックプラットフォーム「Lab」のローンチを発表しました。このプラットフォームは、Environment Hub、Hosted Training、Hosted Evaluations を統合し、研究者、エンジニア、企業が GPU クラスターのコストや低レベルのアルゴリズムの詳細を気にすることなく、モデルの最適化とエージェント研究に集中できるようにします。

昨年の Environment Hub 立ち上げ以来、250 人以上のクリエイターが 1000 以上の独自環境を作成し、総ダウンロード数は 10 万回を超えています。Lab はこれをさらに発展させ、これまで大手ラボの壁の中に閉じ込められていた最先端のインフラを、すべての人が利用できるようにします。最近のプライベートベータ期間中に、世界中の個人や企業によって 3,000 回以上の強化学習実行が完了しました。本日より、Lab は一般公開されます。

Prime Intellect の核となる考え方は、少数の大手ラボが知能層を独占し、AI の将来を支配するという未来に反対することです。彼らは、今後はエージェントの時代であり、モデルを経済のあらゆる垂直領域に適応させる「ラストマイル」の作業には、現実世界との継続的なフィードバックループが必要だと主張します。しかし、大手ラボは API やモデルを閉鎖的にし、最適化ループを掌握しようとしています。Lab は真逆のアプローチをとり、ユーザーにモデルの完全なコントロールと所有権を提供します。推論トレースの共有を求めず、特定の API にロックインすることもありません。

技術的には、Lab は環境（environments）を中心に構築されています。各環境には、タスクデータセット、モデル用のハーネス（ツール、サンドボックス、コンテキスト管理など）、およびスコアリングルーブリックが含まれます。ユーザーはこれらの環境を使用して、強化学習によるトレーニング、能力評価、合成データ生成、プロンプト最適化などを行うことができます。Hosted Training は、Prime Intellect 独自の prime-rl フレームワークに基づき、大規模な非同期強化学習をサポートし、LoRA 技術による効率的なマルチテナント展開を実現します。現在サポートされているモデルには、INTELLECT-3 の他、NVIDIA、Hugging Face、Alibaba Qwen などからの多数のオープンモデルが含まれ、画像入力の実験的サポートも追加されています。

デプロイメントでは、NVIDIA Dynamo スタックに基づくマルチテナント LoRA 推論を使用し、大規模な混合専門家モデルでも効率的にサービスを提供します。今後数週間から数ヶ月のうちに、Lab は SFT サポート、専用デプロイメントによるフルファインチューニング、オンライン蒸留などを追加する予定です。さらに、長期的なエージェント、再帰的言語モデル、オンライン強化学習と継続的学習などのフロンティア研究にも取り組んでいきます。

Prime Intellect は Lab を「大聖堂」に対する「バザール」と位置づけ、AOL とオープンインターネットの比喩を用いて、オープンなエコシステムが閉鎖的なプラットフォームよりもはるかに多くのイノベーションを生み出すと主張します。Cursor が自社製品に最適化したモデルをポストトレーニングしている例を挙げ、すべての企業が同じトレーニングインフラにアクセスできれば、市場の創造性がさらに多くのブレークスルーを生み出すと確信しています。Lab の究極の目標は、知能を形成するスキルをすべての人が利用できるようにし、AI の未来を開かれたコミュニティが共同で形作る世界を実現することです。