Lab：全栈平台，训练你自己的模型

Prime Intellect 今日正式发布 Lab 平台，这是一套面向智能体后训练的全栈解决方案。该平台将环境中心（Environments Hub）与托管训练（Hosted Training）及托管评估（Hosted Evaluations）融为一体，旨在让研究人员、工程师和企业能够专注于模型优化与智能体研究，而无需担忧 GPU 集群的高昂成本或底层算法的繁琐细节。

自去年环境中心上线以来，已有超过 250 位创作者构建了 1000 多个独特环境，累计下载量突破 10 万次。Lab 平台在此基础上更进一步，将原本仅限于大型实验室的前沿基础设施开放给所有人。在近期为期数周的私人测试中，全球已有超过 3000 次强化学习运行完成。即日起，Lab 正式向公众开放。

Prime Intellect 的核心理念是反对由少数大厂垄断 AI 智能层的未来。他们认为，未来十年将是智能体发展的时代，模型需要在各行各业的实际场景中完成“最后一英里”的适配，这必然要求一个持续的反馈循环——类似特斯拉自动驾驶的迭代过程。然而，当前的大型实验室倾向于封闭模型和 API，试图牢牢控制智能层和优化循环。Lab 则采取完全相反的方式：赋予用户对模型的完全控制权和所有权，无需共享推理轨迹，也不锁定于特定 API。

从技术架构上看，Lab 基于环境（environments）运行。每个环境包含任务数据集、模型接口（工具、沙盒、上下文管理等）以及评分标准。用户可以通过这些环境进行强化学习训练、能力评估、合成数据生成、提示词优化等操作。托管训练功能基于 Prime Intellect 自研的 prime-rl 框架，支持大规模异步强化学习，并采用 LoRA 技术实现高效的多租户部署。目前支持的模型包括自家的 INTELLECT-3 以及来自 NVIDIA、Hugging Face、阿里通义等机构的多种开源模型，并已实验性地支持多模态图像输入。

部署方面，Lab 利用基于 NVIDIA Dynamo 堆栈的多租户 LoRA 推理，确保即便针对混合专家（MoE）大模型也能高效服务。未来几周至几个月内，Lab 将陆续支持全参数微调、在线蒸馏、SFT 等更多算法。Prime Intellect 还将投入长期智能体、递归语言模型、在线强化学习与持续学习等前沿方向的研究。

Prime Intellect 将 Lab 定位为“集市”对抗“大教堂”的工具，类比于 AOL 与开放互联网的竞争。他们相信，当每家公司都能像 Cursor 一样针对自身产品环境微调模型时，整个市场的集体创造力将带来远超封闭巨头的突破。Lab 的最终目标是让塑造智能的技能普及至每一个人，让 AI 的未来由开放的社区共同决定。