Lab：全棧平臺，訓練你自己的模型

Prime Intellect 今日正式釋出 Lab 平臺，這是一套面向智慧體後訓練的全棧解決方案。該平臺將環境中心（Environments Hub）與託管訓練（Hosted Training）及託管評估（Hosted Evaluations）融為一體，旨在讓研究人員、工程師和企業能夠專注於模型最佳化與智慧體研究，而無需擔憂 GPU 叢集的高昂成本或底層演算法的繁瑣細節。

自去年環境中心上線以來，已有超過 250 位創作者構建了 1000 多個獨特環境，累計下載量突破 10 萬次。Lab 平臺在此基礎上更進一步，將原本僅限於大型實驗室的前沿基礎設施開放給所有人。在近期為期數週的私人測試中，全球已有超過 3000 次強化學習執行完成。即日起，Lab 正式向公眾開放。

Prime Intellect 的核心理念是反對由少數大廠壟斷 AI 智慧層的未來。他們認為，未來十年將是智慧體發展的時代，模型需要在各行各業的實際場景中完成“最後一英里”的適配，這必然要求一個持續的反饋迴圈——類似特斯拉自動駕駛的迭代過程。然而，當前的大型實驗室傾向於封閉模型和 API，試圖牢牢控制智慧層和最佳化迴圈。Lab 則採取完全相反的方式：賦予使用者對模型的完全控制權和所有權，無需共享推理軌跡，也不鎖定於特定 API。

從技術架構上看，Lab 基於環境（environments）執行。每個環境包含任務資料集、模型介面（工具、沙盒、上下文管理等）以及評分標準。使用者可以透過這些環境進行強化學習訓練、能力評估、合成資料生成、提示詞最佳化等操作。託管訓練功能基於 Prime Intellect 自研的 prime-rl 框架，支援大規模非同步強化學習，並採用 LoRA 技術實現高效的多租戶部署。目前支援的模型包括自家的 INTELLECT-3 以及來自 NVIDIA、Hugging Face、阿里通義等機構的多種開源模型，並已實驗性地支援多模態影像輸入。

部署方面，Lab 利用基於 NVIDIA Dynamo 堆疊的多租戶 LoRA 推理，確保即便針對混合專家（MoE）大模型也能高效服務。未來幾周至幾個月內，Lab 將陸續支援全引數微調、線上蒸餾、SFT 等更多演算法。Prime Intellect 還將投入長期智慧體、遞迴語言模型、線上強化學習與持續學習等前沿方向的研究。

Prime Intellect 將 Lab 定位為“集市”對抗“大教堂”的工具，類比於 AOL 與開放網際網路的競爭。他們相信，當每家公司都能像 Cursor 一樣針對自身產品環境微調模型時，整個市場的集體創造力將帶來遠超封閉巨頭的突破。Lab 的最終目標是讓塑造智慧的技能普及至每一個人，讓 AI 的未來由開放的社群共同決定。