這項(xiàng)由Prime Intellect團(tuán)隊(duì)于2025年12月發(fā)表的研究報(bào)告，詳細(xì)介紹了他們開(kāi)發(fā)的INTELLECT-3模型及其完整的開(kāi)源訓(xùn)練基礎(chǔ)設(shè)施。這個(gè)研究團(tuán)隊(duì)包括了來(lái)自多個(gè)機(jī)構(gòu)的研究人員，包括Mika Senghaas、Fares Obeid、Sami Jaghouar等十多位專家。研究成果發(fā)表在arXiv預(yù)印本服務(wù)器上，論文編號(hào)為arXiv:2512.16144v1。

說(shuō)起訓(xùn)練大型語(yǔ)言模型，就像是培養(yǎng)一個(gè)超級(jí)聰明的學(xué)生。傳統(tǒng)的訓(xùn)練方式就好比只給學(xué)生看書做題，但Prime Intellect團(tuán)隊(duì)想要的是讓這個(gè)學(xué)生不僅能讀書，還能動(dòng)手解決實(shí)際問(wèn)題，甚至能像真正的專家一樣思考和行動(dòng)。他們開(kāi)發(fā)的INTELLECT-3模型雖然只有106億參數(shù)（其中12億處于活躍狀態(tài)），但在數(shù)學(xué)、編程、科學(xué)推理等各種測(cè)試中的表現(xiàn)，居然能夠超越許多規(guī)模大出好幾倍的知名模型。

更重要的是，這個(gè)團(tuán)隊(duì)沒(méi)有把他們的"秘方"藏起來(lái)，而是把整套訓(xùn)練工具都開(kāi)源了出來(lái)。這就像一位頂級(jí)廚師不僅公開(kāi)了自己的招牌菜譜，還把廚具、爐灶、甚至整個(gè)廚房的設(shè)計(jì)圖紙都免費(fèi)分享給大家。他們開(kāi)源的不僅僅是最終的INTELLECT-3模型，還包括了名為prime-rl的強(qiáng)化學(xué)習(xí)訓(xùn)練框架、用于創(chuàng)建訓(xùn)練環(huán)境的verifiers庫(kù)、安全的代碼執(zhí)行系統(tǒng)Prime Sandboxes，以及一個(gè)名為Environments Hub的社區(qū)平臺(tái)。

在具體的測(cè)試成績(jī)上，INTELLECT-3在2024年和2025年的AIME數(shù)學(xué)競(jìng)賽中分別取得了90.8%和88.0%的成績(jī)，在編程測(cè)試LiveCodeBench v6中達(dá)到69.3%的正確率。這些數(shù)字看起來(lái)可能比較抽象，但可以這樣理解：如果把這些測(cè)試比作高難度的考試，INTELLECT-3基本上能在每十道題中答對(duì)九道，這個(gè)水平已經(jīng)超越了許多參數(shù)量是它好幾倍的大型模型。

一、革命性的訓(xùn)練基礎(chǔ)設(shè)施

Prime Intellect團(tuán)隊(duì)構(gòu)建的訓(xùn)練系統(tǒng)就像是一個(gè)高度自動(dòng)化的現(xiàn)代化工廠。在傳統(tǒng)的模型訓(xùn)練中，就好比你要一個(gè)人既當(dāng)老師教學(xué)生，又要當(dāng)考官出題評(píng)分，還要管理整個(gè)教室的秩序。這種方式不僅效率低下，當(dāng)需要大規(guī)模訓(xùn)練時(shí)更是力不從心。而他們?cè)O(shè)計(jì)的prime-rl框架則像是建立了一條專業(yè)的流水線，每個(gè)環(huán)節(jié)都有專門的"工人"負(fù)責(zé)，整個(gè)過(guò)程異步進(jìn)行，大大提高了訓(xùn)練效率。

這個(gè)訓(xùn)練系統(tǒng)的核心包含三個(gè)主要組件：協(xié)調(diào)器、訓(xùn)練器和推理服務(wù)。協(xié)調(diào)器就像工廠的調(diào)度中心，負(fù)責(zé)協(xié)調(diào)各個(gè)部門的工作；訓(xùn)練器專門負(fù)責(zé)更新模型的"知識(shí)"；推理服務(wù)則專門負(fù)責(zé)讓模型進(jìn)行"思考"和"回答"。這種分工合作的方式讓整個(gè)訓(xùn)練過(guò)程能夠在數(shù)百甚至數(shù)千個(gè)GPU上同時(shí)進(jìn)行，就像一個(gè)龐大的樂(lè)團(tuán)，每個(gè)樂(lè)器都在演奏自己的部分，但整體上形成了和諧的交響樂(lè)。

特別值得一提的是，他們實(shí)現(xiàn)了一種叫做"異步離策略訓(xùn)練"的技術(shù)。簡(jiǎn)單來(lái)說(shuō)，就是讓模型能夠邊學(xué)習(xí)邊實(shí)踐，而不需要等一個(gè)步驟完全結(jié)束才開(kāi)始下一個(gè)。這就像讓學(xué)生在還沒(méi)完全掌握上一課內(nèi)容的時(shí)候就開(kāi)始做新的練習(xí)題，通過(guò)不斷的實(shí)踐來(lái)鞏固和完善理解。這種方式大大縮短了訓(xùn)練時(shí)間，提高了整體效率。

二、智能化的學(xué)習(xí)環(huán)境設(shè)計(jì)

如果說(shuō)prime-rl是訓(xùn)練工廠的框架，那么verifiers庫(kù)就是為模型設(shè)計(jì)各種"學(xué)習(xí)場(chǎng)景"的工具箱。就像一個(gè)好的老師不會(huì)只讓學(xué)生做同樣類型的題目，而是會(huì)設(shè)計(jì)各種不同的練習(xí)來(lái)鍛煉學(xué)生的不同能力。verifiers庫(kù)讓研究者能夠輕松創(chuàng)建各種復(fù)雜的學(xué)習(xí)環(huán)境，從數(shù)學(xué)問(wèn)題求解到代碼編寫，從科學(xué)推理到邏輯思考，應(yīng)有盡有。

這個(gè)系統(tǒng)最巧妙的地方在于它的模塊化設(shè)計(jì)。每個(gè)學(xué)習(xí)環(huán)境都像一個(gè)獨(dú)立的"課程包"，包含了題目數(shù)據(jù)、評(píng)分標(biāo)準(zhǔn)、獎(jiǎng)勵(lì)機(jī)制等所有必要元素。研究者可以像搭積木一樣，把不同的環(huán)境組合起來(lái)，創(chuàng)造出適合特定訓(xùn)練目標(biāo)的學(xué)習(xí)方案。更重要的是，這些環(huán)境是可以復(fù)用和分享的，就像優(yōu)秀的教案可以在不同的學(xué)校之間傳播一樣。

在實(shí)際訓(xùn)練中，模型需要在各種不同難度的問(wèn)題中學(xué)習(xí)。系統(tǒng)會(huì)根據(jù)模型的當(dāng)前能力自動(dòng)調(diào)整題目難度，太簡(jiǎn)單的題目會(huì)被過(guò)濾掉（因?yàn)闆](méi)有學(xué)習(xí)價(jià)值），太難的題目也會(huì)暫時(shí)擱置（避免挫敗感），確保模型始終在適合的難度區(qū)間內(nèi)學(xué)習(xí)進(jìn)步。這種智能化的難度調(diào)節(jié)機(jī)制，就像一個(gè)經(jīng)驗(yàn)豐富的私人教師，總是能夠?yàn)閷W(xué)生提供恰到好處的挑戰(zhàn)。

三、安全高效的代碼執(zhí)行系統(tǒng)

當(dāng)模型需要學(xué)習(xí)編程時(shí)，就必須能夠?qū)嶋H運(yùn)行和測(cè)試代碼。但讓AI隨意執(zhí)行代碼就像給小孩玩火一樣危險(xiǎn)，必須有嚴(yán)格的安全措施。Prime Sandboxes就是為此而生的安全代碼執(zhí)行系統(tǒng)，它就像為每個(gè)代碼測(cè)試創(chuàng)建了一個(gè)完全隔離的"實(shí)驗(yàn)室"。

傳統(tǒng)的代碼執(zhí)行方式就像在同一個(gè)房間里同時(shí)進(jìn)行多個(gè)化學(xué)實(shí)驗(yàn)，一旦有一個(gè)實(shí)驗(yàn)出錯(cuò)，可能會(huì)影響到其他所有實(shí)驗(yàn)。而Prime Sandboxes則為每個(gè)代碼執(zhí)行創(chuàng)建了獨(dú)立的"容器"，即使某個(gè)代碼出現(xiàn)問(wèn)題，也不會(huì)影響到系統(tǒng)的其他部分。更重要的是，這個(gè)系統(tǒng)能夠同時(shí)處理成千上萬(wàn)個(gè)代碼執(zhí)行任務(wù)，就像一個(gè)巨大的實(shí)驗(yàn)室大樓，里面有無(wú)數(shù)個(gè)獨(dú)立的實(shí)驗(yàn)室同時(shí)工作。

這個(gè)系統(tǒng)的另一個(gè)創(chuàng)新之處在于它的高效調(diào)度機(jī)制。傳統(tǒng)的方式需要為每個(gè)任務(wù)從頭開(kāi)始準(zhǔn)備環(huán)境，就像每次做實(shí)驗(yàn)都要重新搭建整個(gè)實(shí)驗(yàn)臺(tái)。而Prime Sandboxes則預(yù)先準(zhǔn)備好了大量的"熱備份"環(huán)境，當(dāng)需要執(zhí)行代碼時(shí)，可以立即分配一個(gè)現(xiàn)成的環(huán)境，大大縮短了等待時(shí)間。這種設(shè)計(jì)讓整個(gè)系統(tǒng)能夠支持大規(guī)模的并發(fā)代碼執(zhí)行，為模型的編程能力訓(xùn)練提供了強(qiáng)有力的支撐。

四、INTELLECT-3的訓(xùn)練歷程

INTELLECT-3的訓(xùn)練過(guò)程就像培養(yǎng)一個(gè)全能型人才，需要經(jīng)歷多個(gè)不同的學(xué)習(xí)階段。整個(gè)訓(xùn)練基于GLM-4.5-Air基礎(chǔ)模型進(jìn)行，就像在一個(gè)已經(jīng)有良好基礎(chǔ)的學(xué)生身上繼續(xù)深造。

訓(xùn)練過(guò)程分為兩個(gè)主要階段：監(jiān)督微調(diào)和強(qiáng)化學(xué)習(xí)。監(jiān)督微調(diào)階段就像讓學(xué)生先跟著優(yōu)秀的老師學(xué)習(xí)各種基礎(chǔ)知識(shí)，包括數(shù)學(xué)、編程、科學(xué)推理等多個(gè)領(lǐng)域。在這個(gè)階段，團(tuán)隊(duì)使用了大量高質(zhì)量的訓(xùn)練數(shù)據(jù)，包括來(lái)自NVIDIA的Nemotron數(shù)據(jù)集和AM團(tuán)隊(duì)的DeepSeek-R1蒸餾數(shù)據(jù)集，總共處理了數(shù)十億個(gè)訓(xùn)練樣本。

強(qiáng)化學(xué)習(xí)階段則更像是讓學(xué)生獨(dú)立解決實(shí)際問(wèn)題，通過(guò)不斷的試錯(cuò)和反饋來(lái)提升能力。在這個(gè)階段，模型需要在六個(gè)不同類型的環(huán)境中學(xué)習(xí)：數(shù)學(xué)問(wèn)題求解（包含21200個(gè)挑戰(zhàn)性數(shù)學(xué)題）、代碼編程（8600個(gè)編程題目）、科學(xué)推理（29300個(gè)跨領(lǐng)域科學(xué)問(wèn)題）、邏輯思維（11600個(gè)邏輯謎題和游戲）、深度研究（使用搜索工具回答復(fù)雜問(wèn)題）、以及軟件工程（修復(fù)代碼項(xiàng)目中的實(shí)際問(wèn)題）。

整個(gè)訓(xùn)練過(guò)程使用了512個(gè)H200 GPU，持續(xù)了兩個(gè)多月。這就像組織了一個(gè)超大規(guī)模的"訓(xùn)練營(yíng)"，有數(shù)百位"教練"同時(shí)工作，確保學(xué)生能夠在各個(gè)方面都得到充分的鍛煉。訓(xùn)練過(guò)程中，團(tuán)隊(duì)還實(shí)施了在線難度過(guò)濾機(jī)制，確保模型始終在合適的挑戰(zhàn)水平上學(xué)習(xí)，既不會(huì)因?yàn)轭}目太簡(jiǎn)單而浪費(fèi)時(shí)間，也不會(huì)因?yàn)轭}目過(guò)難而失去信心。

五、卓越的性能表現(xiàn)

INTELLECT-3的測(cè)試結(jié)果可以說(shuō)是相當(dāng)令人印象深刻。在數(shù)學(xué)能力測(cè)試中，它在2024年和2025年的AIME競(jìng)賽中分別獲得了90.8%和88.0%的成績(jī)。AIME是美國(guó)數(shù)學(xué)邀請(qǐng)賽，被認(rèn)為是高中數(shù)學(xué)競(jìng)賽中最具挑戰(zhàn)性的比賽之一。要知道，這些題目連很多數(shù)學(xué)專業(yè)的大學(xué)生都覺(jué)得有難度，而INTELLECT-3能夠達(dá)到如此高的正確率，確實(shí)顯示了其強(qiáng)大的數(shù)學(xué)推理能力。

在編程能力方面，INTELLECT-3在LiveCodeBench v6測(cè)試中達(dá)到了69.3%的成績(jī)，超越了同期許多知名模型。LiveCodeBench是一個(gè)實(shí)時(shí)更新的編程測(cè)試平臺(tái)，使用的都是最新的編程競(jìng)賽題目，能夠很好地反映模型的實(shí)際編程能力。這個(gè)成績(jī)意味著，如果讓INTELLECT-3參加編程競(jìng)賽，它大概能解決十道題中的七道，這已經(jīng)是相當(dāng)不錯(cuò)的水平了。

更令人驚訝的是，INTELLECT-3在多個(gè)測(cè)試中的表現(xiàn)都超越了參數(shù)量比它大很多倍的模型。比如在GPQA（研究生級(jí)別的科學(xué)問(wèn)答）測(cè)試中得到74.4分，在HLE（人類最后考試）中得到14.6分，在MMLU-Pro（大規(guī)模多任務(wù)語(yǔ)言理解專業(yè)版）中得到81.9分。這就像一個(gè)體重只有60公斤的選手在力量比賽中擊敗了很多80、90公斤的對(duì)手，說(shuō)明了模型架構(gòu)和訓(xùn)練方法的重要性，并不是簡(jiǎn)單的"越大越好"。

六、開(kāi)源貢獻(xiàn)的深遠(yuǎn)意義

Prime Intellect團(tuán)隊(duì)選擇完全開(kāi)源他們的研究成果，這在當(dāng)前AI領(lǐng)域并不多見(jiàn)。大多數(shù)公司和研究機(jī)構(gòu)都傾向于保留自己的核心技術(shù)，但這個(gè)團(tuán)隊(duì)卻選擇了完全相反的道路。他們不僅開(kāi)源了最終的INTELLECT-3模型，還公開(kāi)了整個(gè)訓(xùn)練框架、所有的訓(xùn)練環(huán)境、評(píng)估工具，甚至包括詳細(xì)的訓(xùn)練配方和技術(shù)文檔。

這種開(kāi)放的態(tài)度就像是把一個(gè)完整的"武林秘籍"免費(fèi)分享給所有人，而不是只傳授給自己的弟子。對(duì)于AI研究社區(qū)來(lái)說(shuō)，這意味著任何有興趣的研究者或開(kāi)發(fā)者都可以基于這些工具進(jìn)行自己的研究，或者在此基礎(chǔ)上開(kāi)發(fā)新的應(yīng)用。這種開(kāi)放性不僅能夠加速整個(gè)領(lǐng)域的發(fā)展，還能夠確保AI技術(shù)的發(fā)展不會(huì)被少數(shù)大公司壟斷。

更重要的是，通過(guò)Environments Hub這個(gè)社區(qū)平臺(tái)，任何人都可以貢獻(xiàn)新的訓(xùn)練環(huán)境或改進(jìn)現(xiàn)有的環(huán)境。這就像建立了一個(gè)全球性的"智慧圖書館"，每個(gè)人都可以往里面添加新的"書籍"（訓(xùn)練環(huán)境），也可以借閱別人貢獻(xiàn)的"書籍"。據(jù)統(tǒng)計(jì)，目前這個(gè)平臺(tái)上已經(jīng)有超過(guò)500個(gè)不同的訓(xùn)練環(huán)境，覆蓋了從基礎(chǔ)的數(shù)學(xué)編程到復(fù)雜的AI研究、計(jì)算機(jī)操作、瀏覽器自動(dòng)化等各個(gè)領(lǐng)域。

七、技術(shù)創(chuàng)新的突破點(diǎn)

INTELLECT-3項(xiàng)目在技術(shù)層面有幾個(gè)重要的創(chuàng)新突破。首先是異步強(qiáng)化學(xué)習(xí)的大規(guī)模實(shí)現(xiàn)，這種技術(shù)雖然理論上存在已久，但在如此大規(guī)模的實(shí)際應(yīng)用中還是首次。傳統(tǒng)的強(qiáng)化學(xué)習(xí)就像一個(gè)學(xué)生必須完全做完一道題才能開(kāi)始下一道，而異步強(qiáng)化學(xué)習(xí)則允許學(xué)生同時(shí)處理多道題，大大提高了學(xué)習(xí)效率。

其次是連續(xù)批處理和飛行中權(quán)重更新技術(shù)，這聽(tīng)起來(lái)很技術(shù)化，但實(shí)際上解決了一個(gè)很實(shí)際的問(wèn)題。在模型訓(xùn)練過(guò)程中，不同的任務(wù)需要不同的時(shí)間來(lái)完成，就像不同的學(xué)生做同一道題的速度不一樣。傳統(tǒng)方式需要等所有學(xué)生都完成才能進(jìn)行下一輪，而這種新技術(shù)則允許完成得快的學(xué)生立即開(kāi)始新的題目，不需要等待其他同學(xué)。

在技術(shù)架構(gòu)方面，團(tuán)隊(duì)還解決了大規(guī)模Mixture-of-Experts（專家混合）模型的高效訓(xùn)練問(wèn)題。這種模型就像有一群不同專業(yè)的專家組成的團(tuán)隊(duì)，每個(gè)專家負(fù)責(zé)處理自己擅長(zhǎng)的問(wèn)題類型。訓(xùn)練這樣的模型就像管理一個(gè)大型公司，需要確保不同部門之間的協(xié)調(diào)合作，同時(shí)又要保證每個(gè)部門的專業(yè)性。INTELLECT-3的訓(xùn)練成功證明了這種復(fù)雜架構(gòu)在大規(guī)模應(yīng)用中的可行性。

八、對(duì)未來(lái)發(fā)展的展望

根據(jù)訓(xùn)練過(guò)程中的觀察，INTELLECT-3的能力似乎還有很大的提升空間。在強(qiáng)化學(xué)習(xí)訓(xùn)練結(jié)束時(shí)，模型的獎(jiǎng)勵(lì)曲線和評(píng)估性能都還在持續(xù)上升，沒(méi)有出現(xiàn)平臺(tái)期的跡象。這就像一個(gè)學(xué)生還在快速進(jìn)步的階段，還遠(yuǎn)沒(méi)有達(dá)到能力的上限。這意味著，如果繼續(xù)訓(xùn)練更長(zhǎng)時(shí)間或使用更多的計(jì)算資源，模型的性能可能還會(huì)有顯著提升。

團(tuán)隊(duì)已經(jīng)明確表示將繼續(xù)擴(kuò)展INTELLECT-3的訓(xùn)練，特別是在更多智能體任務(wù)上的訓(xùn)練。目前的Environments Hub平臺(tái)上已經(jīng)有數(shù)百個(gè)不同的訓(xùn)練環(huán)境，包括自主AI研究、計(jì)算機(jī)操作、定理證明、瀏覽器自動(dòng)化，以及法律、金融、稅務(wù)等專業(yè)領(lǐng)域的任務(wù)。這些豐富的環(huán)境為模型的進(jìn)一步訓(xùn)練提供了廣闊的空間。

另一個(gè)重要的發(fā)展方向是長(zhǎng)時(shí)程智能體的研究。目前的AI模型雖然在單次對(duì)話中表現(xiàn)出色，但在需要長(zhǎng)期規(guī)劃和記憶管理的復(fù)雜任務(wù)中還有不足。團(tuán)隊(duì)正在探索讓模型自主管理上下文、在隔離的子分支中進(jìn)行思考，并維護(hù)跨輪次的外部記憶等技術(shù)。這就像讓AI不僅能夠進(jìn)行單次的深度思考，還能夠像人類一樣進(jìn)行長(zhǎng)期的項(xiàng)目規(guī)劃和知識(shí)積累。

說(shuō)到底，INTELLECT-3項(xiàng)目最重要的貢獻(xiàn)可能不是這個(gè)特定的模型本身，而是它展示了開(kāi)源協(xié)作在AI發(fā)展中的巨大潛力。通過(guò)完全開(kāi)放的方式分享先進(jìn)的技術(shù)和工具，這個(gè)項(xiàng)目為整個(gè)AI社區(qū)提供了一個(gè)可以直接使用的高質(zhì)量基礎(chǔ)設(shè)施。無(wú)論是大學(xué)研究者、小型公司，還是個(gè)人開(kāi)發(fā)者，都可以在這個(gè)基礎(chǔ)上進(jìn)行自己的創(chuàng)新和探索。

這種開(kāi)放性對(duì)于AI技術(shù)的民主化具有重要意義。它確保了先進(jìn)的AI技術(shù)不會(huì)僅僅掌握在少數(shù)大公司手中，而是能夠惠及更廣泛的群體。當(dāng)越來(lái)越多的人能夠接觸和使用這些先進(jìn)工具時(shí)，必然會(huì)涌現(xiàn)出更多創(chuàng)新的應(yīng)用和改進(jìn)的方法，從而推動(dòng)整個(gè)領(lǐng)域的快速發(fā)展。對(duì)于那些對(duì)AI技術(shù)感興趣但缺乏足夠資源的研究者和開(kāi)發(fā)者來(lái)說(shuō)，INTELLECT-3項(xiàng)目提供的開(kāi)源工具就像是一把通往AI前沿技術(shù)的鑰匙，讓他們也有機(jī)會(huì)參與到這個(gè)激動(dòng)人心的技術(shù)革命中來(lái)。

Q&A

Q1：INTELLECT-3模型的核心優(yōu)勢(shì)是什么？

A：INTELLECT-3雖然只有106億參數(shù)（12億活躍），但通過(guò)創(chuàng)新的強(qiáng)化學(xué)習(xí)訓(xùn)練方法，在數(shù)學(xué)、編程、科學(xué)推理等測(cè)試中的表現(xiàn)超越了很多規(guī)模更大的模型，比如在AIME數(shù)學(xué)競(jìng)賽中達(dá)到90.8%的成績(jī)。

Q2：Prime Intellect開(kāi)源了哪些技術(shù)工具？

A：除了INTELLECT-3模型本身，還開(kāi)源了prime-rl強(qiáng)化學(xué)習(xí)框架、verifiers環(huán)境庫(kù)、Prime Sandboxes代碼執(zhí)行系統(tǒng)、Environments Hub社區(qū)平臺(tái)，以及完整的訓(xùn)練配方和技術(shù)文檔。

Q3：普通研究者能使用這些開(kāi)源工具嗎？

A：完全可以。這些工具支持從單節(jié)點(diǎn)實(shí)驗(yàn)到大規(guī)模生產(chǎn)訓(xùn)練的各種需求，任何有興趣的研究者或開(kāi)發(fā)者都可以免費(fèi)使用這些工具進(jìn)行自己的AI模型訓(xùn)練和研究。