Prime Intellect 开源面向 RL 训练的 Prime Sandboxes

9 月 24 日，Prime Intellect 发布并开源 Prime Sandboxes，一套专为强化学习（RL）训练设计的 MicroVM 沙箱环境。大规模 agentic RL 训练需要同时运行数万个并发沙箱，而市面上现有方案配置复杂且成本高昂，团队找不到能满足自家训练规模的产品，于是先为内部需求自建这套系统，现转为公开发布。

已确认

• Prime Sandboxes 为开源发布，定位「由 RL 团队为 RL 团队打造」，与 Prime Intellect 自家研究团队共同设计
• 专为 RL 训练设计，基于 MicroVM 沙箱技术，支持大规模并发（数万级沙箱）
• 系统最初由 Prime Intellect 为内部训练需求自建，因现有商用方案难以满足规模与成本要求，后对外公开

为什么重要

• RL 训练对沙箱并发的规模与成本高度敏感，通用方案难以直接套用，专用基础设施可显著降低门槛
• 开源意味着其他 RL 团队可直接复用这套方案，减少重复造轮子，有利于 agentic RL 相关研究与应用的规模化

2026-09-24 ~ 2026-09-24 · 6 条相关

• 【源头】Prime Intellect 开源级发布 Prime Sandboxes:面向 RL 训练的 MicroVM 沙箱 — xeophon · 2026-09-24
• Prime Intellect 开源级发布 Prime Sandboxes:面向大规模 Agent RL 训练 — afurgs · 2026-09-24

另有 4 条近重复转述:niloofar_mire · TheZachMueller · willcb · ns123abc