Inteligência artificial, sem ruído.
Agentes de IA4 min

Prime Intellect lança Verifiers v1: ambientes componíveis para treinamento RL de agentes de IA

Prime Intellect lançou o Verifiers v1, reescrevendo sua stack de ambientes para RL agêntico. A nova arquitetura separa tasksets, harnesses e runtimes em peças componíveis, com suporte nativo a Codex, Terminus 2 e datasets Harbor.

Por Redação NoticiaiAtualizado em 13 de julho de 2026, 05:50
Prime Intellect lança Verifiers v1: ambientes componíveis para treinamento RL de agentes de IA

A Prime Intellect lançou o verifiers 0.2.0, que estreia um núcleo reescrito sob o namespace verifiers.v1. Avaliações modernas agora executam agentes de código com ferramentas, compactação e subagentes. A versão v1 reconstrói os ambientes para rodar essas cargas de trabalho agênticas em escala.

O que é o Verifiers v1?

O Verifiers é a stack de ambientes da Prime Intellect para aprendizado por reforço agêntico e avaliações. Na versão anterior, um ambiente empacotava dados, lógica do agente e infraestrutura juntos. O v1 quebra esse pacote em três peças componíveis:

  • Taskset: define o trabalho — dados, ferramentas e pontuação (scoring).
  • Harness: resolve a tarefa e produz um rollout. Pode ser um loop ReAct, um agente CLI ou seu próprio.
  • Runtime: onde o rollout executa — local ou em sandbox.

Como as peças são desacopladas, qualquer taskset roda sob qualquer harness compatível.

Como a arquitetura funciona

A peça central é o interception server gerenciado pelo Verifiers. Ele fica entre o runtime do agente e o servidor de inferência, fazendo proxy das requisições e respostas. Durante o processo, grava o trace, define parâmetros de sampling e pode reescrever respostas de ferramentas — mitigando reward hacks durante o treinamento.

Para escala, cada servidor multiplexa um número constante de rollouts (32 por padrão), com um pool que escala elasticamente conforme a concorrência observada. Durante avaliação, um EvalClient age como proxy HTTP cego. Durante treinamento, um TrainClient envolve renderers para treinamento RL fiel por token.

O Verifiers suporta três dialetos de harness atualmente: OpenAI Chat Completions, OpenAI Responses e Anthropic Messages. Um adaptador de dialeto normaliza cada formato para tipos canônicos vf.types, mantendo a lógica de pontuação independente do agente testado.

v0 vs v1: comparação rápida

Comparação entre as versões v0 e v1 do Verifiers

Casos de uso práticos

Com a arquitetura clara, times já estão usando em cenários reais. É possível rodar o Nemotron 3 Ultra no Terminal-Bench 2 sob Codex. Times podem reutilizar datasets Harbor sem reescrever a lógica de recompensa — a Prime Intellect portou o Terminal Bench 2 para v1 com apenas uma classe pequena.

No lado de treinamento, os mesmos ambientes conectam diretamente ao prime-rl. Em uma ablação de penalidade de comprimento, o GLM-4.5-Air foi treinado no ScaleSWE em seis nós H200 por dois dias, avaliado no SWE-Bench-Verified com resultados estáveis.

O Harbor é o primeiro formato third-party com suporte completo; NeMo Gym e OpenEnv têm suporte alpha.

Taskset mínimo e lançamento

Cada execução começa de um taskset que define dados e pontuação, independente de qualquer harness. O desenvolvedor define uma classe de dados, uma tarefa com função de recompensa assíncrona e um taskset que carrega as instâncias. Qualquer taskset roda sob o harness escolhido via arquivo TOML e CLI com uv run eval @ config.toml.

Por que isso importa

O Verifiers v1 resolve um gargalo crítico no ecossistema de agentes: a falta de uma stack padronizada e componível para avaliação e treinamento RL. Em vez de cada time construir seu próprio ambiente do zero, o v1 oferece peças reutilizáveis que funcionam com múltiplos harnesses e datasets.

O trace linear por turnos (vs. quadrático no v0) permite treinamento de horizonte longo sem explosão de memória. O suporte nativo a compactação e subagentes reflete como agentes reais operam — com branches, delegação e contexto condensado.

Para times brasileiros que constroem agentes de IA, o Verifiers v1 reduz a barreira de entrada para treinamento RL agêntico: você define o que avaliar (taskset), como resolver (harness) e onde rodar (runtime) — cada peça independente e substituível.

Descubra mais sobre noticiAI

Assine para receber nossas notícias mais recentes por e-mail.

R
Sobre o autorRedação Noticiai

Equipe editorial dedicada a explicar inteligência artificial com clareza, independência e contexto.

Leia tambem

Mais sobre este assunto

AspectoVerifiers v0Verifiers v1
Modelo de ambienteDados, lógica e infra empacotadosSeparado em taskset, harness, runtime
Crescimento do traceQuadrático em turnosLinear em turnos (nós únicos)
Rollouts não-linearesAssumia linearidadeCompactação nativa e subagentes via branches
Manuseio do runtimeBuilder gerencia ciclo de vidaFramework gerencia run/read/write
Acoplamento do harnessFortemente acoplado ao ambienteQualquer harness compatível (Codex, Terminus 2)
Dados de treinoRecomputados para prime-rlConsumidos diretamente do trace