# prime‑rl 0.10.0 incorpora IPO y acelera el entrenamiento

> Prime Intellect lanzó prime‑rl v0.10.0 y verifiers v0.4.0, con IPO como nueva función de pérdida predeterminada para RL y mejoras de velocidad de hasta un 15%.

Oossa · 2026-10-19 · https://oossa.com/es/prime-rl-0-10-0-adds-new-ipo-loss-and-speed-boosts

Prime Intellect anunció la versión 0.10.0 de prime‑rl junto con verifiers 0.4.0. La actualización establece la nueva función de pérdida IPO (INTELLECT Policy Optimization) como predeterminada para el aprendizaje por refuerzo asíncrono, en sustitución de la anterior, basada en DPPO. También incluye ajustes de rendimiento que permiten entrenar hasta 1.15× más rápido modelos grandes como Qwen3‑235B‑A22B, además de incorporar compatibilidad con nuevas arquitecturas, como DeepSeek V4 Flash y Qwen‑VL.

## Los hechos

- Lanzamiento de prime‑rl v0.10.0 y verifiers v0.4.0 (sin fecha indicada)
- Mejora en la velocidad de entrenamiento: 1.15× más rápido que torchtitan en Qwen3‑235B‑A22B

## Por qué importa

Los investigadores pueden entrenar modelos de lenguaje grandes algo más rápido y con una función de pérdida de RL más estable, lo que reduce el riesgo de que el entrenamiento colapse.

## Fuentes y referencias

1. [ResearchOCT 19TH, 2026prime-rl 0.10.0: faster training, our new RL loss IPO, and one unified eval stack](https://www.primeintellect.ai/blog/prime-rl-0-10-verifiers-0-4) – Prime Intellect

Última actualización: 2026-10-19