# В prime-rl 0.10.0 появилась новая функция потерь IPO и ускорилось обучение

> Prime Intellect выпустила prime-rl v0.10.0 и verifiers v0.4.0. В обновлении функция потерь IPO стала стандартной для RL, а обучение ускорилось до 15%.

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

Prime Intellect объявила о выходе prime-rl версии 0.10.0 и verifiers 0.4.0. В обновлении новая функция потерь IPO (INTELLECT Policy Optimization) стала стандартной для асинхронного обучения с подкреплением, заменив прежнюю функцию потерь на основе DPPO. Также обновление включает оптимизации производительности: на крупных моделях, таких как Qwen3‑235B‑A22B, обучение идёт до 1,15 раза быстрее. Кроме того, добавлена поддержка новых архитектур, в том числе DeepSeek V4 Flash и Qwen‑VL.

## Факты

- Вышли prime‑rl v0.10.0 и verifiers v0.4.0 (дата не указана)
- Обучение на Qwen3‑235B‑A22B идёт в 1,15 раза быстрее по сравнению с torchtitan

## Почему это важно

Исследователи смогут немного быстрее обучать крупные языковые модели и использовать более стабильную функцию потерь для RL, снижая риск срыва обучения.

## Источники и ссылки

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

Обновлено: 2026-10-19