# prime‑rl 0.10.0 får ny IPO-förlust och snabbare träning

> Prime Intellect har släppt prime‑rl v0.10.0 och verifiers v0.4.0. Uppdateringen inför IPO som standardförlust i RL och ger upp till 15 % snabbare träning.

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

Prime Intellect har presenterat prime‑rl version 0.10.0 tillsammans med verifiers 0.4.0. Uppdateringen gör den nya IPO-förlusten (INTELLECT Policy Optimization) till standard för asynkron förstärkningsinlärning, där den ersätter den äldre DPPO-baserade förlusten. Den innehåller också prestandaförbättringar som gör träningen upp till 1,15× snabbare på stora modeller som Qwen3‑235B‑A22B, och lägger till stöd för nya arkitekturer som DeepSeek V4 Flash och Qwen‑VL.

## Fakta

- prime‑rl v0.10.0 och verifiers v0.4.0 har släppts (datum ej angivet)
- Träningen går 1,15× snabbare på Qwen3‑235B‑A22B jämfört med torchtitan

## Varför det spelar roll

Forskare kan träna stora språkmodeller något snabbare och med en stabilare RL-förlust, vilket minskar risken för att träningen kollapsar.

## Källor och referenser

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

Senast uppdaterad: 2026-10-19