PrimeIntellect-ai/prime

Prime Intellect CLI・SDK 概要

概要 – Python ベースのコマンドラインツールと、Prime Intellect のクラウドプラットフォームを操作するための SDK 群です。このプラットフォームは、ホスト型モデルトレーニング、評価、GPU ポッドのプロビジョニング、サンドボックス化されたコード実行、および検証済み環境の共有ハブを提供します。すべての操作は、prime CLI または軽量 SDK パッケージ（prime-sandboxes、prime-evals、prime-tunnel）を介して行われます。

主な機能

• ラボワークスペース – 設定ファイル、検証ツール、サンプルの RL/SFT 設定があらかじめ用意されたローカルフォルダで、クラウドサービスに対して開発・テストが容易に行えます。
• ホスト型トレーニング – 専用 GPU クラスター上で実行される強化学習または教師ありファインチューニングのジョブ（prime train …）を送信できます。CLI からログ、メトリクス、チェックポイントを表示できます。
• 環境ハブ – トレーニングおよび評価パイプラインと密接に統合された「検証済み」環境（例: gym スタイルの RL ワールド）を参照、検査、インストール、またはプッシュできます。
• 評価 – 評価結果をハブにプッシュし、一覧表示し、サンプルを検査できます（prime eval …）。
• GPU リソース管理 – 利用可能な GPU タイプと容量を照会し、モデル（例: H100_80GB）でフィルタリングできます。
• ポッド管理 – クラウド上でコードを実行するコンピューティングポッドを作成、監視、SSH 接続、終了できます。
• サンドボックス – AI 生成コードを分離されたコンテナで安全に実行するための小さな SDK（prime-sandboxes）。
• チームサポート – 個人とチームのコンテキストを切り替え、チームを一覧表示し、共有リソースを管理できます。

開始方法

1. 最新の Python パッケージマネージャー uv をインストールし、次に CLI をインストールします: uv tool install prime（または pip install prime）。
2. prime login でログインし、API キーを取得します。
3. prime lab setup を実行して、スターター設定とともにワークスペースを作成します。
4. prime train models を使用して利用可能なトレーニングモデルを確認し、prime train <config>.toml でジョブを起動します。
5. 環境（prime env list）、GPU の空き状況（prime availability list）を確認するか、ポッドを起動します（prime pods create）。

対象読者 – 研究者、ML エンジニア、または独自の GPU フリートを管理せずに RL エージェントのトレーニングや LLM のファインチューニングのためのマネージドサービスを求めるチーム。CLI はクラウドプロビジョニングを抽象化し、SDK は同じ機能を Python スクリプトに埋め込むことができます。

インストールオプション

• 推奨: uv tool install prime（高速でツールを分離）。
• 標準の pip install も利用可能です。
• サンドボックスのみの場合は、小さな prime-sandboxes パッケージ（約 50 KB）をインストールします。

開発 – リポジトリは、4 つの独立したバージョンのパッケージを持つモノレポです。開発者はクローンし、uv sync を実行し、CLI を編集可能モードでインストールして、貢献したりテストスイートを実行したりできます。

リンク – ウェブサイト、ダッシュボード、API ドキュメント、Discord コミュニティが提供されています。

---

すべての詳細は README から直接引用しており、追加の主張はありません。