Prime Intellect、36.5 万件のタスクを統合したエージェント学習用フレームワークを公開
23 種類のエージェントタスクセットを単一 API で提供し、SWE-bench や TerminalBench 等の断片化した評価・学習環境を統一する。
リリース: 2026-07-22 · 読了 5 分記事の要約
1. 核心（What）
- 23 種類のエージェントタスクセットを統合した単一 API を提供
- ソフトウェアエンジニアリング 19.8 万件、ターミナル 2.8 万件、検索 13.7 万件の計 36.5 万件のタスクを収録
- verifiers v1 抽象化レイヤーによりタスクセット・ハーネス・ランタイムを分離
- SWE-bench Verified（500 件）や SWE-smith（8.8 万件）など主要なデータセットを統合
2. 影響（Why）
- 評価環境の断片化解消: 従来はベンチマークごとに異なる Docker 環境や評価スクリプトが必要だったが、本フレームワークで統一することで、エージェント開発のオーバーヘッドを大幅に削減する。
- 国内事業者への影響: 独自のエージェントを構築する国内の Vertical SaaS 企業は、本フレームワークを評価基盤に据えることで、モデル変更時の回帰テストを自動化し、開発サイクルを短縮できる。
3. 根拠・詳細（How）
- verifiers v1 アーキテクチャ: 環境をタスクセット・ハーネス・ランタイムの 3 層に分離。API 経由で 20 以上のプログラミング言語に対応した SWE-rebench-V2 等のデータセットを直接ロード可能。
4. 展望・課題（Next）
- 今後の拡張性: 現在提供されているタスクセットに加え、さらなるエージェント向け環境の統合と、RL 学習ループへの直接的な組み込み機能の強化が予定されている。