训练自己的 Jev 级决策模型
后训练一个决策模型，通过一次前向计算，以校准概率回答关于用户或业务、类型明确的问题。EnvLoop 已发布的 Pev-27B 在 Pev-Bench 公开测试集上的类别宏平均准确率为 0.915，高于 TypeSafe 的 Jev（0.788）及其基座模型（0.762）。训练你自己的模型目前为实验性功能，需与我们的团队安排。
训练你的决策模型在你自己的环境上运行 RL 循环
智能体在沙箱环境中尝试你的任务，Verifier 为尝试打分，通过验证的尝试成为训练数据，再由 LoRA SFT 训练作业后训练模型，并与基座重新对比评测。奖励驱动评测与数据筛选；训练步骤是监督微调。
运行 RL 循环用模型循环逐轮改进模型
模型循环在一个任务上运行递归自我改进的多轮迭代：训练候选版本，在基准上评测，并报告候选版本是否超过基座模型，同时提供按版本的分数、审计和花费。你可以在 Console 的 RSI 循环 → 模型中跟踪进度，并通过 REST API、MCP 或预览版 CLI 启动或引导循环。
了解模型循环用业务数据后训练并部署模型
用你自己的数据记录，在 Qwen3.8-27B 或 GLM-5.3-Flash 上提交 LoRA SFT 训练作业，下载 Checkpoint，并把经过验证的 Checkpoint 部署为空闲时缩容到零的 OpenAI 兼容端点。DeepSeek-V4.1-Flash-1017 是面向已启用项目的批量训练预览，暂无推理配置。
了解训练作业用 Verifier 评测智能体并发布基准
以作业的形式让智能体运行 Environment 数据集。每个任务在沙箱中运行，由独立的 Verifier 为尝试打分，作业记录奖励、得分覆盖率和通过指标以便比较。目录中包括 envloop/terminal-bench-2-1-lite 等终端任务；cu-bench 以官方 envloop/cu-bench Runner 的形式按这种方式运行，Pev-Bench 的任务附带 Harbor Verifier。
了解评测在桌面软件上评测计算机使用智能体
cu-bench 让智能体仅凭截图、鼠标和键盘，在 20 个 Linux 桌面应用中完成专业工作，并由文件状态 Verifier 评分。在 EnvLoop 上，它以官方 envloop/cu-bench Runner 的形式运行于私有数据集之上，访问权限由我们的团队安排。在 2026-10-16 冻结版本上，Claude Opus 5.5 的严格成功率为 83.5%，gpt-6-astra 为 22.2%。
查看 cu-bench 排行榜获取用于自有训练的环境、Verifier 与数据
EnvLoop 构建的任务环境、Verifier、基准和训练数据可以按项目交付，也可以单独授权，覆盖桌面软件、终端、运维和金融等领域。具体可用内容与获取方式请与我们的团队沟通。
了解开箱即用与我们的团队规划私有部署
对数据边界有严格要求的公司，可以与我们的团队规划私有部署、专属支持和服务承诺。具体范围与可用性按每次部署单独商定。
咨询企业服务