Hugging Face 旗下 OpenEnv 转为委员会治理并明确为智能体 RL 互操作层

OpenEnv 是一款用于创建智能体执行环境的工具，类似终端、浏览器或任何智能体可以交互的对象。今天，我们很高兴宣布 OpenEnv 变得更加开放，让训练智能体的未来走向开源。

从今天起，OpenEnv 将由一个委员会协调，目前成员包括 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft、HF Mirror 和 RadixArk。OpenEnv 现在位于 huggingface/OpenEnv

OpenEnv 项目得到了 AI 生态系统中一些领先组织的支持与采用，包括 PyTorch Foundation、vLLM、SkyRL (UCB)、Lightning AI、Axolotl AI、Stanford Scaling Intelligence Lab、Mithril、OpenMined、Scaler AI Labs、Scale AI、Patronus AI、Surge AI、Halluminate、Turing、Scorecard、Snorkel AI、SGLang 和 Miles。

为什么我们需要 OpenEnv 来训练开源的智能体

像 Claude Code、Codex、OpenClaw 和 Hermes 这样的智能体框架一直在不断改进。它们进步的一个原因是，GPT-5.5 和 Opus 4.8 等模型被训练去使用各自的框架。

我们也希望开源模型能获得这些收益：训练能有效使用框架的本地模型，并通过为特定任务专门化模型来节省算力。

为什么我们需要（更加）开放

前沿实验室训练的模型和框架，在很大程度上配合得天衣无缝。模型被训练去使用该框架，并针对其特性进行优化。模型在某种程度上可以泛化到这些框架之外，但没有什么能胜过训练带来的效率。

在开放环境中则并非如此。开发者在他们重视的任何用例上，使用任何框架、任何模型、任何推理引擎。这对社区至关重要，但也是一个需要基础设施和工具来应对的挑战。

这正是 OpenEnv 的用武之地。它是一个用于在框架、环境和训练器之间进行对接的库，适用于任何模型。为了让它站稳脚跟，它需要由所有主要利益相关方共同拥有。

一个协议层，而非奖励框架

除了治理层面的变化，我们正在更明确地界定 OpenEnv 是什么。

在最近的发布中，OpenEnv 已成为 RL 环境的互操作性层。它的职责是标准化环境的发布、部署以及被智能体使用的方式。它不会规定奖励如何定义，也不会规定训练循环如何运作。奖励定义、评分标准以及训练器特有的逻辑，属于那些专精于此的库。OpenEnv 是它们都能接入的通用插槽。

在实践中，这意味着：

一个接口，多种环境，它们都暴露熟悉的 Gymnasium 风格 API (reset(), step(), state())，运行在客户端/服务器架构上。一个会讲 OpenEnv 的训练器可以驱动任何符合标准的环境，无需专门代码。

熟悉的协议和规范化打包。环境通过 HTTP 和 WebSocket 等标准协议提供服务，并用 Docker 打包。MCP 是一等公民，因此 OpenEnv 环境可立即与 MCP 服务器兼容，同一环境在模拟（训练/评估）和生产模式下表现一致。

跨环境库的互操作。你可以在不同生态系统（verifiers、harbor 等）中定义和使用环境，并运行在你选择的基础设施和 hub 上。OpenEnv 是它们之下的部署和接口层，而不是它们的竞争对手。

下一步计划

在接下来的几个月里，我们将专注于那些能让 OpenEnv 从一个快速成长的项目转变为可靠标准的事情：

外部奖励：允许使用你已有的任意库来定义奖励，将 OpenEnv 作为部署层（RFC 006）。
通过数据集实现任务集：将环境任务与 HF Mirror 数据集连接起来，使环境和基准测试能够干净地组合（RFC 007）。
持续 Harness 集成：为智能体 harness 提供一等支持。
端到端示例：在 TRL、Unsloth、Miles 等框架中的完整训练和评估演练。
自动验证：衡量环境质量及其对模型学习的贡献。这将为社区提供一种可扩展的方式来评估他们的环境并提升质量（想想黑客松！）。RFC 008。

参与其中

OpenEnv 在设计上以社区为中心，而且现在仍处于早期阶段——预计会有粗糙之处，帮助我们打磨它们。查看代码和 RFC：github.com/huggingface/OpenEnv

感谢所有帮助实现这一转变的人。让我们一起构建开源智能体 RL 的通用基础。